8篇关于脑电信号的计算机毕业论文

今天分享的是关于脑电信号的8篇计算机毕业论文范文, 如果你的论文涉及到脑电信号等主题,本文能够帮助到你

基于多模态融合的情绪识别系统设计与实现

这是一篇关于情绪识别,人机交互,脑电信号,面部表情,多模态融合,深度学习的论文, 主要内容为情绪是人类基本心理活动的表现,情绪表达是交流中重要的理解依据。在人工智能的大背景下,机器人、智能家居、智慧医疗等人工智能产品均得到飞跃发展,机器与人的交流也更加密切,使得人机交互技术具有非常重要的研究价值。人机交互系统在面对恶劣环境和处理复杂工作方面优于人类,同时也要与人类协同作业,此时拥有情感交互能力可以更好地提升人机交互性能。近年来情绪识别已然成为人工智能领域重要的研究方向。通常使用面部、脑电、语音语调、文字或肢体动作研究情绪变化,但是仅从单一模态研究情绪识别时,一种模态无法获取足够多的特征,引入多模态特征并进行融合可以提取不同模态的互补信息,从而提高情绪识别准确率。基于多模态融合的情绪识别已经成为情绪识别领域的重要研究方向。本文使用面部和脑电两个模态对情绪进行识别,分别设计单一模态的识别算法和多模态融合情绪识别算法,并设计一款便携式情绪识别系统,实现开心、悲伤、惊讶、中立四分类情绪识别。针对面部模态使用Open CV对面部图像进行人脸定位、面部图像截取、直方图均衡化、尺寸统一等预处理,在Keras平台构建三款卷积神经网络,包括VGG16、Dense Net121和本文设计的My model。使用Fer2013表情数据集进行训练和测试模型,比较三种模型识别准确率和识别效率,实现基于面部表情的四种情绪识别算法。针对脑电信号模态通过对DEAP情感脑电数据集进行预处理,提取数据集中FP1通道的脑电信号,对单通道脑电信号进行快速傅里叶变换,根据频率将脑电信号分为五个频段,再将脑电频域信号反变换为时域信号,使用标准差对脑电时域信号进行特征提取,最后使用K近邻算法实现基于脑电模态的四种情绪识别算法。在面部和脑电模态情绪识别算法的基础上,设计一款基于加权平均的决策融合算法,并应用于情绪识别系统。情绪识别系统由基于树莓派平台开发的中央控制模块、基于TGAM芯片和蓝牙开发的脑电采集模块、使用高清摄像头和高清触控屏开发的面部图像采集模块组成。本文对情绪识别系统进行调试及运行,实现系统数据采集,信号处理,图像处理、信号传输、情绪识别等功能。通过实验验证系统可靠性,算法可行性,并对比验证单一模态和多模态融合的实验结果比较及分析。

基于SSVEP的脑—机接口系统设计与开发

这是一篇关于脑电信号,脑-机接口,稳态视觉诱发电位的论文, 主要内容为脑-机接口(Brain-Computer Interface,BCI)是一种不依赖于人体动作和语言的信息交流和控制技术,它为那些脑功能健全但肌肉组织受损的患者提供了一种与外界交流的信息通道。稳态视觉诱发电位(SSVEP)是指人的眼睛受到一定频率的光刺激时诱发的脑电信号。基于SSVEP的脑-机接口具有抗干扰、无需训练的优点,在实际使用中便利性较高。稳态视觉诱发电位易于检测,安装电极少,脑电信号不容易受眨眼等小概率事件的影响,利用信号处理算法,可以较准确的进行数据分类。本文基于单片机技术设计脑电位的诱发刺激源和构建三通道脑电采集系统,基于Matlab技术开发脑电信号处理模块。其中稳态视觉诱发电位刺激源主要用到的单片机芯片是STM32F407,三通道脑电采集系统主要用到的芯片是ThinkGear ASIC,脑电信号处理模块首先利用快速傅立叶(FFT)进行信号分析,然后利用典型相关分析(CCA)算法进行脑电信号的在线识别。本文除了脑-机接口系统设计以外,还开发了一套摄像头云台系统,使用无线Zigbee进行控制命令的传输。计算机通过脑-机接口系统接收受试者的控制意图,使用无线Zigbee发送控制命令到摄像头云台系统,云台系统进行相应的动作响应,从而使得受试者可以通过“思想”来对摄像头云台系统进行控制。本文开展了基于脑-机接口控制摄像头云台系统的实验。实验结果证明了所开发的基于稳态视觉诱发电位脑-机接口系统的可行性,这为后期便携式脑-机接口系统的开发提供了平台基础,进一步推进了脑-机接口系统的实用化进程。

