脑控机器人EEG信号伪迹消除与特征提取研究
发布时间：2023-01-12 10:01
基于脑电信号（Electroencephalogram,EEG）的运动想象脑机接口可以为人体提供一个不依赖人体外周神经和肌肉组织交流的方式。脑控机器人以脑机接口为基础,结合了机器人控制技术,实现了通过人类大脑控制机器人来完成一系列动作。脑电信号的强度微弱、随机性大且敏感度高,非常容易被眼部、心脏噪声等外界伪迹干扰。此外,实现脑控机器人的任务执行准确性和实时性的难题之一便是如何提取运动想象脑电信号特征,不同的受试者之间脑电信号也存在较大的差异性,导致运动想象EEG信号分类准确率不高的问题。基于以上存在的问题,研究脑电信号伪迹消除和特征提取方法很有必要。本文研究了基于组信息指导的独立成分分析方法的运动想象EEG信号伪迹消除方法,基于脑网络的多域融合多尺度特征提取算法,优化特征向量,提高多类运动想象脑电信号的分类正确率,设计并实现一个基于运动想象EEG信号的脑控机器人实验平台。主要研究工作如下:（1）由于EEG信号会不可避免地受到其它伪迹信号的干扰,提出一种基于组信息指导的独立成分分析方法,使得多个不同受试者之间分解出的独立成分具有对应性,减弱参考量选取的敏感性,提高算法的鲁棒性。实验结果表...
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 课题研究背景、目的和意义
1.3 相关领域国内外研究现状
1.3.1 运动想象脑电信号伪迹消除方法研究现状
1.3.2 运动想象脑电信号特征提取方法研究现状
1.3.3 运动想象脑控机器人研究现状
1.4 论文研究内容和结构安排
1.4.1 论文主要研究内容
1.4.2 论文结构安排
第2章 基于GIG-ICA的运动想象EEG信号伪迹消除算法研究
2.1 EEG信号的采集及预处理
2.1.1 EEG信号的采集
2.1.2 EEG信号的预处理
2.2 基于ICA的伪迹消除改进算法
2.2.1 基于ICA的伪迹消除算法
2.2.2 基于GIG-ICA伪迹消除算法
2.3 实验结果与分析
2.3.1 模拟数据离线分析
2.3.2 运动想象信号离线数据
2.4 本章小结
第3章 基于脑网络的多尺度特征提取算法研究
3.1 脑功能网络的构建
3.1.1 复杂网络的描述
3.1.2 构建EEG脑功能网络步骤
3.2 多尺度特征提取算法
3.2.1 常用特征提取算法
3.2.2 共空间模式与局部特征尺度分解算法
3.2.3 基于脑网络的多尺度特征融合与分类算法
3.3 实验结果与分析
3.4 本章小结
第4章 基于运动想象的脑控NAO机器人实验平台设计
4.1 脑控机器人实验平台框架设计
4.1.1 运动想象信号采集模块设计
4.1.2 信号处理模块设计
4.1.3 脑控NAO机器人交互界面设计
4.2 运动想象脑控机器人实验设计
4.3 实验结果与分析
4.4 本章小结
第5章 总结与展望
5.1 全文工作总结
5.2 下一步工作展望
致谢
参考文献
作者在攻读硕士学位期间取得的研究成果
【参考文献】：
期刊论文
[1]基于小波包和深度信念网络的脑电特征提取方法[J]. 李明爱,张梦,孙炎珺. 电子测量与仪器学报. 2018(01)
[2]眼电伪迹自动识别与去除的新方法[J]. 李明爱,郭硕达,田晓霞,杨金福,郝冬梅. 电子学报. 2016(05)
[3]基于独立分量优化子带特征的三类运动想象分类[J]. 康莎莎,周蚌艳,吴小培. 生物医学工程学杂志. 2016(02)
[4]基于HHT运动想象脑电模式识别研究[J]. 孙会文,伏云发,熊馨,杨俊,刘传伟,余正涛. 自动化学报. 2015(09)
[5]眼电伪迹自动去除方法的研究与分析[J]. 李明爱,梅意城,孙炎珺,杨金福. 仪器仪表学报. 2014(11)
[6]Hilbert-Huang变换在情感脑电特征提取中的应用[J]. 杨鹏圆,李海芳,陈东伟. 计算机工程与设计. 2014(07)
[7]基于运动相关皮层电位握力运动模式识别研究[J]. 伏云发,徐保磊,李永程,李洪谊,王越超,余正涛. 自动化学报. 2014(06)
[8]一种基于盲源分离的眼电伪迹自动去除方法[J]. 计瑜,沈继忠,施锦河. 浙江大学学报(工学版). 2013(03)
