《基于脑机接口的智能轮椅》

《《基于脑机接口的智能轮椅》》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、《基于脑机接口的智能轮椅》燕山大学赵玉超常凯纪立双扬明正指导老师:王金甲讲师，许成谦教授摘要本文在查阅相关资料的基础上，要开发并实现BCI系统的应用，主要工作如下：1、充分调研国内外的研究状况，以及应用方式；2、利用国产放大器实现信号采集处理；以BCI2000为基础进行数据分析；3、实现轮椅的控制。关键词:bci；脑机接口；轮椅。1．课题的立项背景、目的和意义脑电是通过电极在头皮或颅内记录下来的脑细胞群的节律性电活动，是Berger在1929年发现的。自发现以来，脑电的主要应用有：①脑功能研究；②疾病诊断；③生物反馈治疗；④推断

2、人的想法或目的，从而构造脑机接口。脑机接口是脑电的第四种应用。脑计算机接口(BrainComputerInterface，BCI)，简称脑机接口，是指一种不依赖于脑的正常输出通路(即外周神经和肌肉)的脑一机(计算机或其他装置)通讯系统。脑机接口的出现，使得用人脑信号直接控制外部设备的想法成为可能。基于脑机接口原理设计的装置有望帮助神经肌肉系统瘫痪的病人实现与外界的交流(例如环境控制、轮椅控制、操作计算机等)。信号处理和模式识别方法涉及如何从EEG中提取出少量的有用的信息并分类。BCI转换算法把信号特征(如节律幅值或神经元放电率)

3、转换为具体的控制命令。分别利用这些信息进行不同脑状态的区分，常用的特征提取算法如：FFT(FastFourierTransformAlgorithm)、自相关AR(Autoregression)、参数估计、CSP(CommonSpatialPatterns)、Butterworth低通滤波、遗传算法(GeneticAlgohthm，GA)，算法的选择与所利用的信号特征及电极位置有关。信号处理的目标是最终从信号中识别使用者的意图并执行，系统的首要任务就是最大化信噪比，尤其当噪声和信号极为相似时就显得更为重要提高信噪比的技术有很多。

4、具体有空间及时间滤波方法、信号平均、以及单次识别方法。特征信号分类是基于脑电信号根据不同的运动或意识能使脑电活动产生不同响应的特性，确定运动或意识的类型与特征信号之间的关系。信号分类结果的好坏取决于两个方面的因素:一是要进行分类的特征信号是否具有明显的特征，即特征信号的性质;二是分类方法是否有效。几种具有代表性的BCI特征信号分类综述如下:人工神经网络、贝叶斯分类器、线性分类器、支持向量机等。在完成了脑电信号的获取、特征识别和分类之后，即可根据这种体现人的意念的特征向量，按照人的意图通过计算机实现对外部环境的控制。通常采用以下标

5、准对BCI系统进行衡量：(1)速度；(2)准确率；(3)应用或娱乐的便捷度；(4)功能的适应性；(5)对环境的适应性；(6)用户的最小训练时间；(7)计算机的最小训练时间；(8)移动的便捷性；(9)舒适度；(10)成本和可达性；(11)外观的美观程度。2．课题研究前景及挑战将BCI用于实际临着很多挑战，主要可归纳为以下4类。(1)信息传输率(带宽)：即使是有经验的测试者操作最快的BCI系统，目前的最大传输率也才50bits/min，相当于每分钟6个字符，这对正常的对话与交流仍然太慢。(2)高误差率：这是影响信息传输率的重要因素。

6、(3)自动化程度：理论上，对运动功能严重失常的病人，BCI系统应该由他完全控制。然而事实上现有的BCI系统都需要照顾者的参与，如系统的安装、启动、初始化、关闭等，即使可以由病人自己关闭，但重新启动存在困难。(4)环境适应性：大多数BCI系统还只是在安静的实验室环境中进行测试，实际应用可能面临更复杂的环境，包括任务本身的认识程度、情绪反应、注意力、安全因素等。要使BCI系统真正实用，除了解决以上问题外，还必须在以下各方面开展更深入的研究：(1)BCI系统的临床测试研究。(2)BCI的训练。为了提高BCI的实用性，必须考虑用户的接受

7、程度与训练方法，减少电极的数量，缩短训练时间。(3)信号处理及分类算法。提高BCI的信息传输率，减少分类误差，在很大程度上取决于信号处理与分类算法。(4)BCI系统应该轻便、兼容性好，以便在医院或家里能方便地使用；系统的使用与操作应尽量简单，电极易放置；BCI设备的价格应适中。(5)国内对BCI的研究还处于起步探索阶段，适合中国国情的BCI系统尚有许多工作要开展。以拼写汉字进行交流为例，由于汉字拼写比英语更复杂，因此要帮助病人实现正常的交流，难度将更大3．课题主要内容与基本思路，分析难点和创新点主要内容：1.建立非入侵的脑机接口

8、系统，用于获取EEG脑电信号.2.脑机接口中的信号处理和模式识别技术的研究和软件实现.3.智能轮椅的硬件设计和实现.4.脑机接口系统和轮椅硬件的联调.基本思路：1、数据采集，获取EEG信号；2、信号处理，数据分析产生特征向量；3、进行软件仿真，软件调试；4、各类