基于脑电波人机交互的研究
2014-2015学年第一学期
《人机交互的软件工程方法》
课程大作业
学生姓名张坤
学号5011212408
所属学院信息工程学院
班级计算机16-4班
授课教师劳东青
塔里木大学教务处制
浅谈基于脑电波的交互技术
摘要
人机交互是指人和机器设备之间进行的信息传递与交流活动，人机交互领域的主要研究工作为如何使得人和机器设备之间具备方便快捷的交流方式。随着现代科技的发展，人机交互技术的研究越来越受到人们的重视。许多新型的设计思想不断地被提出和实现，其中，不依赖人体四肢等常规方式对外界设备进行控制的脑机接口技术对未来社会生活和生产活动具有重要的研究意义，相关应用前景十分广阔。本文设计并实现了基于脑电α波节律阻断现象控制外部设备的人机交互控制系统。
关键词:人机交互；脑机接口；α波
目录
绪论 (1)
1、神奇的电信号——脑电波 (1)
1.1脑电波的作用 (1)
1.2实例举例 (2)
1.3人机交互接口 (3)
1.4人机交互的成果 (3)
1.5内容概述 (5)
2、基于脑电a波的HCI系统 (7)
2.1脑电a波的概述及其在HCI系统中的应用 (7)
2.1.1 α波信号 (8)
2.1.2 α波信号的应用 (9)
2.2系统的框架和原理 (9)
3、脑电α波的提取 (10)
3.1硬件系统的设计 (11)
3.3输入端电极 (12)
3.4α脑电波提取实例 (14)
3.4.1α波提取 (14)
3.4.2α波去噪 (16)
4、人机交互脑电波的未来 (17)
参考文献 (18)
绪论
随着科技的不断进步，人们日常生活和生产活动越来越依赖各种先进复杂的机器设备。如何高效便捷地使用各种机器设备对于提高生产力显得尤为重要。其中，人机交互技术作为一种新型的设备控制技术在己经越来越得到广泛运用。从普通的个人计算机到大型机器设备，人机交互技术使得机器设备的使用效率得到提高。同时，人对设备的操作能力也在得到不断的扩展，很多人体行为特征可以通过人机交互技术扩展为信息输出通道，给用户带来极大的便利，人机交互技术的发展极大地提高了和改变了社会生产方式。
1、神奇的电信号——脑电波
自古以来，人类梦寐以求洞察自身机能，自主调节机体内部功能。人类发现，要通过人体自身的心理活动控制相关的生理过程，必须能取得体内机能活动的准确信息，而且要有具备改变有关信息的心理指导。
有四种脑电波，四种基本脑波是：δ波（DELTA/δ wave），θ波（THETA/θ wave），α波（ALPHA/α wave）和β波（BETA/β wave）。这四种脑波构成脑电图（EEG）。脑电图是脑内电波的显示，但脑内电波的电压很小，只有百万分之几伏特。
阿尔法脑波的振荡平均为10次/秒。在脑波中阿尔法脑波是第一个被发现的。1908年奥地利医学家汉斯·伯格博士第一个提出发现，并称之为阿尔法波（ALPHA），因为在希腊字母的排序中ALPHA排在第一个，与英文字母A相同。
近百年来，无数的科学家花费了大量的时间用于研究阿尔法脑波，因此关于阿尔法脑波的基础研究的知识和结论积累丰富。
1.1脑电波的作用
通过生物反馈可以实现机体自我认识与自主调整，把控制焦点从依赖外界环境转移到内部自觉掌握。可成功地对体内某一系统、器官、神经组织，甚至单个细胞实现自主控制，以充分开发身体，高效运行体内机能。当代三分之二以上的人类疾病均可归根到生活过度紧张，思想忧虑引起。用生物反馈技术训练松驰身心，调节神经系统，解忧消愁，可以防治许多疾病，提高自身的免疫功能。
神经心理学研究证实，人体脑电波中8～12赫频率的α波段是成年人在安静、觉醒
状态下的主要活动节奏。在那些正以某种方式入静的放松者中间，脑波α成分有序化逐渐增强，而忧虑者则很少出现α波，代之以频率较高的β成分。脑电α波生物反馈，就是用电子仪器处理脑电波中的α频谱，使受试者感受自身的α信息，学习有意识地运用心理过程来触发某种生理机制，强化α波段成分。
脑波处于α段时，人体进入‘放松性警觉’状态。主观感觉舒适、放松和注意力集中，身心沉浸在伸展想像力翅膀飞翔的幻想、沉思气氛之中。可以取得非凡的记忆力，高度专注和不同寻常的创造力。尤其高振幅的α波在沉思中能导致高效学习成果，是创意思维活动从酝酿到领悟的过渡过程，由此引导脑波频率进入低于α波段的θ状态，使思想处于非常开放，自由流通的创造境界。
我个人认为，研制小型、简便的电子仪器探索脑电生物反馈领域，对神经生理学术研究与开发人体潜能的实践均有深远意义。目前新兴科技发展的如日中天，研制小型袖珍机器，进行批量生产，以降低成本，争取普及和推广脑电生物反馈技术。
1.2实例举例
我们举例来描述现代人的生活。一个人在早晨还在深睡时（德尔他脑波状态）突然被闹钟叫醒，时间来不及了，马上行动（倍他脑波状态），紧张，焦虑和匆忙的一天开始了！喝一杯咖啡使自己保持清醒（倍他脑波状态），咖啡因可以抑制塞他脑波和阿尔法脑波，并提高倍他脑波。一整天在紧张，压力或焦虑下工作（大脑中倍他，倍他，还是倍他脑波）一直到晚上精疲力竭时，一头扎到床上开始大睡（直接进入德尔塔脑波状态）。一天当中连放松和感到困倦的时间都没有（没有时间进入阿尔法脑波和塞他脑波状态）。现代生活中太多的人这样驾驶自己的大脑，突然而有力地从一档直接进入四档，并从四档直接回到一档。
阿尔法脑波的存在的合理性，是我们人类大脑先天所具有的，是大脑的基本状态之一。但现代生活的紧张使太多人忘记了使自己的大脑处于阿尔法脑波状态，从而许多人成为紧张，焦虑所导致的疾病的牺牲品。紧张和焦虑降低人体的免疫力。而大脑有相对较多的阿尔法脑波的人，有相对教少的焦虑和紧张，因此免疫能力也相对较高。这当然对每一个人都有益处。
α波又分为三种：
慢速α波 8-9赫兹临睡前头脑茫茫然的状态。意识逐渐走向模糊。
中间α波 9-12赫兹灵感、直觉或点子发挥威力的状态，身心轻松而注意力集中。
快速α波 12-14赫兹高度警觉，无暇他顾的状态。
如果您想减少紧张感，压力和焦虑，您应该在适当的时候提高大脑中的阿尔法脑波，这样也可以提高您的免疫能力。如果您想提高大脑工作效率，做有创造力的人，您应该学会如何提高大脑的阿尔法脑波。如果您想在众人面前使自己表现出色，无论是运动表现还是其他方面的表现，您更应该借助阿尔法脑波的帮助。
1.3人机交互接口
人机交互(Human-Computer Interaction, HCI ):是研究关于设计、评价和实现供人们使用的交互计算系统以及有关这些现象进行研究的科学川。我们所接触到的人机交互是指人和计算机机器设备之间进行的信息交流，并且尽可能地具备多种方便快捷的交流方式。和我们日常生活关系最密切的就是计算机操作系统的人机交互功能，其设备包括键盘、鼠标、显示器、麦克风等，还包括计算机的模式识别软件。例如，我们通过键盘、鼠标可以很方便地对计算机进行输入、点击等控制，通过计算机显示器的图像图形界面可以清楚地得到计算机中的信息，这样，人和计算机之间就形成了一种很实用的人机交互。而在早期的计算机操作环境下，计算机无图形界面，也无鼠标，人和计算机之间的交流显得很麻烦[1]。
人机接口技术(Human-Computer Interaction Techniques)是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。人机接口技术在计算机系统发展中得到广泛的应用。例如，由鼠标、USB驱动、操作系统中相应的模式识别软件构成的人体输入学设备使得人对计算机的操作变得十分快捷简便，这是一套典型的人机交互技术设备。麦克风、计算机声卡、声卡驱动程序、操作系统中的音频处理软件构成的音频输入设备可以方便地将语音信号输入计算机中[2]，并随着相关研究领域的发展，语音识别和语音合成技术使得人和计算机通过语音进行交流逐渐成为现实。人机接口技术是一套整体的系统，它涉及多个学科领域，通常要依靠多种软硬件系统的相互配合才能实现。
1.4人机交互的成果
（1）浏览器
一些展厅经常提供触屏展示设备给参观者了解展览信息，但是如果遇到残障人士或者连手指都懒得动一下的高贵客人，BCI就发挥了用处。这些脑控浏览器不需要太复杂的交互，主要就是点击、前进、后退、滚动等操作。这些操作可以用不同的意识行为来控制。
（2）轮椅控制
现有的轮椅需要别人来帮忙推，这需要有陪护时刻在身后；或者自己用双手滚动轮子，这对于老年人和手部受伤、残障的人士来说太困难。但是轮椅的控制在逻辑上是很简单的，只需要前进、后退、左转、右转这样几个操作就可以了，通过一定的训练，完全可以让病患完全用意识来控制轮椅的操作。
（3）假肢