基于卷积循环神经网络的脑电信号情绪识别方法研究

这是一篇关于脑电信号,情绪识别,循环神经网络,卷积神经网络,深度残差收缩网络的论文, 主要内容为情感计算是人机交互中重要的一环,随着人工智能飞速的发展,很多科研人员加入到情感识别领域的研究,情感识别主要从生理信号和非生理信号两方面研究,在各种生理信号中,脑电信号和情绪的联系较为紧密,且不可主观控制,更能反应人的情绪。该文着重研究基于卷积循环神经网络的脑电信号的情绪识别,具体研究内容如下:首先,研究基于注意力机制卷积神经网络(SKNet Inception Convolution Neutal Network,SKICNN)模型。该模型由SKNet模块和Inception模块构成,模型的输入是由不同频带的微分熵特征构造的三维立体信号。通过实验验证了多频段组合比少频段组合准确率高,并且使用基线信号能够提高准确率,同时验证了steam中使用1×1、4×1、1×4和4×4卷积核准确率最高。SKICNN模型相对已有研究成果的准确率有所提升,在DEAP数据集的唤醒维准确率为94.36%,效价准确率为93.41%。其次,研究基于4D卷积循环神经网络(4D EEGNet Recurrent Neural Network,4DEEGRNN)模型。该模型由EEGNet模块和Bi LSTM模块构成,4D特征是采用0.5秒的窗口分割脑电信号,并且计算四个频带的微分熵特征构成的三维立体信号作为模型的输入。通过构造对比模型,分析不同的输入对整体结果的影响,以及不同参数设置对整体结果的影响。通过实验发现以9×9×4作为输入,丢失方式为Spatial Dropout2D,丢失率为0.1的模型K在所有模型中效果最好。4D-EEGRNN模型相对已有研究成果的准确率有所提升,在DEAP数据集的唤醒维准确率为95.97%,效价维准确率为95.23%。最后,提出基于2D-3D卷积神经网络(2D 3D Convolution Neural Network,2-3DCNN)模型。该模型由二维卷积、三维卷积、SE-Res Net模块、Xception网络和深度残差收缩网络构成,模型的输入是原始脑电信号。通过实验分析了深度残差收缩网络在模型中不同位置对最终结果的影响,发现深度残差收缩网络与SERes Net在同一支路的情况下准确率最高。2-3DCNN模型相对已有研究成果的准确率有所提升,在DEAP数据集的唤醒维准确率为97.19%,效价维准确率为97.58%。

