基于运动想象脑电信号的机器人控制分析-analysis of robot control based on motor imagery eeg signal.docxVIP

基于运动想象脑电信号的机器人控制分析-analysis of robot control based on motor imagery eeg signal.docx

  1. 1、原创力文档(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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于运动想象脑电信号的机器人控制分析-analysis of robot control based on motor imagery eeg signal

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。(保密 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-机接口(Brain-Computer Interface,BCI)是一种新颖的交互方式,受到国 内外学者的广泛关注和研究。脑-机接口不依赖外周神经和肌肉进行信息传输, 是在人脑和外设之间建立的一种通讯系统。因而,可以通过脑电信号控制辅助装 置,为行动不便的残疾人提供服务,为患有焦虑症的人调节情绪,协助偏瘫患者 进行康复训练,也可以为人们提供新的娱乐方式等。本文以运动想象脑电信号为载体研究了脑电信号的预处理、特征提取和模式 分类等问题,并设计了利用脑电信号控制机器人运动的方法。本文做了以下工作:(1)利用一种改进了的小波阈值方法对脑电信号进行消噪处理,该方法通过 处理小波系数模的幂次和阈值的幂次来估计小波系数,它不仅改善了传统小波阈 值处理方法的不足,而且保留了它们的优势。(2)由于人在想象单侧肢体动作时,运动想象脑电信号中的 ERD/ERS 现象在 特定频段较为显著,可以获得有效的表征运动想象任务的特征信息。针对这一特 性,以及脑电信号的非线性特性,提出了双树复小波样本熵的特征提取方法,该 方法通过双树复小波变换,把脑电信号进行多层分解,抽取出对应于运动想象脑 电信号中 ERD/ERS 现象的节律波信号,并用样本熵方法提取该节律波的特征。 (3)在脑电信号模式分类中,针对隐马尔科夫模型的独立性假设与脑电信号 间相关性的不一致问题,提出一种基于 Choquet 模糊积分隐马尔科夫模型的脑 电信号分类方法。该模型应用模糊积分的单调性取代了概率测度的可加性,放宽 了隐马尔科夫模型的独立性假设,可以有效提高隐马尔科夫模型方法对运动想象脑电信号分类的性能。(4)设计了一套运动想象脑电信号控制移动机器人的 BCI 系统实验方案,用 右脚踢球、左手捡球、左脚单脚跳左手扔球、右脚单脚向前跳后并右手捡球四种 运动想象任务控制机器人的前进、刹车、左转、右转四种基本运动。(5)分别采用 2008 年 BCI Competition IV Datasets1 数据和实验采集的多类运 动想象脑电信号数据进行实验,实验结果表明双树复小波样本熵特征提取方法可 以有效提高不同类别运动想象脑电信号的可分性,针对多类复杂运动想象脑电信 号的分类,CI-HMM 分类器的识别率优于 SVM 分类器。关键词: 脑电信号,小波阈值,双树复小波变换样本熵,CI-HMM 分类器,支持向量机ABSTRACTBrain - Computer Interface (BCI) is a novel interactive way which has attracted widespread attention and research by scholars at home and abroad. BCI establishes a communication system between the human brain and peripheral for transporting information rather than depend peripheral nerves and muscles. Thus, auxiliary devices can be controlled by EEG to provide the disabled person with service, regulate emotions of people suffering from anxiety disorders, assist the rehabilitation training of hemiplegia patients, and provide new forms of entertainment for people.In this paper,

您可能关注的文档

文档评论(0)

xyz118 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档