基于SSVEP的脑机接口系统研究与设计-电子与通信工程专业论文.docxVIP

南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 脑-机接口（BCI）系统是一种实时的通信系统，可以通过现代信号分析处理技术将脑电 信号转化为驱动硬件设备的指令来实现人脑与外界的信息交互。稳态视觉诱发电位（SSVEP） 脑电信号由于具有高信噪比、信号集中等优点而被广泛用作 BCI 系统的基础输入信号。 本文的研究工作就是围绕 SSVEP 信号在 BCI 系统中的应用开展开来，主要介绍了各类 脑电研究分析法、脑电信号的采集实验以及脑电信号的去伪迹噪声，并基于 MATLAB 平台进 行了相关算法的仿真和分析，最后设计实现了基于 SSVEP 的 BCI 系统。 论文利用 EEGLAB 工具对原始 SSVEP 数据进行了电位重参考、基线去除、滤波等预处 理操作来除去数据的伪迹噪声。在各类脑电研究分析法中，本文重点讲述了典型相关分析法 （CCA）和功率谱密度法（PSDA）在脑电信号特征提取中的应用，并验证了 CCA 和 PSDA 提取目标刺激频率的可行性。 本文基于 MATLAB 对 CCA 和 PSDA 进行算法仿真分析，主要包括 SSVEP 的特征提取、 算法的准确率、算法的抗噪性能等方面。由仿真结果可以看出，人脑后枕区对闪烁刺激较为 敏感；另外，CCA 识别目标频率的准确率和抗噪性能明显好于 PSDA，但其性能会受 SSVEP 数据长度、参考信道数的影响。 论文最后通过 Java 开发工具设计实现了几款视觉刺激器，同时利用设计的视觉刺激器进 行了脑电信号采集实验。在 BCI 系统的应用设计方面，本文设计了一个控制鼠标移动来识别 刺激目标的系统，另外还设计了一个基于 MATLAB 的 GUI 界面来实现对数据的离线分析。 关键词:脑电信号，脑-机接口，稳态视觉诱发电位，典型相关分析法 I Abstract Brain-computer interface (BCI) system is a kind of real-time communication system. Through the modern signal analysis and processing technology, we can transform EEG signal into the instructions that could drive hardware equipment to implement information interaction between human brain and the outside world. Steady-state visual evoked potential (SSVEP) is widely used as based signals for BCI system due to the advantages of its high sex ratio, signal concentrated, etc. This thesis aims at the applications of SSVEP signal used in BCI system, includes a variety of EEG analysis methods, EEG experiments and ways to remove EEG artifacts. Based on MATLAB, we have made the simulation and analysis on CCA and PSDA by using SSVEP data. Finally we have designed and implemented the brain-computer interface system ba