基于IR-BCI的脑电反馈治疗系统的设计与实现

这是一篇关于脑电信号,脑-机接口,模拟阅读,生物反馈的论文, 主要内容为当今社会,人们的学习、工作和生活的节奏加快,各方面的竞争压力也随之而来。日益激烈的竞争,让人们承受着非常大的心理压力,所以抑郁、焦虑等心理方面的精神疾病的患病率也日益增加。目前治疗这些慢性精神疾病,不仅需要服用很多药物,而且服用的时间较长。在这个过程中,用户不但要面对长期服药产生的副作用,而且还要承受很大的经济压力。所以,人们现在需要的是一种更安全、更经济的治疗方式来改进传统的治疗方式。脑电生物反馈疗法是一种新兴行为治疗技术。患者通过长期的自我训练,实现对特定频段脑电波的强化或者抑制,达到改善和治疗疾病的目的。脑电生物反馈疗法由于其可避免长期药物治疗所带来的副作用和高额的治疗费用而达到治疗目的,引起了医生及相关研究者的注意,在国外临床治疗上已经得到应用。大脑是人体最为重要的组成部分。大脑神经元细胞活动产生的脑电信号在军事、神经系统疾病诊断、心理学研究、神经认知科学、脑-机接口等方面都扮演着重要的角色。其中,脑-机接口系统可以通过模式识别技术对从人体采集的脑电信号进行解码,将解码后的信号作为人意图控制的信号,并输出该信号实现对外部系统的控制。“模拟阅读”脑-机接口系统需要人的注意力高度集中才能更好的控制命令的输出,其控制系统的方法与脑电反馈疗法的原理相辅相成,使得脑-机接口系统的实用化研究与反馈疗法相互促进。由此,本文主要基于“模拟阅读”脑-机接口系统,并结合临床治疗的需求,论述了脑电生物反馈治疗系统的设计与实现。在治疗过程中通过对患者脑电的采集、处理、分析,结合“模拟阅读”脑-机接口的实验模式设计训练游戏,将游戏或听音乐过程中的脑电波形、功率谱值、驱动值呈现给患者,患者通过刻意的控制某个频段的脑电波,达到治疗或改善特定疾病的目的。系统在设计和实现的过程中,主要完成了以下几个方面的工作:一、结合临床治疗的需要,对系统进行需求分析,确定系统开发的目的及意义。对系统开发涉及的技术做简要介绍,并阐述了各个模块之间的功能结构、工作流程。二、完成了系统各个模块的设计与开发。本文主要介绍系统的参数设置、脑电采集、脑电数据处理与分析、训练过程驱动、电极脱落检测、显示模块的详细设计与实现。三、结合需求分析完成了系统的单元测试与整体测试,验证了系统各模块功能和整体功能的正确性,并对测试中发现的问题做了及时的修改,使系统尽可能完善。通过以上工作,本文基于“模拟阅读”脑-机接口系统,采用C++编程语言,完成了脑电反馈治疗系统的设计和实现,经测试,本系统实现了需求分析的目标,并提供了以娱乐方式进行脑电反馈训练的模式,为脑电反馈治疗相关疾病的治疗提供了新的开发思路和方法,同时也对脑-机接口实用化研究起到了一定的推动作用。

基于深度学习和注意力机制的运动想象脑电信号分类研究

这是一篇关于深度学习,运动想象,脑电信号,卷积神经网络,注意力机制的论文, 主要内容为脑电(Electroencephalogram,EEG)信号的特征提取与分类识别是脑机接口系统的重要组成部分。其中运动想象脑机接口系统可以将大脑产生的神经信号转化为辅助设备的控制指令,能够为残疾患者提供一种康复方法,具有较高的实用价值。但如何精确地提取脑电信号的时域、空域特征,从而提高脑电信号的分类精度,依然是亟需解决的难题。为此,本文使用深度学习方法对GIGA公开数据集中两类手运动想象脑电信号进行分类研究。本论文的主要工作概括如下:(1)首先根据运动想象脑电信号的频率特性,采用8Hz-30Hz的带通滤波器进行滤波处理;然后使用重参考和独立成分分析去除噪声和伪迹的影响。并对实验数据进行时间切分和降采样处理,构建了两类手运动想象脑电信号数据集,为后续的分类研究奠定了基础。(2)基于深度学习方法对运动想象脑电信号进行分类研究。本文首先采用EEGNet、EEG-Inception模型对两类手运动想象脑电信号进行分类。针对EEGNet、EEG-Inception模型分类性能不佳的问题,本文设计了一种基于卷积神经网络(Convolutional Neural Network,CNN)的分类模型(CNN-Net),使用四种通道信号组合对两类手运动想象脑电信号进行了分类研究。实验结果表明,CNN-Net的分类性能优于EEGNet、EEG-Inception,取得了更好的分类效果,并通过对比现有的研究方法,进一步验证了CNN-Net模型的有效性。CNN-Net在使用4通道(FC3-FC4,C1-C2)信号的情况下分类效果最好,两类手运动想象脑电信号分类的平均准确率达到94.90%。(3)为了探索注意力机制对CNN-Net模型分类性能的影响,在工作(2)的基础上将SENet(Squeeze-and-Excitation Network)、ECA(Efficient Channel Attention)、CBAM(Convolution Block Attention Module)注意力机制分别与CNN-Net模型融合。对比分析了不同注意力机制引入方式对CNN-Net分类性能的影响。实验结果表明,注意力机制引入到网络的中间层相比于网络的浅层和深层取得的分类效果更好。在最佳引入方式下,融合SENet的CNN-Net模型,分类的平均准确率达到95.79%,相比于CNNNet模型的分类性能得到进一步提升,其分类性能优于现存的大部分方法,并避免了复杂的特征提取过程。这些结果为运动想象脑电信号的分类研究提供了新的参考。

