wdy开题报告PPT.pptVIP

基于运动想象的脑-机接口设计及应用;研究背景及意义 研究现状及方向 研究内容及方法 研究进度的安排 参考文献;研究背景及应用; 一、医疗与康复器械：电灯、电视的开关；轮椅、假肢的 动作；康复训练器械【2】。 二、国防与航天航空：士兵在埋伏状态下操控武器，宇航 员在失重状态下操控宇宙飞船【3】 。 三、游戏与娱乐：游戏中的鼠标位置的控制；选择字母拼 写字词在搜索引擎上信息检索【4】 。 ;; 运动想象范式与ssVEP和P300相比，使用更加灵活，具有实 用价值，但是特征提取与识别也更加复杂。 ; 脑电信号的采集【6】;MI: motor imagery,运动想象。 相关资料表明： 想象左手运动，大脑皮层右侧C4 附近区域出现明显的ERD； 想象右手运动，大脑皮层左侧C3 附近区域出现明显的ERD； 想象脚部运动，大脑皮层中部Cz 附近区域出现明显的ERD； 想象舌头运动，大脑皮层中部Cz 附近区域出现明显的ERS；; 据此实验范式采集大脑皮层运动感觉区的脑电信号， 提取出各类模式的特征向量；训练出合适的分类器，从 而将分类结果应用于设备的控制。 ;研究现状与方向; 想象左右手运动的脑电提取与识别【7】 【8】; 国外：三类和四类别的运动想象脑电特征提取和识别， 在对数据库的离线特征提取和识别率满足要求时，构建 在线多类别的脑电特征提取和识别；实现在线多类别的 BCI系统【9】。 研究方向【10】： 1. 提高多类别想象运动模式的识别准确率； 2. 构建稳定的在线多类别运动想象BCI系统； 3. 识别出“空闲”模式，实现异步实时BCI系统。;研究内容与方法;两类MI_EEG特征提取与识别 EEG预处理：使用公共平均参考对13导脑电时间序列滤除公 共噪音；用带通滤波器提取出和运动想象相关的频段信号。 特征提取：1.构造空间滤波器CSP，对预处理后的EEG进行空 间投影滤波，提取出两类EEG差别最大的特征值作为模式特征； 2. 使用FFT或者小波（包）变换求取特征频段的 能量值或功率谱密度，选取2类中区别最明显的值作为模式特征。 模式识别：二分类的LDA/SVM。 基于两类运动想象的实时在线BCI系统 将离线训练出来的特征提取方法和分类器模型用来构建在线 BCI系统，采用时间窗选取分类结果最好的时间段数据。 ;三类和四类模式的识别 EEG预处理：使用STFT或Wavelet变换对各类别的相关导联的时 间序列进行时频分析，画出时频功率谱图，选取各类模式的“时-频- 空”联合特征段；提取EEG特征最明显的时段数据，通过空间滤波器 和频率滤波器来提取数据。 特征提取：1. 构建“一对一”或“一对多”的空间滤波器CSP，将多 类EEG通过CSP提取每类的特征量； 2. 对多类特征最明显的导联-相应时频段求取频段能 量作为特征量。 模式识别：多分类的BP神经网络、LDA和SVM。 ;“空闲”模式的特征提取与识别 寻找三类别运动想象脑电信号的共有量作为特征，提取出“空闲”模 式相应的特征；构建两层分类器，先使用二分类器来区分“空闲”模式 和“想象运动”模式，在“想象运动”下进一步使用三分类器对三类运动 模式分类。 ;研究进度安排;参考文献;[7]. F Lotte, M Congedo. A review of classification algorithms for EEG-based Brain-computer interfaces [J]. Journal of neural engineering.2007:R1–R13. [8]. Ali Bashashati, Mehrdad Fatourechi. A survey of signal processing Algorithms in brain–computer interfaces based on electrical brain signals [J]. Journal of neural engineering.2007:R32–R57. [9]. Y. Wang, S. Gao. Implementation of a Brain-Computer Interface Based on Three States of Motor Imagery. Engineering in Medicine and Biology Society, 2007:5059–5062. [10]. Tao Geng, Huosheng Hu . A