基于SSVEP的NAO機(jī)器人遙操作系統(tǒng)研究.pdf

1、腦-機(jī)接口(brain-computer interface，BCI)是一種通過(guò)腦信號(hào)處理而建立起大腦和外界交流的新型人機(jī)接口方式，可為運(yùn)動(dòng)障礙者提供語(yǔ)言交流和環(huán)境控制的途徑。本文針對(duì)穩(wěn)態(tài)視覺(jué)誘發(fā)電位(steady-state visual evoked potential，SSVEP)進(jìn)行了實(shí)驗(yàn)及模式分類識(shí)別算法研究，將腦-機(jī)接口技術(shù)和機(jī)器人控制技術(shù)相結(jié)合，設(shè)計(jì)搭建了腦電信號(hào)控制的基于事件的NAO機(jī)器人遙操作系統(tǒng)。本文主要工作集中在信

2、號(hào)處理和系統(tǒng)搭建兩方面。
　　首先通過(guò)分析設(shè)計(jì)視覺(jué)刺激器，搭建了穩(wěn)態(tài)視覺(jué)誘發(fā)電位信號(hào)的數(shù)據(jù)采集系統(tǒng)。接著通過(guò)對(duì)比巴特沃斯帶通濾波及小波閾值去噪和去除基線漂移的方法，確定小波閾值去噪方法進(jìn)行數(shù)據(jù)預(yù)處理。并且通過(guò)對(duì)三種不同視覺(jué)刺激頻率下的腦電信號(hào)分析，提出了基于小波分解系數(shù)奇異值、小波包分解系數(shù)子帶能量和經(jīng)驗(yàn)?zāi)Ｐ徒Y(jié)合自回歸分解系數(shù)的三種特征提取方法，并以實(shí)驗(yàn)采集數(shù)據(jù)為處理對(duì)象完成特征提取。接著改進(jìn)了LVQ網(wǎng)絡(luò)分類器、基于粒子群參數(shù)優(yōu)化

3、的BP神經(jīng)網(wǎng)絡(luò)分類器和基于遺傳算法的SVM分類器，并以該三種分類器對(duì)以上特征提取結(jié)果進(jìn)行分類，達(dá)到了預(yù)期效果。
　　本文還設(shè)計(jì)搭建了基于穩(wěn)態(tài)視覺(jué)誘發(fā)電位信號(hào)的NAO機(jī)器人遙操作系統(tǒng)。通過(guò)設(shè)計(jì)機(jī)器人反饋交互界面和模式切換方式，改善了基于事件的機(jī)器人控制條件。并通過(guò)控制機(jī)器人完成行走和放置物體的一系列實(shí)驗(yàn)任務(wù)對(duì)系統(tǒng)進(jìn)行了驗(yàn)證。
　　綜上所述，本文所提出的信號(hào)提取與識(shí)別算法為最終實(shí)現(xiàn)BCI的應(yīng)用奠定了理論和實(shí)驗(yàn)基礎(chǔ)，并且所設(shè)計(jì)的腦