缺失的肢体是有神经系统控制的，而神经系统原本就是由大脑的一部分的延伸。如果假肢能够利用电子线路代替损坏的神经线路与大脑重新建立关联，那么假肢就不再是塑料或木头，而是可以控制的手指。即便要完成每个手指的精确移动这个任务难度太大，光是可以控制腿型假肢的移动就已经能够给无数残障人士带来很大的方便。美国的Zac Vawter是一名软件工程师，在一次车祸中丧失右腿。而他所使用的假肢，是通过检查腿部肌肉的神经来判断。这些信号通过假肢里的处理器计算之后，判断出使用者的意图。而他在2012年使用假肢爬上了芝加哥一座2100多级台阶的北美第一高楼——威利斯大厦Willis Tower。这个活动极大的宣传了脑控假肢的应用前景。
（4）猫耳朵
这是个很萌的应用。日本一家公司开发了一个探测脑电波的头饰。当你开心的时候，你头箍上的猫耳朵就会立起来；当你难过的时候，猫耳朵就会垂下。想象下你的女朋友戴着猫耳朵和你约会的时候，她的喜怒哀乐都可以由猫耳朵看出来，那就不需要费很大心思去揣测女朋友的心情了。对于不善于揣测女朋友心思的理工男来说，这个能很有效地避免两人的矛盾。不过话说回来，这样的理工男有女朋友？
（5）读心术
虽然我们前面讲了BCI是没法实现读心术的，但是总有人想要做出不可思议的事情。2008年日本ATR 计算神经科学实验室利用fMRI的技术分析大脑活动，成功显示出来一些分辨率10*10的图像。原理大致是由视神经激活大脑不同位置，fMRI读取之后，找到图像和大脑位置间的规律。这个训练过程就得到了图像和大脑活动之间的模式关系。在测试新的图片时，就可以读取激活的大脑位置，利用已经知道的模式来推算大概看到了什么。
（6）意念控制
看过电影《阿凡达》的人一定不会忘记影片中这样一个桥段：在潘多拉星上，下身
瘫痪的的前海军战士杰克·萨利躺在密封舱中，通过头上戴着的复杂设备，利用意念操控人造的混血阿凡达。当然，潘多拉星和阿凡达只是导演卡梅隆的虚构，利用意念操控阿凡达自然也不可能发生。但是你或许不知道，利用“意念”操控物体已经不再是人类的空想。
Emotiv Epoc意念控制器是美国加州旧金山的神经科技公司「Emotiv Systems」继英国埃塞克斯大学的科学家研发出附有电极的特殊帽子，以思想操控电脑之后，推出的「神经头盔」（neuroheadset），让使用者戴上之后，只需起心动念便可以操控眼前的电脑，透过意志和情感控制电玩游戏角色动作。该产品的订价为二百九十九美元。
图1.1 意念控制球
1.5内容概述
本文阐述了一种基于人体脑电a波信号的人机接口技术的设计思想和实现方法[3]。该设思想为通过将脑电α波信号的特征变化转换为控制命令实现对机器设备的控制。图1.2和图1.3分别为系统的硬件采集平台实物图和系统软件截图。
图1.2 人机交互系统的硬件信号采集平台
图1.3 人机交互系统的软件截图
2、基于脑电a波的HCI系统
人体脑电(Electroencephalogram,EEG)是1929年由德国精神病学家海森.伯格(Hans Berger)在研究中首次发现，他通过记录和研究人体大脑电流的变化情况发现该电流具有规律性变化的特性[10]。随后，该发现相继被其他科学家的研究所证实，有关脑电信号的研究作为一个科学领域的分支得到迅速发展。很多脑电领域研究成果在应用领域具有重要作用，其中，例如，能客观反映大脑状况的脑电图在临床医学领域有着极其重要的应用[11] [12]。
随着人们对脑电信号认识的逐步深入，脑电信号的种类逐渐扩展，例如:常规的多导联脑电信号，包括自发脑电和诱发脑电、动态脑电信号、睡眠脑电信号等，相关的特征也得到较为深入的研究。脑电信号的特征变化可作为一种人体信息传递平台，其研究和应用不断被探索，其中将脑电信号作为人体与外界进行直接信息交流通道这一想法越来越受到众多研究机构的重视，基于脑电信号的人机接口技术由此得到不断发展。脑电信号的诸多特性使得这种人机接口技术比其他方法具有更多的优点和应用前景[13]。
2.1脑电a波的概述及其在HCI系统中的应用
人机接口系统所使用的脑电信号为电极从人体头皮表面所采集的能反映大脑特征变化的微弱电流，这些微弱电信号经过电路特殊处理后可作为人体对外信息传输的载体。目前基于脑电信号的人机接口系统所使用的脑电从类型上可以分为诱发电位和自发电位两种。
诱发电位是指采用各种特定刺激源刺激神经系统后人体大脑皮层会产生的相关电位，常见的诱发电位包括依靠视觉神经的视觉诱发电位、依靠听觉神经的听觉诱发电位、事件相关电位等。采用诱发电位的脑机接口系统所具备的优点是受试者不需要经过严格的训练，并且诱发电位通常在相关神经系统受到刺激后特定的时间范围内和人体特定的部位可以被检测到，因此在实际测试中较容易检测到诱发电位的特征变化并且在特征识别具备较高的准确率。但是诱发电位的产生需要依赖外界刺激设备一刺激源。图2.1为一种基于视觉诱发电位的脑机接口系统结构模型[4]。
图2.1 基于视觉诱发电位的脑机接口系统结构模型
自发电位又称自发脑电节律，它是指人体大脑皮层在自然正常状态下产生的自发的电位变化。自发脑电节律分为很多种类，比如α节律、β节律等。人体自身状态的某些变化会引起大脑皮层自发脑电节律的相关变化。
2.1.1 α波信号
α波信号是自发脑电节律的一种，又称α节律。α节律是一种对应与大脑皮层中视觉皮层的闲散节律的电活动，通常α波信号的能量主要集中在8-13Hz的频段内，在人体头皮表面可检测到的a波信号强度很微弱，电压幅度大约在20-100 la V的范围内波动。α波具有显著的节律性EEG波形特征实验中会在受试者清醒状态时闭目后出现，其信号的波形类似于正弦波，幅度变化特点为先逐渐增大，再逐渐变小，总体外形为梭形
形状。图2.2为课题实验中所采集脑电数据的α波波形仿真图[5]
图2.2 实验数据中α波信号波形截选图
2.1.2 α波信号的应用
α波的梭状波形通常可以持续1到2秒钟的时间，当人睁眼或集中精力思考某个问题时α波会消失，紧接着会出现一段时间的快波，这种特性在脑电研究中被称为a波阻断现象。该现象在人机接口研究领域具备很重要的应用。
由于α波信号的这一独有特性，人机接口系统中可以利用其进行命令或指令输出，从而实现一种对设备简单而实用的控制手段。根据α波阻断原理，在人机接口系统中通过采集设备实时监测人体头皮表面α波信号的幅度，当受试者想要发送一个控制命令时可以闭目，大脑皮层中的α波信号幅度会增大，系统检测到这一变化后就会发送控制命令对外部设备进行操作，当受试者睁眼后，信号幅度降低，系统可再次发送控制命令。这一过程的实现需要整个人机交互系统平台的设计工作涉及多个学科领域，包括生物医学工程、模拟电路设计、数字电路设计、数字信号处理、软件工程等[6]。
2.2系统的框架和原理
本课题所设计的基于脑电a波的人机交互从整体结构上涵盖了多个子系统模块。如图2.3所示为系统结构模型框图，该人机交互系统主要由输入端电极、脑电预处理电路、
数据采集卡、系统软件、外部控制设备等部分组成。
图2.3 人机交互系统结构模型图
系统的设计和运行原理:输入端的三个电极分别放置在受试者的头皮枕部、耳垂、额前。实验中，当受试者清醒状态下闭目时，大脑皮层中的α波迅速增强。头皮表面的EEG由电极和传输导线经过脑电预处理电路滤波、放大，再经数据采集卡AD转换后通过USB总线传入PC中。系统软件数据分析模块首先使用滤波代码对数据进行滤波处理，滤除EEG中的直流分量成分以抑制信号的基线漂移，再采用基于滑动窗的迭代频谱检测方法对数据进行频谱分析。算法中针对α波阻断现象这一特点，在EEG信号的频谱幅度上设置一个动态检测门限[7]，每次对幅值大于检测门限的频率点进行分析对比，依据数据的频谱峰值是否在α波信号的主要能量频段范围内8-13Hz推断出此时受试者是否闭目，进而转化成控制命令。为了解决不同受试者EEG在频谱幅度上的差异对检测门限的影响，在每次频谱分析运算前进行能量归一化操作，即将软件滑动窗内的当前值除以其均方差，从而使不同待检测信号的相对差异得以抑制，系统运行过程中检测门限值不会出现太大波动。
3、脑电α波的提取
许多种类的微弱信号用普通的测量仪是很难测出来的，例如人的脑电、肌电信号等。因为脑电信号的电压幅值很小，只有5～150μV,频率低至几十赫兹以下,这些信号极易被外界干扰信号淹没。另外,脑电信号的输出电流也及其微弱,不能用低输入阻抗放大器处理.因此，为放大这类信号，必须采用高放大倍数、高输入阻抗的放大器进行采集放大。但仅考虑高放大倍数、高输入阻抗还不能有效地将脑电波采集输出，还应考虑信号的作用，因为有些干扰信号的幅值已大于或接近于脑电、肌电幅值，如果放大器没有足够高的信噪比,也很难将脑电、肌电等有用信号采集到[8]。所以这种微电压放大器不仅要考虑它的放大倍数,还要考虑它的干扰能力。
3.1硬件系统的设计
