导读:本文包含了多模式人机接口论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:电信号,接口,人机,特征,向量,人工智能,机器人。
多模式人机接口论文文献综述
朱光旭[1]（2018）在《运动想象脑机接口多模式识别方法与应用研究》一文中研究指出运动想象脑-机接口是一种基于主动想象脑电信号,利用外部辅助设备实现人脑与计算机或其他电子设备之间通信与控制通道的技术。本文研究了BCI系统中的信号处理算法包括滤波算法、特征提取、特征分类。提出了一种新的核函数相关向量机分类器。最后完成了在线BCI系统的四旋翼控制实验。主要研究内容如下:(1)分析了巴特沃斯滤波、共同平均参考滤波和拉普拉斯滤波叁种EEG信号滤波方法。通过对运动想象脑电信号频率特征的分析,选择3-24Hz的巴特沃斯滤波方法去除高频干扰和噪声伪迹。设计了“一对一”共空间模式提取四类运动想象EEG的特征。(2)分析了经典的脑电信号的特征分类算法:线性分类器、支持向量机以及人工神经网络的优缺点,针对EEG信号特征,选择了基于贝叶斯稀疏概率模型的相关向量机作为运动想象脑电信号的分类算法。(3)对相关向量机核函数进行改进,提出了新的核函数相关向量机分类器。首先以组合核函数代替单核核函数改进了常规的相关向量机分类器,实验结果表明,组合核函数相关向量机分类器较单一核函数相关向量机分类器具有更高的分类准确率。而后,针对EEG信号的动力学特征,提出了一种新的混沌核函数相关向量机,实验结果表明,与高斯核函数相关向量机等比较,所提出的分类器具有更准确EEG分类精度。(4)为验证所设计方法的有效性,搭建了一个在线BCI平台,实现了利用四类运动想象任务对四旋翼完成起飞、前进、左移和降落四个动作的有效控制。在线实验证实,所设计在线BCI系统具有较高的可靠性。(本文来源于《天津理工大学》期刊2018-01-01）
谢松云,刘畅,吴悠,张娟丽,段绪[2]（2016）在《基于多模式EEG的脑-机接口虚拟键鼠系统设计》一文中研究指出现有的脑-机接口系统大都只基于单模式的脑电特征,系统能实现的功能非常有限,从而制约了脑-机接口系统的应用。采用基于多种模式脑电信号(electroencephalogram,EEG)的脑-机接口技术来实现虚拟键鼠系统,使得被试可以利用自身的脑电信号控制鼠标和键盘的操作。研究了脑-机接口中常用的3种脑电信号,分别是P300波、alpha波以及稳态视觉诱发电位(steady state visual evoked potential,SSVEP),通过设计实验成功的诱发出了被试相应的特征脑电信号。利用SSVEP的脑电特征设计6频率LED闪烁刺激的虚拟鼠标系统,实现控制鼠标光标移动、单击左键和单击右键的任务;利用P300波的脑电特征设计6×6的字符矩阵虚拟键盘系统,实现字符输入的任务;利用被试自主闭眼增强alpha波的脑电特征,实现鼠标和键盘应用切换的任务。研究了适宜这3种脑电特征的最佳测量电极组合及模式识别算法,使得对3种脑电信号的识别正确率均达到了85%以上。测试结果显示,文中设计的基于多模式EEG的脑-机接口虚拟键鼠系统能有效地实现鼠标控制以及键盘输入的任务。(本文来源于《西北工业大学学报》期刊2016年02期）
刘杨[3]（2015）在《脑机接口信号的多模式识别融合技术研究》一文中研究指出脑电信号是人体大脑产生的一种重要生理电信号。大脑作为人体最神秘、最复杂的器官,一直以来是科学家们的研究重点,脑电信号更是科学家们研究的聚焦点。脑电信号中既包含人体大脑日常活动产生的基本信号,又包含人体大脑根据自发想象或外界刺激所产生的思维信号。无论对人体大脑各个区域详细功能的研究还是对人工智能等相关领域的开发,脑电信号都具有很重要的作用。脑机接口技术指的是在人体的大脑与电脑、轮椅等外围设备之间设立的一条进行信息交流的通道。