论文部分内容阅读
近年来，由于各种灾难和疾病造成的残障人士逐年增加，智能轮椅成为了研究热点。而人机交互技术是智能轮椅几大关键技术（避障、自定位、人机交互）之一。如何为残疾程度较高的人群（甚至只有思维正常而全部运动功能丧失的人群），提供良好的人机交互接口成为智能轮椅发展中的一个新难题。
脑电信号中α波最具明显节律性，并且在绝大多数脑神经功能正常人中普遍存在α波阻断现象，即睁眼思考问题时，α波消失而出现快波，如果受试者安静闭目，则α波又重新出现。为此，本文围绕脑电信号的伪迹去除，脑电信号α波的特征提取和模式分类方法展开研究，并将α波的识别信号用于智能轮椅的控制。取得的主要研究成果如下：
(1)基于Hilber-Huang变换的脑电信号中眼电伪迹自动去除方法在对脑电信号特点及常用的脑电信号预处理方法对比分析的基础上，针对α波的特点，提出一种基于HHT(Hilbert-Huang Transform)的脑电信号中眼电伪迹自动去除方法。该方法将脑电信号分解为最匹配于信号结构的固有模态分量(Intrinsic Mode Function，IMF)之和。结合多尺度滤波和阈值滤波，实现了脑电信号中眼电伪迹的自动去除。实验结果显示：该方法较传统的方法眼电伪迹去除效果更好。
(2)基于Hilbert边际谱的脑电α波特征提取方法对常用的各种脑电信号特征提取方法对比分析，并结合脑电信号α波所具有的阻断现象，设计了基于Hilbert边际能量谱的脑电信号α波特征提取方法。运用统计学方法验证了该方法的有效性。
(3)基于在线自学习机制的脑电信号分类方法对常用的各种脑电信号分类器对比分析，并针对传统分类器普遍存在的自适应能力较弱的问题，提出了基于在线自学习机制的脑电信号分类方法。该方法通过对BPNN增加反馈环节，改变训练集的构成，实现分类器在线自学习的功能。实验结果表明，该方法自适应能力较传统方法有一定的提高。
(4)基于脑电信号α波的智能轮椅控制系统设计在以上工作的基础上，针对需求（利用人在睁眼和闭眼两种状态下的脑电信号，实现对智能轮椅运动控制）设计系统整体方案，并对系统中各个关键模块，比如数据采集、模式分类模块、数据无线通讯模块、控制输出模块等进行软硬件设计。最后给出了该控制系统的两套测试方案。实现了基于脑电信号的智能轮椅的行进控制和方向控制。实验结果验证了基于脑电信号α波的智能轮椅控制系统的可行性和脑电信号识别方法的有效性。
本文的研究工作在提高脑-机接口系统的可靠性和有效性、促进脑-机接口技术从实验室走向实际应用等方面具有积极的意义。