[9]基于运动想象脑电的上肢康复机器人[J]. 徐宝国,彭思,宋爱国. 机器人. 2011(03)
[10]一种基于运动想象的脑-机接口时空滤波器迭代算法[J]. 段放,高小榕. 中国生物医学工程学报. 2011(01)
博士论文
[1]猴子伸—抓动作在大脑运动皮层中的表征及解码[D]. 郝耀耀.浙江大学 2013
硕士论文
[1]基于运动想象脑电的手臂运动功能康复研究[D]. 崔燕.北京工业大学 2013
本文编号：3729772
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题来源
1.2 课题研究背景、目的和意义
1.3 相关领域国内外研究现状
1.3.1 运动想象脑电信号伪迹消除方法研究现状
1.3.2 运动想象脑电信号特征提取方法研究现状
1.3.3 运动想象脑控机器人研究现状
1.4 论文研究内容和结构安排
1.4.1 论文主要研究内容
1.4.2 论文结构安排
第2章 基于GIG-ICA的运动想象EEG信号伪迹消除算法研究
2.1 EEG信号的采集及预处理
2.1.1 EEG信号的采集
2.1.2 EEG信号的预处理
2.2 基于ICA的伪迹消除改进算法
2.2.1 基于ICA的伪迹消除算法
2.2.2 基于GIG-ICA伪迹消除算法
2.3 实验结果与分析
2.3.1 模拟数据离线分析
2.3.2 运动想象信号离线数据
2.4 本章小结
第3章 基于脑网络的多尺度特征提取算法研究
3.1 脑功能网络的构建
3.1.1 复杂网络的描述
3.1.2 构建EEG脑功能网络步骤
3.2 多尺度特征提取算法
3.2.1 常用特征提取算法
3.2.2 共空间模式与局部特征尺度分解算法
3.2.3 基于脑网络的多尺度特征融合与分类算法
3.3 实验结果与分析
3.4 本章小结
第4章 基于运动想象的脑控NAO机器人实验平台设计
4.1 脑控机器人实验平台框架设计
4.1.1 运动想象信号采集模块设计
4.1.2 信号处理模块设计
4.1.3 脑控NAO机器人交互界面设计
4.2 运动想象脑控机器人实验设计
4.3 实验结果与分析
4.4 本章小结
第5章 总结与展望
5.1 全文工作总结
5.2 下一步工作展望
致谢
参考文献
作者在攻读硕士学位期间取得的研究成果
【参考文献】：
期刊论文
[1]基于小波包和深度信念网络的脑电特征提取方法[J]. 李明爱,张梦,孙炎珺. 电子测量与仪器学报. 2018(01)
[2]眼电伪迹自动识别与去除的新方法[J]. 李明爱,郭硕达,田晓霞,杨金福,郝冬梅. 电子学报. 2016(05)
[3]基于独立分量优化子带特征的三类运动想象分类[J]. 康莎莎,周蚌艳,吴小培. 生物医学工程学杂志. 2016(02)
[4]基于HHT运动想象脑电模式识别研究[J]. 孙会文,伏云发,熊馨,杨俊,刘传伟,余正涛. 自动化学报. 2015(09)
[5]眼电伪迹自动去除方法的研究与分析[J]. 李明爱,梅意城,孙炎珺,杨金福. 仪器仪表学报. 2014(11)
[6]Hilbert-Huang变换在情感脑电特征提取中的应用[J]. 杨鹏圆,李海芳,陈东伟. 计算机工程与设计. 2014(07)
[7]基于运动相关皮层电位握力运动模式识别研究[J]. 伏云发,徐保磊,李永程,李洪谊,王越超,余正涛. 自动化学报. 2014(06)
[8]一种基于盲源分离的眼电伪迹自动去除方法[J]. 计瑜,沈继忠,施锦河. 浙江大学学报(工学版). 2013(03)
[9]基于运动想象脑电的上肢康复机器人[J]. 徐宝国,彭思,宋爱国. 机器人. 2011(03)
[10]一种基于运动想象的脑-机接口时空滤波器迭代算法[J]. 段放,高小榕. 中国生物医学工程学报. 2011(01)
博士论文
[1]猴子伸—抓动作在大脑运动皮层中的表征及解码[D]. 郝耀耀.浙江大学 2013
硕士论文
[1]基于运动想象脑电的手臂运动功能康复研究[D]. 崔燕.北京工业大学 2013
本文编号：3729772
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3729772.html