由于人体本身就是一个高阻，因此采集接受脑电波的放大器必须是高输入阻抗放大器。由于差分放大器是微电压放大器的前级，对共模抑制比及温漂等参数的要求非常严格，因此必须使用祛除50Hz工频信号的带阻滤波器[9]、截止频率ω0为100Hz的低通滤波器、集成隔离放大器、α波，β波的带通滤波器等进行并行采样、分时转换。
图3.1 脑电信号采集系统的总体框图
3.3输入端电极
为了获得较好的信号采集效果，硬件平台中的系统输入端电极选用精密的银/氯化银电极。该电极主要由金属银构成，其表面覆盖一层氯化银成份，对人体无伤害、与皮肤接触时刺激性小，具备很好的抗溶解性，使用过程中性能稳定。该电极的导线为内部三芯结构加外部屏蔽线，具备良好的导电性和抗干扰性，可有效传导人体皮肤表面的微弱生物电信号，如脑电信号((EEG)、心电信号((ECG),眼电信号((EOG)。图3.2为系统所用的脑电信号测量电极。为了提高实验过程中电极的检测效果，通常在电极表面涂盖一层电极膏以提高导电性。
图3.2 系统实验平台中的输入端电极
脑机接口系统中电极的安放位置普遍遵循10-20导联系统所规定的电极安放标准, 10-20导联系统是由国际脑电图协会制定的脑电测量中相关电极的名称和安放位置。图3. 3为目前国际标准脑电10-20导联系统的图示，图中详细标示了人体头部相关电极的命名和位置。该标准设计的电极名称由字母加数字组成:其中字母代表人体大脑皮层上的特殊区域，例如P代表大脑皮层顶部区域，C代表大脑皮层中央区域;数字为偶数时表
示该电极的位置处于大脑右半球，数字为奇数时表示电极的位置处于大脑左半球。表3-1详细列出了10-20国际标准脑电导联系统中主要导联的相关参数，如所处部位、导联的名称以及代号等。
图3.3 国际10-20标准脑电导联系统图示
图表3-1 10-20脑电导联系统中的导联的相关参数
在基于脑电信号的人机交互系统的设计过程中，电极在受试者头皮表面的安放位置由目标信号的特征决定。系统输入端共有三个电极:input0端贴在受试者头皮的枕部，位于图3.3中标示的Oz导联处，在人体头皮表面，Oz导联处脑电成份中的自发脑电。波信号幅度最强；inputl端作为地电极贴在受试者额头的眉心处;input2端为电路的参考电极贴在受试者的右耳垂处。
3.4α脑电波提取实例
3.4.1α波提取
由于α波的频率在 8~13 Hz, 所以构造频率为 8.5 Hz、9.5 Hz、10.5 Hz、11.5 Hz、12.5Hz的正弦信号和余弦信号各一组,一共10个信号作为α波的参考信号。将这 10 个信号与原始闭眼脑电信号 S构成 ICA方法的输入端,如图4所示,然后用fastICA算法对11个输入信号进行分离,以把闭眼脑电信号中的α波分离掉,得到不含α波的脑电信号 D,分离结果如图3.4所示：
图3.4 部分原始闭眼脑电信号和构造的正弦、余弦信号
图3.5 ICA方法的输出信号
为了证明分离过程的正确，将分离得到的信号依次和源信号S相关得到的相关系数如表2：
表2源信号和分离输出信号的相关系数表
从表2中可以看到,分离得到的最后一个信号与源信号的相关系数的绝对值远远大于前面的信号的，因此可以判断最后一个信号即为D,它和原始信号的相关性最强, 证明了分离结果的正确。比较S和D信号的相位关系。可以通过比较S和D在某一位置附近上升还是下降的趋势来判别两者相位关系，若同为上升趋势, 则同相; 若趋势不同, 则反相。本文实验数据中比较S和D在第100数据点附近的波形, S信号为上升趋势, 而D信号为下降趋势, 说明S信号与D信号的相位相反, 这与S和D相系数为负一致。因此, 要分离的α波为: C=S+r×D得到的α波波形以及功率谱图如图3.6所示：
图3.6 提取出的α波及其功率谱图
3.4.2α波去噪
由图3.5看出, 用ICA方法提取出的α波功率谱在50Hz处有一个峰值,说明信号中还含有一定的工频噪声, 因此需要进行消噪。消除工频噪声后, 最终闭眼脑电信号提取出的不含工频噪声的α波信号以及功率谱如图3.7所示。
图3.7不含工频噪声的α波及其功率谱图
4、人机交互脑电波的未来
如今，技术发展的迅猛程度已经完全超出了我们的想象。如果你是新兴技术领域的开发者，或许你今天开发的东西，明天就被别人的取代了，或者过时了。如果你是该领域的关注者，那么相信你每天都会很忙，因为你时刻要纵览全球前沿技术发展动态，才能让自己保持清醒的思路。
在新的技术时代，人体的各大感官功能都已经被研究，并用于开发各个领域的感应器，从而与各种终端设备深度结合在一起。人体感官体现在终端设备上，已经有语音控制、身体感知控制、视觉控制、脑波控制等终端产品。
从目前产品化状况来看，人体几大感官功能中，视觉、听觉、身体感知是产品化比较成熟的，但为什么嗅觉、味觉、脑波（思维）控制方面的产品研究却相对较弱？这三者产品化方面又有什么新动向和发展趋势？
目前，研究利用脑波技术或脑波控制的相对也比较多，比如利用思维开车，就是用人的脑波读懂人的思维来控制车到底要往哪里开。大多数人都知道谷歌的无人驾驶汽车，但不知道的是，柏林自由大学的工程师开发出的“自治汽车”（autonomous car）更让人惊叹，更酷！汽车的速度和方向可以由司机的思维来控制。只要你想一下“我要到这个地方”，然后汽车就会转弯驶向新的路径。如果你中途改变主意，又想去别的地方，没问题，只要你想一下，一切都搞定。但要实现这点，需要一个思维控制头式耳机，耳机包含16个脑电图记录感应器（Emotiv公司制造的），用户可以训练它来感应代表某些想法的脑电波模式。因此，它的整个系统实现起来是比较复杂的，系统的价值要300美元，所以真要成功商业化，复杂性和成本都是问题。
这个实现起来确实比较复杂。再有就是，要实现利用脑波，最主要的就是对脑电波
基于Matlab的脑电波信号处理
做脑电波信号处理滴嘿嘿。。Matlab addicted Codes %FEATURE EXTRACTER function [features] = EEGfeaturetrainmod(filename,m) a = 4; b = 7; d = 12; e = 30; signals = 0; for index = 1:9; % read in the first ten EEG data because the files are numbered as ha11test01 rather than ha11test1. s = [filename '0' num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0; signals = signal; else signals = [signals signal]; end end for index = 10:1:m/2; % read in the rest of the EEG training data s = [filename num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0;
signals = signal; else signals = [signals signal]; end end %%%%% modification just for varying the training testing ratio ------ for index = 25:1:25+m/2; % read in the rest of the EEG training data s = [filename num2str(index) '.dat']; signal = tread_wfdb(s); if signals == 0; signals = signal; else signals = [signals signal]; end end %%%%%end of modification just for varying the training testing ratio----- for l = 1:m % exrating features (power of each kind of EEG wave forms) [Pxx,f]=pwelch(signals(:,l)-mean(signals(:,l)), [], [], [], 200); % relative power fdelta(l) = sum(Pxx(find(f
脑电图分析要素
