脑电控制与人机交互题库.ppt

“ ” 基于脑电波控制的人体运动辨识 学院： 姓名： 导师： 应用领域 医疗 教育 娱乐 临床神经和精神疾病诊断 脑电分析与认知科学 脑电分析与脑--机接口 信息安全与身份识别 脑电波音乐α冥想波 θ睡眠波 β醒脑波 随着对脑电信号研究的不断加深，脑电信号在生活中的应用越来越广泛 ，大致体现在以下几个方面： 在认知科学、生理学、精神学方面，脑电信号具有广阔的学术价值和应用前景。通过研究人体处于不同生理状态和不同脑电功能状态的脑电信号特征，可以了解脑电的不同工作机制。 在工程应用方面，利用脑电波信号实现人脑—计算机接口（BCI）。由于BCI系统不需要使用者发出声音或做出动作，也不需要依赖于人体的肌肉和神经就可以实现人机交互、帮助有运动障碍的人提高他们的生活质量。例如光标、轮椅、机械手臂等的应用。 在临床诊断方面，脑电信号包含大量的生理与病理信息，对其作深入的研究有助于临床医生提高对大脑神经系统损伤病变诊断和检测的可靠性和准确性，同时对于脑疾病诊断和检测提供了有效的手段。 各种脑疾患和神经系统疾患问题的增多和严重化、以及社会老龄化问题，比如癫病的发病率就高达约15%，这就迫使我们要加强对脑科学的研究。 目前国内外研究现状 日本大阪大学研究人员在美国《神经学》杂志网络版上发表论文说，他们利用安装在运动麻痹患者脑部表面的电极，成功读取患者的脑电波，推测出其意图，从而使作为假肢的机器人动了起来。 南开大学的研究团队展示了如何利用脑电波信号控制调整汽车的前进方向，以及后退、停车、锁车和开锁等操作。 1929年德国精神科教授Hans Berger首次记录并正确描述脑电活动，并命名为(Electroencephalo．graph，EEG)，长期以来脑电图主要应用于临床神经诊断学、生理学、心理学的研究。近年来随着现代科学技术的发展，脑电信号的应用越来越广。 一般认为，脑电信号是由大脑皮质神经元突触后电位总和而形成。人体的脑电信号的幅值十分微小，加上人体又是电的不良导体，脑电信号源的输出阻抗很高，这对脑电放大器和脑电电极以及安置方法等各方面都提出了很高要求。 由于接触电阻和测量导线的包围将引入较强的工频干扰，在普通的测量环境中尤为明显。脑电的测量方法将不可避免的引入幅值比脑电信号大的多的毫伏级的肌电信号。所以说如何在强噪声背景(信噪比通常低于-10dB)、高内阻的条件下提取微伏级的信号是构建脑机接口实验平台成败的关键。 NeuroSky InteraXon Epoc Insight 14个检测电极位置： AF3，F7，F3，FC5，T7，P7，O1，O2，P8，T8，FC6，F4，F8，AF4 2个参考电极：A1，A2 脑 电 波 主 要 分 类 δ波：深度睡眠脑波状态（范围0.5-3HZ） 人的睡眠品质好坏与δ波有非常直接的关系。δ波睡眠是一种 很深沉的睡眠状态，如果在辗转难眠时自己召唤出近似δ波状态，就能 很快地摆脱失眠而进入深沉睡眠。 θ波：深度放松、无压力的潜意识状态（范围4-8HZ） 对于外界的信息呈现高度的受暗示状态，即被催眠状态。 α波：学习与思考的最佳脑波状态（范围8-13HZ） 在这种状态下，身心能量耗费最少，相对的脑部获得的能量较高，运作就会更加快速、顺畅、敏锐。α波被认为是人们学习与思考的最佳脑波状态。 β波：紧张、压力、脑疲劳时的脑波状态（范围14HZ以上） 人们清醒时，大部分时间大脑频率处于β波状态。随着β波的增加，身体逐渐呈紧张状态， 此时人的能量消耗加剧，容易疲倦，若不充分休息，容易堆积压力（这是现代人的通病）。 脑电波控制研究的重难点 脑电信号的采集设备 脑电信号特征值的选取 脑电信号的辨识率 课题研究的任务及方法 1.通过采集到的脑电信号判断想要做出的特定动作 2.观察分析人在扳手腕过程中相关脑电信号的变化 课题研究的任务及方法 1.脑电信号的采集 采用Emotiv Systems的Epoc头盔 2.脑电信号的预处理 滤波、去噪、重构 3.脑电信号特征值的提取 功率谱估计、小波变换、独立向量分析 4.脑电信号的辨识 支持向量机、线性分类器、贝叶斯分类器 已完成的工作 待完成的工作 1.阅读课题相关的参考文献 2.信号的采集 3.信号的去噪、滤波 1.常规的特征提取方法的实现和比较 2.对特征值选取的创新 3.新旧方法辨识率的比较 4.观察和分析人在扳手腕过程中相关 脑电