以經驗模態分解法分析穩態視覺誘發電位之大腦人機界面

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：26

、訪客IP：3.21.231.245

姓名

李昆興(Kung -Shing Li) 查詢紙本館藏

畢業系所

電機工程學系

論文名稱

以經驗模態分解法分析穩態視覺誘發電位之大腦人機界面
(Implementation of a steady-state visual evoked potential based brain computer interface using Empirical Mode Decomposition)

相關論文

★ 使用梳狀濾波器於相位編碼之穩態視覺誘發電位腦波人機介面	★ 應用電激發光元件於穩態視覺誘發電位之腦波人機介面判斷
★ 智慧型手機之即時生理顯示裝置研製	★ 多頻相位編碼之閃光視覺誘發電位驅動大腦人機介面
★ 利用經驗模態分解法萃取聽覺誘發腦磁波訊號	★ 明暗閃爍視覺誘發電位於遙控器之應用
★ 使用整體經驗模態分解法進行穩態視覺誘發電位腦波遙控車即時控制	★ 使用模糊理論於穩態視覺誘發之腦波人機介面判斷
★ 利用正向模型設計空間濾波器應用於視覺誘發電位之大腦人機介面之雜訊消除	★ 智慧型心電圖遠端監控系統
★ 使用隱馬可夫模型於穩態視覺誘發之腦波人機介面判斷與其腦波控制遙控車應用	★ 使用類神經網路於肢體肌電訊號進行人體關節角度預測
★ 使用等階集合法與影像不均勻度修正於手指靜脈血管影像切割	★ 應用小波編碼於多通道生理訊號傳輸
★ 結合高斯混合模型與最大期望值方法於相位編碼視覺腦波人機介面之目標偵測	★ 利用經驗模態分解法於耳鳴病患之腦磁波穩態聽覺誘發磁場萃取

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

近年來，視覺誘發電位(steady state visual evoked potential, SSVEP)為基礎之大腦人機界面已被廣泛使用，利用不同頻率進行編碼以表示各種控制指令，透過非侵入式腦波訊號(Electroencephalogram, EEG)的擷取及辨識，達到輔助嚴重神經肌肉損傷患者，成為與外界溝通的橋樑。SSVEP-BCI具有高傳輸率與少訓練時數等特點，但是腦波訊號屬於非線性(nonlinear )、非穩態(non-stationary)且易受雜訊干擾的隨機程序，因此本研究利用經驗模態分解法(Empirical Mode Decomposition, EMD)自適性(adaptive)之特性移除訊號中非週期、不連續與非事件相關等雜訊，建立快速辨識之大腦人機界面。在本系統中使用6組中頻率(≧30Hz)閃爍LED燈做為視覺刺激材料以誘發SSVEP，腦波訊號先由EMD根據瞬時頻率的概念將訊號拆解成不同時間尺度之內建模式函數(intrinsic mode function, IMF)，並以Zero-Crossing(ZC)估測其頻率挑選出符合刺激頻率之成份以重建SSVEP訊號，重建之腦波訊號從時域上利用Quadrature detection(QD)直接地解調出使用者所注視頻率，再經由電腦轉譯以表達使用者的意識進行與外界的溝通，本研究將BCI系統建構於LabVIEW平台具體實現即時且連續的控制目的。本BCI系統目前應用於模擬滑鼠移動的6個動作選項，在offline的穩定度測試中，5位受測者對於六個選項(30~35 HZ)的平均資料傳送率(Information transfer rate, ITR)達到60 bits/min，而在滑鼠連續移動測試的online實驗中則達到平均30 bits/min。

摘要(英)