脑电图分析要素 EEG的分析主要从：频率、波幅、波形、时相和位相关系、异常波出现的方式、分布的广度及对各种刺激的反应性等方面进行。 频率(frequency)： 频率是指某种波在一秒钟内重复的次数，通常用波/秒（c/sec、CPS）或者Hz表示。对散在的慢波可测定其波长，以其所占的时间来表示。脑电波的波率分为4个频率带：δ频率带：3.5/sec以下(通常0. 5~3.5/sec))，10-20μν,出现于额区，不以纺锤样出现，不得多于8-10%，其他各区少于5%。 θ频率带：4~7.5/sec，20-40μν，不超过50μν，双侧对称，颞区多见，不以纺锤样出现。 α频率带：8~13/sec，50-100μν，大脑各区均有α活动和节律，枕区最高，颞区最低。 β频率带：13/sec以上（通常14~40/sec），20-50μν，主要见于中央区和及其前部，以额区和颞区最明显。 波幅(amplitude)： 波幅代表一个波的高度，用微伏（μV）来表示。 通过测定一个波从波峰作一垂线至基线的距离，并与在相同增益和滤波条件下所记录的标准信号高度比较来确定的。 在临床EEG，以低、中、高波幅来描述。 一般认为25μV以下是低波幅，25-75μV为中波幅，75μV以上为高波幅。 波形(waveform)： 根据脑波沿基线偏转的次数和时相分为： 单相波(monophasic wave)：脑波自基线向上方或下方的一次偏转。 双相波(diphasic wave) ：脑波沿基线上下方各有一次偏转，形成正－负或负－正双 相波。 三相波(triphasic waves) 脑波沿基线上下有三次偏转，形成负－正－负三相波。 根据脑波形态不同划分为：
四种脑波
目录 四种基本脑波 阿尔法脑波的作用 创造力 顶级表现 α波（ALPHA/α wave）是四种基本脑波之一。 [编辑本段] 四种基本脑波 四种基本脑波是：δ波（DELTA/δ wave），θ波（THETA/θ wave），α波（ALPHA/α wave）和β波（BETA/β wave）。这四种脑波构成脑电图（EEG）。脑电图是脑内电波的显示，但脑内电波的电压很小，只有百万分之几伏特。 阿尔法脑波的振荡平均为10次/秒。在脑波中阿尔法脑波是第一个被发现的。1908年奥地利医学家汉斯·伯格博士第一个提出发现，并称之为阿尔法波（ALPHA），因为在希腊字母的排序中ALPHA排在第一个，与英文字母A相同。 近百年来，无数的科学家花费了大量的时间用于研究阿尔法脑波，因此关于阿尔法脑波的基础研究的知识和结论积累丰富。 阿尔法脑波在大脑中有时出现，有时消失，它并不总是存在。例如，在深睡情况下没有阿尔法波；如果一个人在激动状态下，或恐惧，愤怒时，大脑中也没有阿尔法脑波。 德尔塔脑波（DELTA）只在深睡时出现，塞他脑波（THETA）在浅睡时出现，阿尔法脑波在初睡或初醒时出现（即半睡半醒时），此时身体处于放松状态，并有自觉的警觉意识。倍他脑波（BETA）在清醒时出现，伴有需努力能够达到的注意力集中。德尔塔脑波振荡频率0—4赫兹/秒，塞他脑波4—7赫兹/秒，阿尔法脑波8—13赫兹/秒，倍他脑波13—40赫兹/秒。当然还有其他的脑电波的存在，但那是在特殊情况下，如意外的刺激等。以上提到的四种脑电波构成了脑电图的一般排列。 [编辑本段] 阿尔法脑波的作用 每一种脑电波都有其相对应的不同的大脑意识状态。也可以说在不同意识状态下需要不同的脑电波才能最好地完成大脑的工作。如果大脑在某个具体情况下不能出现相应的脑波，我们就有麻烦了。例如，如果在想睡眠时大脑不出现德尔塔波和塞他波，这就是失眠症（INSOMNIA）。相反情况是，在适当的时候出现适当的脑波的人，就是人们所说的天才。 一个有用的比喻，我们可以把大脑的四个脑波看作是汽车的四个档位。德尔塔是一档，塞他是二档，阿尔法是三档，倍他是四档。没有哪一个档位适合所有的行驶状态，也没有哪一个脑波状态适应所有的生活挑战。如果汽车的某个档位不能使用，或
脑电波分析仪行业发展预测及投资咨询报告
脑电波分析仪行业发展预测与投资咨询报告 2016-2020
核心内容提要 产业链（Industry Chain） 狭义产业链是指从原材料一直到终端产品制造的各生产部门的完整链条，主要面向具体生产制造环节； 广义产业链则是在面向生产的狭义产业链基础上尽可能地向上下游拓展延伸。产业链向上游延伸一般使得产业链进入到基础产业环节和技术研发环节，向下游拓展则进入到市场拓展环节。产业链的实质就是不同产业的企业之间的关联，而这种产业关联的实质则是各产业中的企业之间的供给与需求的关系。 市场规模（Market Size） 市场规模（Market Size），即市场容量，本报告里，指的是目标产品或行业的整体规模，通常用产值、产量、消费量、消费额等指标来体现市场规模。千讯咨询对市场规模的研究，不仅要对过去五年的市场规模进行调研摸底，同时还要对未来五年行业市场规模进行预测分析，市场规模大小可能直接决定企业对新产品设计开发的投资规模；此外，市场规模的同比增长速度，能够充分反应行业的成长性，如果一个产品或行业处在高速成长期，是非常值得企业关注和投资的。本报告的第三章对手工工具行业的市场规模和同比增速有非常详细数据和文字描述。 消费结构（consumption structure） 消费结构是指被消费的产品或服务的构成成份，本报告主要从三个角度来研究消费结构，即：产品结构、用户结构、区域结构。1、产品结构，主要研究各类细分产品或服务的消费情况，以及细分产品或服务的规模在整个市场规模中的占比；2、用户结构，主要研究产品或服务都销售给哪些用户群体了，以及各类用户群体的消费规模在整个市场规模中的占比；3、区域结构，主要研究产品或服务都销售到哪些重点地区了，以及某些重点区域市场的消费规模在整个市场规模中的占比。对消费结构的研究，有助于企业更为精准的把握目标客户和细分市场，从而调整产品结构，更好地服务客户和应对市场竞争。
无人机飞行控制方法概述
2017-10-08 GaryLiu 于四川绵阳 无人机的飞行控制是无人机研究领域主要问题之一。在飞行过程中会受到各种干扰，如传感器的噪音与漂移、强风与乱气流、载重量变化及倾角过大引起的模型变动等等。这些都会严重影响飞行器的飞行品质，因此无人机的控制技术便显得尤为重要。传统的控制方法主要集中于姿态和高度的控制，除此之外还有一些用来控制速度、位置、航向、3D轨迹跟踪控制。多旋翼无人机的控制方法可以总结为以下三个主要的方面。 1.线性飞行控制方法 常规的飞行器控制方法以及早期的对飞行器控制的尝试都是建立在线性飞行控制理论上的，这其中就有诸如PID、H∞、LQR以及增益调度法。 1)PID PID控制属于传统控制方法，是目前最成功、用的最广泛的控制方法之一。其控制方法简单，无需前期建模工作，参数物理意义明确，适用于飞行精度要求不高的控制。 2)H∞ H∞属于鲁棒控制的方法。经典的控制理论并不要求被控对象的精确数学模型来解决多输入多输出非线性系统问题。现代控制理论可以定量地解决多输入多输出非线性系统问题，但完全依赖于描述被控对象的动态特性的数学模型。鲁棒控制可以很好解决因干扰等因素引起的建模误差问题，但它的计算量非常大，依赖于高性能的处理器，同时，由于是频域设计方法，调参也相对困难。 3)LQR LQR是被运用来控制无人机的比较成功的方法之一，其对象是能用状态空间表达式表示的线性系统，目标函数是状态变量或控制变量的二次函数的积分。而且Matlab软件的使用为LQR的控制方法提供了良好的仿真条件，更为工程实现提供了便利。 4)增益调度法 增益调度（Gain scheduling）即在系统运行时，调度变量的变化导致控制器的参数随着改变，根据调度变量使系统以不同的控制规律在不同的区域内运行，以解决系统非线性的问题。该算法由两大部分组成，第一部分主要完成事件驱动，实现参数调整。如果系统的运行情况改变，则可通过该部分来识别并切换模态；第二部分为误差驱动，其控制功能由选定的模态来实现。该控制方法在旋翼无人机的垂直起降、定点悬停及路径跟踪等控制上有着优异的性能。 2.基于学习的飞行控制方法 基于学习的飞行控制方法的特点就是无需了解飞行器的动力学模型，只要一些飞行试验和飞行数据。其中研究最热门的有模糊控制方法、基于人体学习的方法以及神经网络法。 1)模糊控制方法（Fuzzy logic） 模糊控制是解决模型不确定性的方法之一，在模型未知的情况下来实现对无人机的控制。 2)基于人体学习的方法（Human-based learning） 美国MIT的科研人员为了寻找能更好地控制小型无人飞行器的控制方法，从参加军事演习进行特技飞行的飞机中采集数据，分析飞行员对不同情况下飞机的操作，从而更好地理解无人机的输入序列和反馈机制。这种方法已经被运用到小型无人机的自主飞行中。 3)神经网络法（Neural networks）
基于姿态与脑电波控制智能车
