基于fpga的bci系统研究-信息与通信工程专业论文.docxVIP

摘要 摘要 万方数据 万方数据 摘要 脑机接口（BCI）是将采集到的大脑电信号转换为能控制外部设备的一种系 统。BCI 允许用户直接和外部设备通信而不依赖大脑外部神经和肌肉组织，它 通过采集和测量人大脑的神经活动，即脑电信号（EEG），并对采集的 EEG 进 行特征提取和分类识别，输出相应的控制命令。这种通信方式为那些因创伤和 神经疾病而不能有效控制肌肉活动，但思维意识正常的人提供了帮助。脑机接 口在医学、康复训练、军事训练、工业等领域发挥着巨大的潜在价值，也成为 近年重大的研究热点。 运动想象 BCI 系统研究的关键是选择适当的方法从脑电背景中提取能代表 脑电任务的特征。本文对时域二阶能量特征提取、Hilbert 包络提取、EMD 分解 法、小波变换法、自回归模型法、共空间模式（CSP）算法等方法在脑电特征 提取中进行了分析。提出了一种在 CSP 算法中加入 Fisher 准则改进型 CSP 算法 来提取两类想象运动特征的方法，这种方法折衷了 fisher 和 CSP，不从单一的 方向去考虑脑电信号。在 Fisher 和 CSP 结合的投影方向上选取较大的 D 个特征 值对应的特征向量作为分类器的输入特征，用以实现运动想象脑电任务的分类。 实验显示，这种结合 Fisher 和 CSP 的方法提取脑电特征比单纯的 CSP 方法正确 率有 5%左右的提高，增强了 BCI 系统运动想象的识别率。 针对 BCI 技术，本文展开讨论了 FPGA 在脑机接口中的运用。提出了在 FPGA 平台上实现 CSP 特征提取算法的方法和自回归模型法设计步骤。CSP 算 法中包括协方差矩阵计算模块、基于 Givens 旋转算法的矩阵特征值分析和特征 向量求解模块；自回归模型法涉及：自相关运算、舒尔递推、反射系数转 AR 模型参数等模块设计；并在 FPGA 开发平台上给出了 LDA 分类器实现步骤。最 后，对各个模块进行仿真验证，仿真结果表明，本设计对今后便携式脑机接口 系统的开发提供了一定的参考价值。 关键词：脑机接口 脑电信号 运动想象 FPGA 特征提取 I Abstract Abstract 万方数据 万方数据 Abstract Brain Computer Interface (BCI) is a system that translating corresponding task of electroencephalogram (EEG) collected into commands toward external peripheral. BCI allows users to communicate with external devices directly without any dependence on external brain nerve and muscle tissue. BCI system works by collecting and measuring the neural activity in the brain, namely electroencephalogram (EEG), and extracting features of EEG acquainted and classifying the features, final outputting the corresponding peripheral control command. This way of communication provides help to the people who have normal brain function but cannot effectively control the muscle activity due to trauma and nerve disease. BCI system plays a huge potential value in medical, rehabilitation training, military training, industry, and has become a research focus in recent years. Key point in Motion imagine BCI system is to choose the appropriate method to extract representative features of motor imagery tasks from EEG background. In this paper, the second-order time-domain energy feature