基于微服务的脑电信号可视化平台设计与实现

这是一篇关于脑电信号,微服务,React,克里金,Redis的论文, 主要内容为随着脑科学领域的发展,可靠易用的脑电信号处理平台成为了帮助研究人员更好地理解脑电信号本质的一种重要方式。然而,脑电信号处理平台相关的产品在国内仍然处于一个较为匮乏的状态,大部分脑电研究工作十分依赖国外的软件。而已有的脑电信号处理平台往往需要部署在本机使用,硬件资源有限,数据共享较为困难。除此之外还存在着数据管理不便捷、软件稳定性差、缺乏定制化、系统不开源、收费高昂、管制受限等诸多问题。本文旨在开发一款基于微服务架构的脑电信号可视化管理平台来解决上述问题,弥补现有脑电信号处理平台的不足,为脑科学领域工作者提供一个可靠、便利的脑电信号观测与研究工具。该平台具备研究人员信息管理、脑电信号数据管理、原始数据处理与脑电信号可视化等功能,且数据能够实时共享。本文的主要研究工作及成果如下:(1)针对传统脑电信号处理平台无法灵活扩展及只能单机部署的问题,本文所设计的脑电信号可视化平台采用由多个具有独立职责和功能的微服务组成的分布式架构,并且通过Docker容器化技术部署在云平台上。该架构方案支持对不同服务的独立部署,较传统单体架构模式具有更高的容错性和易扩展性,也能够最大限度地利用云平台的弹性资源,解决已有软件单机部署所造成的硬件资源限制问题。(2)针对用户界面难以理解及可视化不友好的问题,本文所实现的脑电信号可视化平台中前端系统采用React生态技术进行开发,为用户提供友好的操作界面。同时提出了基于克里金插值算法的脑电信号可视化方案,通过对脑部研究区域进行空间建模,并使用半变异函数计算未知点与样本点之间的空间相关性,从而得出未知点的属性值。经过未知点估测效果对比,证明克里金插值算法在绘制脑地形图方面较其他常用插值算法具有24%的准确度提升,能够为使用者提供清晰直观的脑电信号处理结果,便于使用者观测和分析。(3)针对数据共享功能在高并发场景下存在性能瓶颈的问题,后端系统采用了Redis中间件对频繁访问的高热度数据进行分布式缓存处理。压力测试结果显示,Redis缓存能显著提高系统的性能表现,高并发场景下的性能提升率在34%以上,且并发量越高,性能提升越明显。本文的研究成果为脑电信号研究者提供了一个高效、易用的数据处理和分析工具,后续的推广应用有望促进脑电信号研究的发展和进步,对脑电信号处理的研究工作和临床医疗都具有重大意义。