基于姿态与脑电波控制智能车 进程贴地址：https://www.360docs.net/doc/98699874.html,/forum.ph ... peid%26typeid%3D626 过程的实拍：https://www.360docs.net/doc/98699874.html,/s/1qWrXTMk 一、项目设计背景与概述 在这里不过多累赘的说明设计此项目的背景，市面上各种各样的智能小车比较多，功能也很丰富。我个人觉得不管学习什么知识和技术，动手能力是其一，其次是理论知识。在这里以智能小车作为项目的设计对象，不是为了要做出一个功能如何丰富、复杂的一个小车，而是通过这个小车平台，来把自己所学的、正在学的、想学的都装载这个小车上，并不是说要做出怎样的一款产品设计，而是通过这个设计来不断学习和应用。在此有幸能参加深圳联华集成电路有限公司推广的单片机设计大赛，也感谢官方提供的单片机样片，因此，此次的小车项目就以此为核心平台展开设计。 如标题所述，本小车平台一个突出同时也比较吸引人的是引入了脑电波，当然，这是其中的一个控制手段。此次的小车项目设计很重要的一个概念就是模块化设计，从硬件到软件，可扩展可裁剪，这样设计的目的如前面所说的，便于一步一步的学习并把学习到的东西在小车上应用实践。 二、平台框图 平台介绍小车平台带有控制器，能够协调各个模块的工作，并完成与上位机通信，小车带有nRF2401和蓝牙通信模块，通信模块可以通过不断的学习进行扩展，小车上带有各种各样的传感器，如三轴、温湿度、测距、测速、GPS等不断进行功能扩展，当然，还有最基本的小车车体和驱动模块，以及简单的机械模块，如舵机、机械臂等。小车控制中心采集传感器数据，并通过无线传输到上位机，由上位机下达各种控制命令；通过不断的学习，上位机也可以由自己来设计，如基于PC客户端的小车控制台、基于手机(IOS/Android)客户端，这些都是可以通过不断去学习来实现的，而不是局限于小车上的开发，结合各种应用平台设计也很重要。 三、具体功能介绍通信连接的说明
人机交互系统概述
人机交互系统概述
随着国家信息化步伐的加快和高等教育的规模的扩大，社会对计算机专业的人才的需求不仅体现在数量的增加上，而且体现在质量要求的提高上，培养具有研究和实践能力的高层次的计算机专业人才已成为许多大学计算机专业教育的主要目标。这些，足以说明人机交互在我们的发展中开始占据一定的地位了，我们应该开始逐渐重视人机交互带给我们的影响。 以往对计算机软件的研究，较少关心人的因索问题。重点就在如何最有效地使用两种宝贵的资源——计算速度和存储空间。程序的效率是最高目标。现在，由于硬件价格急剧下降，越来越强的适用于图形的个人计算环境的出现，我们可以首要考虑如何使用户的使用效率最高，而不是着重于计算机的效率。许多功能相似的图形交互式系统已经走入市场。能否取得成功，取决于该系统使用起来是否方便。如何使系统在使用时变得方便已经成为设计中越来越要考虑的关键问题。用户与计算机接口的实际计算机科学。感性心理学认知心理学，且人的因素对一个成功的设计者来说，也是非常关键的。建立友好的人机交互界面的目的就是使系统对它的用户来说既易于理解又易于使用。 但是，什么是人机交互呢？ 所谓人机交互就是指关于设计、评价和实现供人们使用交互式计算机系统，并围绕相关的主要现象进行研究的学科。狭义的讲，人机交互技术主要是研究人与计算机之间的信息交换，它主要包括人到计算机和计算机刀刃的信息交换两部分。对于前者，人们可以借助键盘、
鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等设备，用手、脚、声音、姿势、或身体的动作、视线甚至脑电波等向计算机传递信息；对于后者，计算机通过打印机、绘图仪、显示器、头盔式显示器、音箱等输出或显示设备向人们提供可理解的信息。人机交互是一门综合学科，它与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关。其中，认知心理学与人机工程学是人机交互技术的理论基础，而多媒体技术、虚拟现实技术与人机交互是相互交叉渗透的。 人机交互的研究内容很广泛。涵盖了很多方面，如建模、设计、评估等理论和方法，以及在Web、移动计算、虚拟现实等方面的应用研究，主要包括了以下内容。 1.人机交互的界面表示模型与设计方法 友好的交互界面的开发离不开好的交互模型与设计方法。因此，研究人机交互界面的表示模型与设计方法是人机交互的重要研究内容之一。 2.可用性分析与评估 可用性人机交互关系到人机交互能否达到用户期待的目标，以及实现这一目标的效率和便捷性。对人机交互系统的可用性分析与评估的研究主要涉及到支持可用性的设计原则和可用性的评估方法等。 3.多通道交互技术 多通道交互主要研究多通道交互界面的表示模型、多通道交互界
四种基本脑波及实际运用
四种基本脑波 四种基本脑波是： 3波(DELTA / S wave ) 8波(THETA / 9 wave ) 01波(ALPHA / a wave ) 3波(BETA / B wave ) 这四种脑波构成脑电图(EEG)。脑电图是脑内电波的显示，但脑内电波的 电压很小，只有百万分之几伏特。 a /阿尔法脑波(ALPHA )在大脑中有时出现，有时消失，它并不总是存在。 例如，在深睡情况下没有a波；如果一个人在激动状态下，或恐惧，愤怒时，大脑中也没有a脑波。a脑波在初睡或初醒时出现(即半睡半醒时)，此时身体处于放松状态，并有自觉的警觉意识。 S /德尔塔脑波(DELTA)只在深睡时出现。 9 /西塔脑波THETA )在浅睡时出现。 B /贝塔脑波BETA)在清醒时出现，伴有需努力能够达到的注意力集中。 每一种脑电波都有其相对应的不同的大脑意识状态。也可以说在不同意识状态下需要不同的脑电波才能最好地完成大脑的工作。如果大脑在某个具体情况下不能出现相应的脑波，我们就有麻烦了。例如，如果在想睡眠时大脑不出现德尔塔波和西塔波，这就是失眠症(INSOMNIA )。相反情况是，在适当的时候出现
适当的脑波的人，就是人们所说的天才。 一个有用的比喻，我们可以把大脑的四个脑波看作是汽车的四个档位。德尔 塔是一档，西塔是二档，阿尔法是三档，贝塔是四档。没有哪一个档位适合所有的行驶状态，也没有哪一个脑波状态适应所有的生活挑战。如果汽车的某个档位不能使用，或我们忘记了去使用，这台车就有问题了。例如我们起步用一档，然后直接挂到四档（省掉了二档和三档），汽车的油耗就会大幅增加，修车费也会不菲。大脑也是一样。但我们不幸看到的是，太多人使用大脑时省掉了二档和三档（塞他脑波和阿尔法脑波），如此驾驶大脑的结果是大脑工作效率低下和医疗费的上升。 口波（8 — 13赫兹）是四种基本脑波之一。我们通常所指的潜意识状态，即 指人的脑波处于a波时的状态。a波是连接意识和潜意识的桥梁，是有效进入潜意识的唯一途径，能够促进灵感的产生，加速信息收集，增强记忆力，是促进学习与思考的最佳脑波。当大脑充满a波时，人的意识活动明显受到抑制，无法进行逻辑思维和推理活动。此时，大脑凭直觉、灵感、想象等接收和传递信息。 a脑波的振荡平均为10次/秒。在脑波中a脑波是第一个被发现的。1908 年奥地利医学家汉斯 ？伯格博士第一个提出发现称之为阿尔法波（ALPHA ）， 因为在希腊字母的排序中ALPHA排在第一个，与英文字母A相同。 近百年来，无数的科学家花费了大量的时间用于研究a脑波，因此关于a 脑波的基础研究的知识和结论积累丰富。
(完整word版)基于某脑电波地便携式睡眠高质量监测系统
基于脑电波的 便携式睡眠质量监测系统 金旭扬 导师：华东理工大学信息学院万永菁 上海中学信息学科组吴奕明