脑机接口系统既能根据人体大脑产生的脑电信号中包含的思维信号的分析处理结果来简单控制计算机等外围电子设备,达到简单控制外部环境的效果;又能根据外围电子设备的运动,对人体大脑进行相应的外界刺激从而产生新的思维脑电信号,达到重新控制外围电子设备的目的。随着交流障碍患者和肌萎缩性硬化、脊髓损伤等脑疾病患者数目的增多,对这种脑机接口技术的要求不断提高。如何提高脑机接口系统中对相关脑电信号进行分析计算的结果的精度成为困扰科学家们的难题。P300脑电信号是人体的大脑在接受到特定模式的视觉诱发刺激而形成的一种诱发电信号,因其具有形成时间固定、在大脑头皮特定区域能量明显、易于检测等特点而成为脑机接口系统中最常用的一种脑电信号。利用人体大脑根据视觉诱发刺激产生的P300脑电信号作为输入信号的脑机接口系统中,实验者无需经过特别的专项训练就可以达到预定的效果。本课题采用第叁届脑机接口数据竞赛组织方提供的P300脑电信号,开展脑机接口信号的多模式识别融合技术研究,以期提高脑机接口系统中脑电信号进行分析计算的结果的精度,促进脑机接口技术的实际工程应用。论文主要开展了以下内容的研究工作:(1).P300脑电信号的预处理过程。P300脑电信号中有用频率主要集中于0-30Hz的范围,因此首先对脑电信号作低通滤波处理,消除高频干扰。然后采用最优加权迭加方法对滤波后的脑电信号进一步处理,以消除脑电信号采集过程中受到相邻电极的相互作用,使得本来准时的波动出现延迟的问题。(2).运用小波变换、AR模型、主成分分析和近似熵等目前使用最广泛的四种算法提取预处理后的脑电信号中包含的特征。小波分解提取电位信号2-8Hz的频段作为测试样本;AR模型主要是构建一个4阶的AR模型,选取其模型的相应系数作为实验需要提取特征;主成分分析对64个通道进行空间解耦,并提取前十个主成分通道作为特征;近似熵算法是对选取的10个通道的信号段进行的近似熵计算值作为特征。(3).运用支持向量机、BP神经网络、径向基神经网络和朴素贝叶斯分类器四种不同类别的分类器对上文提取到脑电特征进行分类训练和测试。支持向量机分类器选用使用范围最广的线性函数作为需要的核函数;BP神经网络分类器基本思路是构建两层神经网络;径向基神经网络分类器能够随意逼近任何非线性函数,有良好的泛化能力和学习收敛速度;朴素贝叶斯分类器是基于独立假设的Bayes定理的简单概率分类器。采用提取出的特征对分类器进行分类训练和测试,最终得到选用支持向量机分类器能够获得最高92.94%的准确率。(4).将四种特征提取算法和四种特征分类算法交叉融合共构成16个脑电信号数据处理模型。分别运用这16种信号处理融合模型对实验提供的P300脑电信号训练后测试,得到不同融合模型的处理准确率。选用多组P300脑电数据处理后,结果表明由小波变换特征提取算法和支持向量机分类器融合构成的模型得到最高识别准确率,平均达到了90%。(本文来源于《重庆理工大学》期刊2015-03-25）
陈歆普[4]（2011）在《基于肌电信号的多模式人机接口研究》一文中研究指出表面肌电信号记录了在肌肉自主收缩时由肌肉纤维产生的电生理活动。它作为生物/机械人机接口的一种重要输入信号在电动假肢手控制中得到了广泛地应用,该方法也被称作肌电控制。肌电人机接口的主要功能是识别肌电信号的动作模式,从而为肌电控制提供准确的动作指令。为能控制多自由度灵巧假肢手,人机接口系统需要从肌电信号中解码出多种手部和腕部动作所对应的肌电模式,并保证其具有足够的分类精度。本文将侧重研究肌电特征提取和分类算法。主要的工作如下:为了从肌电信号中提取高阶统计信息,本文采用双谱变换来分析信号,并使用双谱积分方法和Fisher线性判别投影方法提取双谱矩阵中的特征量。在实验中,我们采用Davies-Bouldlin系数和各种不同分类器来分析肌电高阶信息对动作分类效果的影响。实验结果表明双谱特征在类-类分离性和动作识别率上要好于其它一阶或二阶肌电特征。本文使用肌电信号的频率信息来进行动作分类,提出一种从傅里叶系数中导出倒谱系数的特征提取方法,其计算主要采用快速傅里叶变换和离散余弦变换实现。