本科生毕业设计开题报告(脑机接口).docxVIP

脑电信号是通过电极记录下来的脑细胞群的自发性、节律性活动，目前有多种脑功能测量技术可以对大脑活动进行成像，如脑电图（EEG）、脑磁图（MEG）、皮质脑电图（ECoG）、功能磁共振成像（fMRI）、近红外脑成像（fNIR）等。在诸多的脑电信号采集技术中，EEG技术记录脑电信号的方式凭借其无创伤、低成本、简单易用、高时间分辨率等优点，在脑-机接口领域中得到了越来越广泛的应用[1]。 脑-机接口（Brain computer interface, BCI）是一种通过在人脑与外部设备之间直接建立信息传输通路从而能够不依赖外周神经和肌肉组织的通信和控制技术，为患有肌萎缩性侧索硬化、脑干中风、脊髓损伤、脑瘫等严重神经肌肉疾病而失去行动能力的残疾人提供了一种与外界环境进行沟通和交互的有效方式[2-4]。脑-机接口（BCI）作为一种新型的人机交互方式，其最初的研究目的是为了给残疾人或患有肌肉损伤等疾病的人群提供一种可靠的交互手段，以提高他们的自理能力与生活水平。随着相关研究的发展，残疾人康复训练、军事、儿童教育及娱乐、特殊环境下的复杂控制等也成为脑机接口的潜在应用领域。如何提高对脑电信号进行识别分类的正确性和快速性正是脑机接口在实用推广中一个必须解决的问题。在相同的信号获取方法下，有效、准确、快速的脑电信号识别分类算法便成为提高脑机接口实用性的关键技术之一[5-6]。在脑-机接口系统中，所使用的脑电信号大致可以区别为外源性信号与内源性信号两种。内源性信号指不需要依赖外界刺激便而由使用者自行进行大脑活动而产生的信号，包括完成某种心理作业产生的电位、运动想象电位等。在运动想象模式下，用户通过想象自身左右手的运动从而对自身大脑意识活动进行调节以诱发相应电位。外源性信号则需要通过一定得外部条件对用户进行视觉、听觉或触觉上的刺激，以激发相信的信号，如P300信号、稳态触觉诱发信号、稳态视觉诱发电位等。稳态视觉诱发电位（SSVEP）是大脑视觉皮层对于视觉中心中闪烁刺激的一种生物反馈。当人眼注视某一按照固定频率（大于6Hz）进行闪烁的物体时，其视皮层的脑电信号将会被该频率调制，一般表征为与刺激频率相同的频率分量得到显著增强。当有多个激励源以不同的固定频率进行闪烁且被赋予不同含义时，这种信号可用于分析被试所注视的是哪一个激励源以及其所要传达的任务。研究表明，相较于P300模式、运动想象等模式，SSVEP模式在应用中有着触发信号稳定、使用电极数量少、训练时间短等优点[7-9]。近年来，脑-机接口（BCI）技术的研究得到越来越多的关注。在众多的脑机接口模式中，SSVEP模式下的脑电信号得到了广泛的使用也提出了多种SSVEP模式脑电信号特征提取方法。当前的SSVEP模式下脑电信号的特征提取大多将该模式下的脑电信号从时域变换到频域内进行分析与处理，通过识别脑电信号在不同频率处的能量峰值来识别用户所下达的指令。Huang等讨论了小波变换在SSVEP模式下脑电信号特征提取中的应用[10-11]。Martinez等将带通滤波器应用于SSVEP模式下的脑电信号特征提取，并设置了模糊神经网络用于对多通道的脑电信息进行分类识别[12]。Mukesh等应用快速傅立叶变换(FFT)提取SSVEP模式下脑电信号的频域特征，进而识别不同的命令[13-14]。当前对于SSVEP模式脑电信号的特征识别大多关注对其频域特征的分类识别，受限于SSVEP模式本身的缺陷，单纯利用EEG脑电信号的频域特征进行分析的方法限制了SSVEP模式下的可识别的目标数量。为了进一步提高基于SSVEP模式的脑-机接口系统的性能，融合时域相位特征的SSVEP诱发方式、多域的特征提取算法成为一个新的热点[15-16]。本课题将依托天津大学电气与自动化工程学院机器人与自主系统研究所前期搭建的仿人机器人意念控制平台对SSVEP模式下脑电信号的多域特征提取算法进行研究。该平台整合了Cerebus神经信号采集系统、NAO仿人机器人、KT-X PC仿人机器人、Openvibe、BCI2000等软、硬件设备，为特征表征算法的实际测试提供了条件。本课题拟在比较分析现有SSVEP模式脑电信号特征提取算法的基础上，对SSVEP模式下脑电信号多域特征表征算法进行研究，设计并实现一种基于模糊逻辑的SSVEP多域特征提取算法，以期找到一种提高脑电信号识别准确性、快速性的路径，并借此来提高现有SSVEP模式下脑机接口系统的性能本课题主要研究内容如下：比较现有SSVEP脑电信号特征提取算法的优势与不足并加以分析；基于单片机系统，搭建融合时域相位特征的SSVEP脑电信号诱发装置；设计并编程实现基于模糊逻辑的SSVEP模式脑电信号的多域特征提取算法；利用仿人机器人意念控制平台，对所设计的算法进行离线和在线实验验证，检验并优化算法的实际效果。实验进度