摘要 睡眠是人体重要的生理活动，睡眠质量近年来受到高度关注；本文从脑电波角度探寻睡眠监测的有效易行方法，从软硬件角度设计了便携式睡眠质量监测系统。研究分析便携式脑电采集设备采集的数据和CAP睡眠脑电数据库，用功率谱分析和BP神经网络探究了睡眠分期的有效算法。实验进行了初步的睡眠分期与质量评估，证明了便携式睡眠质量监测系统的准确性及利用脑电数据进行睡眠分期的有效性。本课题研究，提出了利用单导连脑电信号进行睡眠分期的可行性，为之后研究便携式、市场化的睡眠监测设备以及其他应用提供了重要的实验参考依据。 关键词：脑电；脑机接口；睡眠监测；睡眠分期；BP神经网络 一、引言 1.1 睡眠质量研究背景及意义 睡眠是一种重要的生理现象。从生到死，人类始终是在觉醒和睡眠中度过。人类通过高质量的睡眠，可以消除疲劳，更好地恢复精神和体力，使人在睡眠之后保持良好的觉醒状态，提高工作、学习效率。 人类用于睡眠的时间占人一生中的三分之一。然而迄今我们对这一重要的生理现象的认识还微乎其微，对睡眠进行科学的研究只有短短的几十年历史。1937年，Lomis、Harvey和Hobart注意到，睡眠不是处于一种稳定状态，而是要发生一系列非常有规律的周期性变化。 [1] 1986年，Rechtschaffen等人重新肯定了Dement和Kleitman的分期标准，并根据十年来的经验作了一些必要的修改和补充，使之更趋完善。[2] 2007年，美国睡眠医学会基于上述标准进行改进，发布了新的睡眠分期专业标准，其中规定了各个指标具体的采集标准及判定方法。[3] 1.2 脑电信号分析方法综述 随着电子技术的发展，数字处理技术逐步应用到EEG的分析中来。经典的EEG分析方法有：以分析EEG波形的几何性质，如幅度、均值、峭度等为主的时域分析方法和以分析EEG 各频率功率、相干等为主的领域方法。早在70年代初，W.C.Yeo和J.P.Smith[4]就应用Walsh谱分析离线地研究了一个处于睡眠状态的男性的三段脑电图。https://www.360docs.net/doc/98699874.html,rsen等[5]应用Walsh顺序的Walsh函数对EEG进行展开，并定义了双值自相关函数，尔后讨论了可以按双值自相关函数来显示各种睡眠EEG的特征。 1982年，美国物理学家Hopfield提出了HNN模型，从而有力地推动了应用神经网络方法解释许多复杂生命过程的进展。自八十年代末以来，人工神经网络的应用已涉及到了脑电分析的各个方面，其中包括自发脑电的睡眠分级及睡眠EEG分析。S.Roberts和L.Tarassenko[6,7]把人工神经网络应用于睡眠EEG的自动分析。他们采用无监督学习网络对大量没有经过人工判别的数据进行自组织分类，少量的经过人工判别的标准样本则用来自组织分类结果做解释和量化，从而在网络中形成了8个聚类区。根据EEG在8个聚类区之间随时间运动的轨迹可以对一夜的睡眠状况有定性的了解。[8] 1.3 脑电监测设备介绍 目前，脑电监测设备大致有二：
不同心理状态下脑电波信号的非线性分析
不同心理状态下脑电波信号的非线性分析 引言： 背景：EEG信号是一种携带着大脑状态信息的典型信号。脑电波的波形中可能携带有关于大脑状态的有用信息。但是，我们现有的检测设备不能直接的检测脑电波信号中蕴含的微小细节。此外，由于生物信号有着极强的主观性，那些症状在时间范围内是随机出现的。因此，使用计算机采集并分析得到的脑电波信号在诊断学中有很大的作用。这篇论文主要讨论音乐和刺激反射对于脑电波信号的作用。 实验方法：在实验过程中，我们从脑电波信号中提取出关联维数、最大Lyapunov 指数、Hurst指数和近似熵等非线性参数例。 实验结果：从我们实验中获得的结果表明，脑电波信号在大于85%的置信区间上会由于受到外界刺激的作用而比正常状态下的脑电波信号显现出更低的复杂度。 实验结论：我们发现相对于正常状态下测量的结果，在声音或者反射刺激下的测量结果要明显低。这个变化的尺度会随着认知行为的程度增强而提升。这表明当人受到声音或反射刺激时，大脑中并行活动会减轻，这意味着大脑会处于一种更放松的状态。背景： 通过脑电波来检测到的大脑的电现象表现出很复杂的非线性的动态特性。这种行为表现在不同复杂度的脑电波图上。考虑到这一点，使用非线性的动力学理论可能比传统的线性方法更能很好的展现脑电图的内在本质特征。对于非线性动力学的研究和描述有助于理解脑电波信号的动态特性以及大脑的一些潜在活动并探明它们的生理意义。在研究应用非线性动态理论去分析生理信号的文献中我们可以看到，非线性的分析方法被用于心脏速率、神经活动、肾血流量、动脉压以及脑电图和呼吸信号的分析。 生物时间序列分析由于其体现出典型的复杂动态特性而在非线性分析领域中一直倍受认可。这些方法的特点是可以检测到一些生理现象中隐藏的重要动态参数。非线性动态技术基于混沌理论，现在混沌理论已经被应用到许多领域，包括医学和生物学领域。目前混沌理论已经用于检测一些心律失常的情况，例如心室颤动。现在人们已经致力于检测一些生理学信号的非线性参数，因为这些参数已经被证明是非常有价值的病理学参数。 许多研究者，例如Duke等人，已经证明了复杂的动态演化会产生混沌状态。在过去的三十年中，研究观察已经指出，实际上混沌系统在大自然中是很常见的。Boccalettiet已经给出了这些系统的一些细节。在神经系统的理论模型中，重点被集中在稳定的或循环的行为上。可能混沌行为在神经水平是造成精神分裂症、失眠、癫痫等疾病的原因。在过去大量的工作被用于理解大脑的复杂性通过数学、物理学、工程学、化学以及生理学的协作。在过去，人们一直对描述神经过程和大脑信号很感兴趣，尤其是脑电波信号，这一点从本文中针对非线性动态分析以及混沌理论的介绍可以看出。非线性动态分析理论为理解脑电波信号打开了一个新的窗口。脑电波模型由Freeman等人在研究新皮层动态时以及Wright等人研究混沌动力学时提出，这是为了迎合神经生物学的研究需要。在分析脑电波数据时，最近的文献中使用了不同种类的参数，例如关联维数、最大Lyapunov指数和近似熵。Naoto等人则在研究人类在闭眼走路和不同睡眠阶段的呼吸动作的近似熵。 在本文中，我们记录了不同状态下的脑电信号，例如：（1）正常静息状态下的受试者；（2）聆听古典音乐的受试者；（3）聆听摇滚乐的受试者以及（4）给予足部刺激的受试者。我们通过对非线性参数如关联维数、近似熵、最大Lyapunov
关于脑电波控制飞行器的研究现状概述
关于脑电波控制飞行器的研究现状概述 【摘要】本文对新兴的脑电波控制技术在飞行器操作方面的应用作了描述，包括其概况、工作原理和过程中存在的问题，并对将来的发展概况和相关领域的关系作了分析和展望。 【关键词】脑电波控制技术无线传输飞行器 脑电波控制技术，是通过脑电波传感器探测大脑头皮电流变化和血液的流动信息，然后根据脑电波的不同特点来操控物体移动[1]。目前已应用在医疗设备、机器人以及玩具上。尤其是为残疾人开发专用的可以不用手脚来操作的轮椅、汽车、电脑、玩具等，将给他们带来极大便利。作为深入研究的脑电波控制飞行器也出现了多种形式，有平板式的、有立体式的、还有蜘蛛形式等等。但是其系统工作原理是基本一致的[2]。 1 系统工作原理 被控的飞行器上有可接受上下左右方向飞行的信号接收端口，这些端口通过无线方式接受来自控制软件发出的命令[3]。而这些命令的产生来自人的大脑想法。当控制者想让飞行器往上飞的时候，这种想法会使得大脑的活动产生一种脑电波[4]，这种脑电波通过戴在控制者头上的附有感应器的头套捕捉到，然后通过逻辑程序产生信号，这个信号通过无线发送到达飞行器上的向上飞行接收端口，启动向上飞行的执行器，然后向上飞行[5]。所以看到的是控制者利用脑电波操纵飞行器在虚拟和真实世界中改变动作控制者在测试时完全不需要移动身体，只要戴上附有感应器的头套，望着电脑屏幕，就可以凭意念，自如控制飞行器。 2 存在问题 （1）理论上在生物学领域，当控制者产生向上飞行的意念的时候，一定有一个脑电波信号会强烈地突出，逻辑编程就是要的这个信号[6]。但是实际中我们知道大脑的活动有深层的潜意识和浅层的显意识，而这些活动能够产生的脑电波是不一样的，具体差别和捕捉方式有待进一步的研究。 （2）由于人脑属于生物个体，在一定时间内，重复多次的时候，同样的意念，却产生不了相同的脑电波，也就是说相同的意念，却产生不了相同的飞行动作。这在实验中可以看到，第一次实验的时候操作着可以很轻松地快速完成所规定的动作，等到第二遍做同样的动作的时候我们看到操作者嘴唇发紫，脸色发青，但是仍然没有能使飞行器。这是因为脑力消耗大，短时间内供血不足，不能使大脑产生足够能量的脑波。 （3）由于意念的深浅不一，人的同样的意念产生不了相同的脑波。另一方面大脑的供血机制也会使得相同的意念也产生不了相同的脑波，所以实际的操作
脑电图 (EEG) 和脑皮层电图 (ECoG)
脑电图(EEG)和脑皮层电图(ECoG) 大脑皮层包含很多神经元，这些神经元活动在某种程度上表现为同步发出的有规律的放电节律（脑电波）。在头皮上放置成对的电极可以采集到反应深层皮层活动的电位变化。脑电图和脑皮层电图记录的是头皮上成对电极之间区域的电活动，这些电活动代表电极周围区域底层大量神经元电活动的总和。 脑电图信号由于受到大脑皮层状态的影响，因此可以反映不同睡眠阶段的特征变化，并且可以用于诊断一些疾病。 推荐硬件： PowerLab 30系列研究型高速记录主机 八通道生物电放大器 推荐软件： 频谱视图–对脑电波进行频域分析，可分析 组成脑电波的不同正弦波成分的频率分布，包 含功率谱密度（PSD）和谱图。分析方式可以 选择在线分析或离线分析模式。 频谱参数可在LabChart通道中连续显示，并 可以输出到数据板。 可分析的频谱参数包括：总功率，最小功率， 频率，以及占总功率的百分比等。 论文摘要： Raised blood pressure, not renin–angiotensin systems, causes cardiac fibrosis in TGR m(Ren2)27 rats. Jill E. Bishop, Linda A. Kiernan, Hugh E. Montgomery, Peter Gohlke, Jean R. McEwan, Cardiovascular Research, 57-67, 2000 Exercise-induced muscle injury augments forearm vascular resistance during leg exercise. Chester A. Ray, Edward T. Mahoney, and Keith M. Hume, American Journal of Physiology: Heart and Circulatory Physiology, H443-H447, 1998