基于Fisher比例系数的特征选择用来从倒谱系数中获取具有最佳区分度的肌电特征。另外,我们还提出了一种特征层次的后处理方法来进一步增强肌电特征区分性。实验说明倒谱特征不仅具有较高的动作识别率而且运算速度也比较快。针对在动作开始阶段的爆发态肌电信号具有较强的非平稳特性的特点,本文提出一种结合复指数局部基函数(SLEX)和局部区分度最优基算法的肌电信号处理方法。该算法将肌电信号分割成具有局部定位性的时间块,以提取其中的时变特征并进一步提高动作识别率。为让分类器适应肌电信号具有的时变特性,本文将研究一种自增强分类方法。该方法在静态分类器中加入了一个自适应算法,能在测试阶段对分类器参数进行更新,从而进一步提高分类器性能。本文提出的自增强方法的主要优点是通过使用参数更新算法让分类器具有自适应演化能力,从而增强人机接口的自适应性。本文的主旨是通过理论与实践相结合的分析比较,设计适合在肌电信号分类中使用的肌电特征和分类器。实验结果分析说明本文提出的肌电模式识别方法可以有效地提高多模式动作肌电信号的分类正确率。另外,我们把本文提出的肌电模式识别算法嵌入基于DSP的实时小型硬件平台,为肌电控制应用奠定基础。(本文来源于《上海交通大学》期刊2011-07-01）
[5]（2008）在《国家高科技发展计划(863计划)项目介绍 面向太空服务机器人感知的多模式微型化人机交互接口技术研究(项目编号2007AA04Z254)》一文中研究指出《面向太空服务机器人感知的多模式微型化人机交互接口技术研究》项目,是在先期"基于脑机接口技术的服务机器人系统研究"等项目的基础上,重点研究基于脑电、肌电生物电信号及语音信号的多模式、(本文来源于《天津工程师范学院学报》期刊2008年02期）
多模式人机接口论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现有的脑-机接口系统大都只基于单模式的脑电特征,系统能实现的功能非常有限,从而制约了脑-机接口系统的应用。采用基于多种模式脑电信号(electroencephalogram,EEG)的脑-机接口技术来实现虚拟键鼠系统,使得被试可以利用自身的脑电信号控制鼠标和键盘的操作。研究了脑-机接口中常用的3种脑电信号,分别是P300波、alpha波以及稳态视觉诱发电位(steady state visual evoked potential,SSVEP),通过设计实验成功的诱发出了被试相应的特征脑电信号。利用SSVEP的脑电特征设计6频率LED闪烁刺激的虚拟鼠标系统,实现控制鼠标光标移动、单击左键和单击右键的任务;利用P300波的脑电特征设计6×6的字符矩阵虚拟键盘系统,实现字符输入的任务;利用被试自主闭眼增强alpha波的脑电特征,实现鼠标和键盘应用切换的任务。研究了适宜这3种脑电特征的最佳测量电极组合及模式识别算法,使得对3种脑电信号的识别正确率均达到了85%以上。测试结果显示,文中设计的基于多模式EEG的脑-机接口虚拟键鼠系统能有效地实现鼠标控制以及键盘输入的任务。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多模式人机接口论文参考文献
[1].朱光旭.运动想象脑机接口多模式识别方法与应用研究[D].天津理工大学.2018
[2].谢松云,刘畅,吴悠,张娟丽,段绪.基于多模式EEG的脑-机接口虚拟键鼠系统设计[J].西北工业大学学报.2016
[3].刘杨.脑机接口信号的多模式识别融合技术研究[D].重庆理工大学.2015
[4].陈歆普.基于肌电信号的多模式人机接口研究[D].上海交通大学.2011
[5]..国家高科技发展计划(863计划)项目介绍面向太空服务机器人感知的多模式微型化人机交互接口技术研究(项目编号2007AA04Z254)[J].天津工程师范学院学报.2008
论文知识图
