基于EEG信号的上肢运动解码开题报告

 2020-02-18 06:02

1. 研究目的与意义(文献综述)

1.1 研究目的及意义

目前,人口老龄化已经成为我国乃至世界的一个极为严峻的社会问题,截至2017年年末,我国60周岁以上人口达到24090万人,占总人口的17.3%,并且这一比重还在不断上升。随着年龄的增长,老年人的免疫功能也会下降,生理机能开始退化,患病风险增加。脑卒中(俗称:脑中风)是一种严重威胁中老年人健康的急性脑血管疾病。脑卒中会导致患者大脑运动皮层损伤,导致约3/4的患者伴有肢体运动障碍。并且每年还有许多因意外事故造成的肢体运动障碍的患者,而上肢运动功能障碍将会严重影响患者的日常生活。因此,为了最大限度的提高这些上肢运动障碍患者的自主生活能力和社会参与能力,需要恢复和改善患者的上肢运动功能,或者提供可控的机械肢体。

脑机接口(brain computer interface,bci)是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路,能够避开神经末梢与肌肉,直接在大脑与计算机或外部设备之间建立一条交流通路,为那些思维正常但却伴随运动功能障碍的患者提供了一种与外界交流的通路。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

本文拟基于运动想象eeg信号构建一个bci系统,实现对人体上肢肘关节屈/伸、手掌抓握/张开以及休息态的上肢动作分类,并利用信号分类结果实现对机器人的运动控制。研究内容主要包括:利用信号处理算法实现eeg信号的多分类;设计上位机软件实现与脑电信号处理模块的数据通信;研究基本的机器人运动控制算法。

脑机接口系统主要由信号采集部分、信号处理部分以及机器人控制部分。脑电信号的采集平台主要由脑电帽和信号放大器两部分组成。采集到的原始脑电信号十分微弱,所以需要先通过放大器对其进行基本的放大和滤波处理,再进行后续的信号处理部分。

信号处理包括信号预处理,特征提取以及信号分类。信号预处理主要是为了降低采集的原始脑电信号中存在着各种伪迹与干扰,例如眼电、肌电、心电等生理电方面的伪迹信号,以及设备受到外界影响带入的噪声干扰。特征提取需要准确、有效且自适应地提取与意识任务最相关的特征。eeg信号的多分类拟采用训练测试两步模式,信号处理流程如图1所示。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

(1)第1-4周:查阅相关文献资料,明确研究内容,了解研究所需理论基础。确定方案,完成开题报告。

(2)第5-6周:熟悉掌握基本理论,完成英文资料的翻译,熟悉相关工具软件的使用。

(3)第7-9周:实现eeg信号分类算法。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1] ofner p, schwarz a, pereira j, et al. upper limb movements can be decoded from the time-domain of low-frequency eeg[j]. plos one, 2017, 12(8): e0182578.

[2] jochumsen m, niazi i, dremstrup k, et al. detecting and classifying three different hand movement types through electroencephalography recordings for neurorehabilitation[j]. medical amp; biological engineering amp; computing, 2015, 54(10): 1-11.

[3] xinyi y, carlo m, bin h. eeg classification of different imaginary movements within the same limb[j]. plos one, 2015, 10(4): e0121896-.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。