人机交互技术现状与发展趋势研究【文献综述】
毕业论文文献综述 教育技术学 人机交互技术现状与发展趋势研究 本文的目的是通过对国内外人机交互技术的历史及现状回顾，来揭示人机交互技术的发展规律。人机交互技术伴随着计算机而诞生，它的发展与计算机息息相关，从70年代中后期第一个图形用户界面的产生到如今已经有了三十多年的发展历程。本文将系统的介绍国内外学者对人机交互技术的研究历程和研究领域以及提出的主流技术，并提出自己对人机交互技术发展趋势的展望。 一、国内外研究历史及各种观点 1.国外研究历史 1959年美国学者B.Shackel从人在操纵计算机时如何才能减轻疲劳出发，提出了被认为是人机界面的第一篇文献的关于计算机控制台设计的人机工程学的论文。1960年，Liklider JCK首次提出人机紧密共栖（Human-Computer Close Symbiosis）的概念，被视为人机界面学的启蒙观点。1969年在英国剑桥大学召开了第一次人机系统国际大会，同年第一份专业杂志国际人机研究（IJMMS）创刊。可以说，1969年是人机界面学发展史的里程碑。在1970年成立了两个HCI研究中心：一个是英国的Loughbocough大学的HUSAT研究中心，另一个是美国Xerox 公司的Palo Alto研究中心。 1970年到1973年出版了四本与计算机相关的人机工程学专著，为人机交互界面的发展指明了方向。 20世纪80年代初期，学术界相继出版了六本专著，对最新的人机交互研究成果进行了总结。人机交互学科逐渐形成了自己的理论体系和实践范畴的架构。理论体系方面，从人机工程学独立出来，更加强调认知心理学以及行为学和社会学的某些人文科学的理论指导；实践范畴方面，从人机界面（人机接口）拓延开来，强调计算机对于人的反馈交互作用。人机界面一词被人机交互所取代。HCI中的I，也由Interface(界面/接口)变成了Interaction(交互)。 20世纪90年代后期以来，随着高速处理芯片，多媒体技术和Internet Web技术的迅速发展和普及，人机交互的研究重点放在了智能化交互，多模态（多通道）-多媒体交互，虚拟交互以及人机协同交互等方面，也就是放在以人为在中心的人机交互技术方面。 2.国内研究历史： 国内对人机交互技术的研究比较晚，在20世纪90年代开始起步，到世纪末
详细解析无人机飞控技术
详细解析无人机飞控技术 以前，搞无人机的十个人有八个是航空、气动、机械出身，更多考虑的是如何让飞机稳定飞起来、飞得更快、飞得更高。如今，随着芯片、人工智能、大数据技术的发展，无人机开始了智能化、终端化、集群化的趋势，大批自动化、机械电子、信息工程、微电子的专业人材投入到了无人机研发大潮中，几年的时间让无人机从远离人们视野的军事应用飞入了寻常百姓家、让门外汉可以短暂的学习也能稳定可靠的飞行娱乐。不可否认，飞控技术的发展是这十年无人机变化的最大推手。 飞控是什么？ 飞行控制系统（Flight control system）简称飞控，可以看作飞行器的大脑。多轴飞行器的飞行、悬停，姿态变化等等都是由多种传感器将飞行器本身的姿态数据传回飞控，再由飞控通过运算和判断下达指令，由执行机构完成动作和飞行姿态调整。 控可以理解成无人机的CPU系统，是无人机的核心部件，其功能主要是发送各种指令，并且处理各部件传回的数据。类似于人体的大脑，对身体各个部位发送指令，并且接收各部件传回的信息，运算后发出新的指令。例如，大脑指挥手去拿一杯水，手触碰到杯壁后，因为水太烫而缩回，并且将此信息传回给大脑，大脑会根据实际情况重新发送新的指令。无人机的飞行原理及控制方法（以四旋翼无人机为例） 四旋翼无人机一般是由检测模块，控制模块，执行模块以及供电模块组成。检测模块实现对当前姿态进行量测；执行模块则是对当前姿态进行解算，优化控制，并对执行模块产生相对应的控制量；供电模块对整个系统进行供电。 四旋翼无人机机身是由对称的十字形刚体结构构成，材料多采用质量轻、强度高的碳素纤维；在十字形结构的四个端点分别安装一个由两片桨叶组成的旋翼为飞行器提供飞行动力，每个旋翼均安装在一个电机转子上，通过控制电机的转动状态控制每个旋翼的转速，来提供不同的升力以实现各种姿态；每个电机均又与电机驱动部件、中央控制单元相连接，
基于matlab的脑电信号处理
航空航天大学基于Matlab的脑电信号处理 陆想想 专业领域生物医学工程 课程名称数字信号处理
二О一三年四月
摘要：脑电信号属于非平稳随机信号，且易受到各种噪声干扰。本文基于Matlab仿真系统，主要研究了小波变换在脑电信号处理方面的应用，包括小波变换自动阈值去噪处理、强制去噪处理，以α波为例，提取小波分解得到的各层频率段的信号，并做了一定的分析和评价。关键词：脑电信号；小波变换；去噪重构；频谱分析 0 引言 脑电信号EEG(Electroencephalograph)是人体一种基本生理信号，蕴涵着丰富的生理、心理及病理信息，脑电信号的分析及处理无论是在临床上对一些脑疾病的诊断和治疗，还是在脑认知科学研究领域都是十分重要的。由于脑电信号的非平稳性且极易受到各种噪声干扰，特别是工频干扰。因此消除原始脑电数据中的噪声，更好地获取反映大脑活动和状态的有用信息是进行脑电分析的一个重要前提。本文的研究目的是利用脑电采集仪器获得的脑电信号，利用Fourier变换、小波变换等方法对脑电信号进行分析处理，以提取脑电信号α波的“梭形”节律，并对脑电信号进行功率谱分析和去噪重构。 1 实验原理和方法 1.1实验原理 1.1.1脑电信号 根据频率和振幅的不同，可以将脑电波分为4种基本类型[1]，即δ波、θ波、α波、β波。4种波形的起源和功能也不相同，如图1所示。 图1 脑电图的四种基本波形 α波的频率为8~13Hz，振幅为为20~100μV，它是节律性脑电波中最明显的波，整个皮层均可产生α波。正常成人在清醒、安静、闭目时，波幅呈现有小变大，再由大变小，如此反复进行，形成所谓α节律的“梭形”。每一“梭形”持续时间约为1~2s。当被试者睁眼、警觉、思考问题或接受其他刺激时，α波立即消失而代之以快波，这种现象称之为
脑电图简述分析报告
脑电图检查法 【原理】 神经元的电位变化是中枢神经系统生理活动的基础，因而可以反映其功能变化及病理变化。脑电图是目前最敏感的监测脑功能的指标。通过放置于头皮的电极，通过导联选择器、放大器、记录器将微伏（uv）级的电位放大并描记于纸上。脑电图的电位变化来自皮层大锥体细胞垂直树突的突触后电位的总和。而脑电位的节律则由丘脑内板系统通过上行非特异性投射系统调节。 近年来，又发展了定量脑电图、深部电极脑电图、磁带记录脑电图监测、闭路电视脑电图和录像监测等技术，提高了脑电图的临床价值，扩展了脑电图的应用范围。 【方法】 一、常规脑电图 ★在清洁去脂后的头皮上按国际10—20系统放置19个电极 （双侧前额、额、中央、顶、枕、前颞、中颞、后颞以 及额中、中央中、顶中）。 组成两种基本导联： 参考导联--记录电极和参考电极（常用耳垂）相连进入放大器， 波幅、波形失真少； 双极导联--一对记录电极相连进入放大器，定位准确。 ★至少记录20—30分钟：包括闭目安静状态、睁眼3秒钟、 闪光刺激、过度换气3分钟的记录。可以根据需要增加特殊
