基于多种运动想象组合的脑电控制电动轮椅方法分析-analysis of eeg control method for electric wheelchair based on various combinations of motor imagery.docx

基于多种运动想象组合的脑电控制电动轮椅方法分析-analysis of eeg control method for electric wheelchair based on various combinations of motor imagery.docx

  1. 1、本文档共70页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于多种运动想象组合的脑电控制电动轮椅方法分析-analysis of eeg control method for electric wheelchair based on various combinations of motor imagery

杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。申请学位论文与资料若有不实之处,本人承担一切相关责任。论文作者签名:日期:年月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后,发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。(必威体育官网网址论文在解密后遵守此规定)论文作者签名:日期:年月日指导教师签名:日期:年月日摘要脑电(Electroencephalogram,EEG)信号蕴含了意念控制的有用信息,在生物医学工程、人工智能和神经工程学等方面均有广泛的研究与潜在应用前景。基于脑电信号的脑机接口(BrainComputerInterface,BCI)技术,把脑电信号转化为对外界的控制信号,实现了人脑控制信息与计算机等外设间的交换。因此可以通过对脑电信号的分析获取人的动作意愿,从而控制助残装置。脑机接口技术已经成为人工智能领域的研究热点课题之一。本文在国家自然科学基金项目的支持下,研究了脑电信号的预处理、特征提取、模式分类的方法,探讨了多模式分层控制的脑机接口智能轮椅的实现方法。本文研究工作的主要成果及创新点如下:(1)在脑电信号预处理阶段:采用双树复小波变换和RADICAL算法对脑电信号进行预处理。首先用双树复小波变换进行消噪,采用的是分层复阈值函数处理,并且对比了双树复小波变换与小波变换方法对脑电信号的消噪效果。然后经过RADICAL算法盲源分离,实验表明RADICAL算法能成功得到去除伪迹后的脑电信号,验证了RADICAL算法在脑电信号盲源分离中的有效性。基于双树复小波变换和RADICAL算法的预处理消噪为脑电信号后续的特征提取创造了良好的条件。(2)在特征提取方面:提出了基于关联维数的脑电信号特征提取方法,介绍了嵌入维数的选取过程。然后提出了基于模糊化符号复杂度的脑电信号特征提取方法,并且比较了基于模糊化符号复杂度和二值化Lempel-Ziv复杂度这两种脑电信号特征提取方法。通过实验证明了模糊化符号复杂度能很好的表征脑电信号特征变化,可以用于脑电信号的特征提取。(3)在模式分类方面:首先对基于关联维数和基于模糊化符合复杂度两种特征提取方法的模式识别结果进行了分析,寻找合适的分类器提高识别的准确率。介绍了多模式分层控制方法,利用EEG关联维数的差异识别出睁眼和闭眼这两种状态来作为选择控制模式,ERD/ERS方法识别出两类脑电运动想象任务,组合成四类不同模式,另外加上安静闭眼(即没有运动想象)时这一模式。共用安静闭眼、闭眼运动想象左手、闭眼运动想象右手、睁眼运动想象左手、睁眼运动想象右手五种模式。步骤是:先根据EEG关联维数的差异,EEG关联维数最小的为安静闭眼,闭眼的两类脑电运动想象EEG关联维数比安静闭眼大,睁眼的两类脑电运动想象EEG关联维数比闭眼的两类脑电运动想象的要大。再根据模糊化符号复杂度来识别出两类脑电运动想象中想象左手还是右手的意识任务。最后选择出关联维数和模糊化符合复杂度的联合特征向量,利用支持向量机对脑电信号进行有效分类识别,5种模式下脑电信号识别结果的平均分类正确率约为69%。(4)针对基于脑电信号的电动轮椅控制平台提出了总体控制方案,介绍了脑机接口系统设计。然后重点描述了基于单片机的电动轮椅控制实现。最后研究了脑电信号控制电动轮椅的命令传输实现。多模式分层控制的脑机接口智能轮椅的运动模式的分类就是根据脑电信号的特征,来判别使用者希望执行的指令,结合轮椅当前的运动状态,实现速度和方向的控制。所用电动轮椅前进有三档速度:高速(6km/h)、中速(4.5km/h)和低速(3km/h),轮椅能向左、向右转,轮椅能够后退,后退的速度只有一档,完成左转、右转、前进、后退、停止、加速、减速七个运动模式。关键词:脑电信号,复杂度,特征提取,多模式分层控制,支持向量机ABSTRACTEEG(Electroencephalogram)signalcontainsusefulinformationonmindcontrol,inbiomedicalengineering,artificialintelligenceandneuralengineering,etc,allhaveawiderangeofresearcha

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档