电极：鼻咽电极或蝶骨电极。 ★分析波幅、频率、波形、位相、各种波出现方式及部位，以 及各个电极间的相关性、对称性和同步性。 二、定量脑电图 利用计算机将脑电信号经快速付立叶转换（FFT），将脑电位的时间函数转变为频率函数，以功率谱的形式表现，即各频段的能量值。定时连续作FFT，绘成压缩谱阵，用于长时间监测。 在FFT的基础上经过内插值计算及成像技术可以绘出等电位功率分布图（BEAM），经过统计学Z检验或T检验可绘出显著性概率图（SPM），与药物浓度监测结合成为药定量脑电图。 三、脑电图监测 （一）记录监测：将8道或16道脑电信号记录于随身携带的记录仪上。可以连续记录24小时，而后可以重复分析。优点在于自然活动下长时间记录，但在脑电图有变化时观察不到当时病人行为或病情的变化是缺点。 （二）闭路电视脑电图和录像监测：在一个荧光屏上同时显视8道或16道脑电图和病人的录像。优点是可以同时观察到病人的情况及脑电图的变化。但缺点为必须住院监测。 【结果判断】 一、健康成年人（20—60岁）清醒状态下的脑电图 ★以α频段（8—13Hz）尤其是9--10 Hzα节律占优势，约占 75%（北京55%-90%）（国外0-95%），在枕部呈纺锤状节
人机交互
1.1什么是人机交互（HCI）是指关于设计、评价和实现供人们使用的交互式计算机系统，并围绕相关的主要现象进行研究的学科。狭义地讲，人机交互技术主要是研究人与计算机之间的信息交换。人到计算机的信息交换是用手、脚、声音、姿势或身体的动作、视线甚至脑电波等像计算机传递信息，计算机到人的信息交换是用输出或显示设备向人们提供可理解的信息。 1.2人机交互的研究内容1.人机交互界面表示模型与设计方法 2.可用性分析与评估 3.多通道交互技术 4.认知与只能用户界面 5.群件 6.Web设计 7.移动界面设计 1.3人机交互的发展历史1.命令行界面交互阶段 2.图形用户界面交互阶段 * 3.自然和谐的人机交互阶段2.1人的感知：1.视觉 2.听觉 3.触觉 2.2影响认知的因素： 1）情感（积极的情感会使人的思想更有创造性、解决复杂问题的能力更强，而消极的情感使人的思考更加片面，还会影响其他方面的感知和认知能力） 2）人的个性差异 2.3对概念模型的认知：1.思维模型 2.信息处理模型 3.外部认知模型 3.1输入设备 1.文本输入设备（键盘、手写输入设备） 2.图像输入设备（二维扫描仪、数码摄像头） 3.三维信息输入设备（三维扫描仪、动作捕捉器） 4.指点输入设备（鼠标、 光笔、控件杆、触摸板、触 摸屏） 3.2输出设备：显示器、打 印机、语音交互设备 *3.3显示器的工作原理：显 示器是计算机的重要输出 设备，是人机对话的重要工 具。它的主要功能是接受主 机发出的信息，经过一系列 的变换，最后以光的形式将 文字和图形显示出来。 3.4显示器的类型阴极射 线管显示器、液晶显示器、 等离子显示器 阴极射线管显示器原理： 主要由阴极、电平控制器、 聚焦系统、加速系统、偏转 系统和阳极荧光粉涂层（前 四个组成电子枪）组成。CRT 显示终端的工作原理就是 将显像管内部的电子枪阴 极发出的电子束，经强度控 制、聚焦和加速后变成细小 的电子流，再经过偏转线圈 的作用向正确的目标偏离， 穿越荫罩的小孔或栅栏，轰 击到荧光屏上的荧光粉发 出光。 液晶显示器的原理： 以电流刺激液晶分子产生 点、线、面，并配合背部灯 管构成画面。液晶显示器依 驱动方式可分为静态驱动、 单纯矩阵驱动及主动矩阵 驱动三种。由于成像原理的 不同，LCD比CRT显示器具 有更好的图像清晰度、画面 稳定性和更低的功率消耗。 *4.1人机交互输入模式：请 求模式、采样模式、事件模 式 请求模式原理：在请求模式 下，输入设备的启动是在应 用程序中设置的。应用程序 执行过程中需要输入数据 时，暂停程序的执行，直到 从输入设备接收到请求的 输入数据后，才继续执行程 序。应用程序和输入设备交 替工作，如果要求进行数据 输入时，用户没有输入，则 整个程序被挂起。 采样模式原理：在采样模式 下，输入设备和应用程序独 立的工作。输入程序连续不 断地把信息输入进来，信息 的输入和应用程序中的输 入命令无关。应用数据在处 理其他数据的同时，输入设 备也在工作，心得输入数据 替换以前的输入数据。当应 用程序遇到取样命令时，读 取当前保存的输入设备数 据。这种模式对连续的信息 流输入比较方便，也可同时 处理多个输入设备的输入 信息。 事件模式原理：在事件模式 下，输入设备和程序并行工 作。输入设备把数据保存到 一个输入队列，也称为事件 队列，所有的输入数据都保 存起来，不会遗失。每次用 户对输入设备的一次操作 以及形成的数据叫做一个 事件当某台设备被置成事 件方式，应用程序和设备将 同时、各自独立地工作。从 设备输入的数据或事件都 存放在事件队列里，事件以 发生的时间排序。 4.2.基本交互技术：定位、 笔画、定值、选择、字符串 5.1图形用户界面的主要思 想：桌面隐喻、所见即所得、 直接操纵 5.2桌面隐喻：隐喻的表现
人的脑电波知识
μ节律在alpha节律中，8-10Hz，一般用于脑机接口 SMR节律感觉运动节律，13-15Hz。 α指数（α波占全部脑波百分比，安静、闭目时为75%）可以作为情绪表现的指标，情绪稳定而思维广博的人，α指数较高，情绪不稳定而狭隘偏激的人α指数则甚低。α波易受外界刺激干扰，在睁眼时，α波会减弱或消失，
即便是在黑暗的环境中，睁眼也会如此。当人处于“怎么”“什么”“为什么”的惊疑状态时，由于网状结构上行激活作用的增强而导致去同步化，所以α活动也会受到抑制；若外界刺激持续存在，它又可以逐渐恢复。α波的峰与两侧的谷大体上可连成为等腰三角形，若峰顶向左或右移位，破坏了等腰形态，则提示中枢处于疲劳状态。α活动可以反映一个人的某些心理品质，如α节律优势者，易与人合作。 β波不受睁、闭眼的影响。在睁眼视物、情绪紧张、焦虑不安、惊疑恐惧或服用安定等药物时，β波活动急剧增多。β活动也与人的某些心理品质有关。β节律优势的人常表现为：精神紧张、情绪不稳、感情强烈、易于冲动、固执己见、不受约束、善于独立的执行任务；长于抽象思维，喜欢依靠“推理”解决问题，还表现出持久力差，易于疲劳的特点。 频率的个体差异很小，波幅的个体差异较大。 正常脑波与年龄大小有密切关系，年龄越小，快波越少，而慢波越多，且伴有基线不稳；年龄越大，则快波越多，而慢波越少。但是，在50岁以后，慢波又继续回升，且伴有不同程度的基本频率慢波化。脑波更受到意识活动、情绪表现以及思维能力等精神因素的影响。 (1)年龄和个体差异 脑电图作为客观反映大脑机能状态的一个重要方面，和年龄的关系非常密切。如在小儿，脑电图可以观察到随年龄增加的脑波发展变化。年龄阶段不同，脑波可显示明显的差异。另一方面，由于小儿时期脑兴奋抑制机制发育水平的年龄差异，因而对内、外界各种因素影响的反应较成人显著，容易出现明显的脑波异常，而且异常的范围也较广泛，但相应的消失也较成人快。在小儿时期异常脑波的出现也与年龄有关。年龄不同，异常波型也不相同，在癫痫时尤其如此。到成年时，脑波逐渐稳定，中年后随着脑机能的逐渐减退，脑波又产生相应的变化。到老年期由于有脑缺血性损害或有脑萎缩存在，大多数也会出现有意义的脑波异常。关于脑波的个体差异多在1岁后出现，并随年龄的增加而逐渐增加，至成人时脑波差异已相当显著。许多研究结果认为脑电图与遗传及心理特征有一定关系，但出生后各种环境因素对大脑和心理性格的形成也有一定的影响。 (2)意识状态 脑电图能够反映意识觉醒水平的变化，成人若在觉醒状态出现困倦时，脑电图就由α波占优势图形出现振幅降低，并很快转入涟波状态。入睡后脑波变化将进一步明显并与睡眠深度大致平行。在病理状态下，脑电图波形的异常又与病因及程度有关，除大多数表现为广泛性或弥漫性波外，还可见到一些其他的异常波型。临床上常根据这些异常波型来推断意识障碍的病因、程度，还可确定病位。 (3)外界刺激与精神活动 脑波节律一般易受精神活动的影响，如当被试者将注意力集中在某一事物或做心算时，α节律即被抑制，转为低幅β波，而且精神活动越强烈，α波抑制效应就越明显，外界刺激也可引起同样的变化。这就是为什么在做脑电图时周围环境要安静，受检者要放松、不要思考问题的缘故。 (4)体内生理条件的改变 临床上诸如缺血缺氧、高血糖、低血糖、体温变化、月经周期的变化、妊娠期、基础代谢等都直接影响脑组织的生化代谢，所以脑波也相应地出现变化。如脑组织酸中毒时，脑血管扩张，脑血流量增加，将引起脑波振幅降低和出现快波化。 (5)药物影响 在临床上大多数药物对脑机能会产生直接或间接的影响，尤其是那些直接作用于中枢神经系统的药物可引起明显的脑波变化。具体变化与个体差异、药物种类、服药方法、药量等都有很大关系。如口服给药，刚开始和增加药量时会出现脑波变化，有些在停药后的短期内脑波改变仍可持续存在，甚至会出现一种反跳现象而见到脑波增强，这就是临床上治疗癫痫不能突然换药或停药的原因。 影响脑电图的因素有哪些? 影响脑电图的主要因素有年龄、个体差异、意识状态、外界刺激、精神活动、药物影响和脑部疾病等。其中年龄和个体差异与脑生物学特点及遗传心理因素有关。外界刺激与精神活动引起的脑波改变属于脑机能活动的一些生理性变化。药物影响和脑部疾病所产生的脑波变化往往是病理性的，但也可以是一过性和可逆性的。