In recent years, the brain computer interface (BCI) based on the steady-state visual evoked potential (SSVEP) has been widely used in many applications. By tagging of flickers with different frequencies, user’s gazed target can be recognized by analyzing the frequencies of evoked SSVEPs. Though SSVEP - based BCI has the advantages of high information transfer rate (ITR) and less training time, the extraction of SSVEP is sometimes not complete due to its characteristics of nonlinearity, non-stationary and noise susceptibility. Accordingly, this study adopts Empirical Mode Decomposition (EMD) to remove SSVEP-unrelated noise and tries to implement a rapidly – controlled SSVEP-based BCI system. In this study, six LEDs with high-flickering rates (30, 31, 32, 33, 34, and 35 Hz) were utilized as visual stimulators to induce subjects’ SSVEPs. EEG signals recorded at Oz channel were decomposed by EMD into a series of oscillation components, representing muliti-scale information of the signal, called intrinsic mode functions (IMFs). The frequency of each IMF, denoted as fzc, was examined by zero crossing (ZC), and only those IMFs, which had their fzc close to the flickering frequencies of the six LEDs (30.5Hz ? fzc ? 36.5Hz), were designated as SSVEP-related IMFs for reconstruction noise-suppressed SSVEPs. The proposed system has been used to control a cursor with six cursor functions. It has achieved high ITR (> 30 bits/min) in online controls.

關鍵字(中)

★ 大腦人機界面
★ 視覺誘發電位
★ Quadrature Detection
★ Zero-Crossing
★ 經驗模態分解法

關鍵字(英)

★ Brain computer interface (BCI)
★ Steady-state visual evoked potential (SSVEP)
★ Empirical Mode Decomposition (EMD)
★ Zero-Crossing(ZC)
★ Quadrature Detection(QD)

論文目次

中文摘要 I
英文摘要 II
致謝 III
目錄 IV
圖目錄 VI
表目錄 VII
第一章緒論 1
1.1研究動機與背景 1
1.2 文獻探討 2
1.3 研究目的 4
第二章大腦人機界面系統 8
2.1 腦波簡介 8
2.1.1 大腦結構 8
2.1.2 腦波的起源 9
2.1.2 腦波的量測 10
2.1.3 腦波的性質 12
2.2 大腦人機界面系統(BRAIN - COMPUTER INTERFACE, BCI) 13
2.3 以穩態視覺誘發電位為基礎之大腦人機界面 15
第三章研究方法與流程 18
3.1 系統流程 18
3.2 視覺刺激界面 21
3.2.1硬體 22
3.3 訊號處理 26
3.3.1 判斷是否有凝視(gaze)視覺刺激界面 27
3.3.2 經驗模態分解法(Empirical Mode Decomposition, EMD) 28
3.3.3 Zero-Crossing (ZC) 36
3.3.3 Quadrature Detection (QD) 38
3.3.4 控制應用 40
第四章實驗與結果 42
4.1 實驗程序 42
4.2 OFFLINE分析 44
4.3 ONLINE 分析 49
第五章問題與討論 53
5.1 快速傅立葉轉換與經驗模態分解法的比較 53
5.2 使用ZERO CROSSING(ZC)及QUADRATURE DETECTION(QD) 55
5.3 實驗結果討論 56
第六章結論與未來展望 57
6.1 結論 57
6.2 未來展望 58
參考文獻 59

參考文獻

[1] Y. Wang, R. Wang, X. Gao, B. Hong, and S. Gao, “A Practical VEP-Based Brain-Computer Interface”, IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION RNGINEERING, VOL. 14,NO. 2,JUNE 2006
[2] N. E. Huang, Z. Shen, S. R. Long, M. C. Wu, H. H. Shih, Q. Zheng, N. C. Yen, C. C. Tung and H. H. Liu, “The empirical mode decomposition and the Hilbert Spectrum for nonlinear and nonstationary time series analysis”, Proc. Roy. Soc. London A, vol. 454, pp. 903-995, 1998.
[3] N. E. Huang, “Computing frequency by using generalized zero-crossing applied to intrinsic mode functions”, Patent NO：US 6,990,436 B1, Jan. 24, 2006
[4] M. Middendorf, G. McMillan, G. Calhoun, and K. S. Jones,“Brain–Computer Interfaces Based on the Steady-State Visual-Evoked Response”, IEEE TRANSACTIONS ON REHABILITATION ENGINEERING, VOL. 8, NO. 2, JUNE 2000
[5] M. Cheng, X. Gao, S. Gao, and D. Xu, “Design and Implementation of a Brain-Computer Interface With High Transfer Rates”, IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 49, NO. 10, OCTOBER 2002
[6] X. Gao, D. Xu, M. Cheng, and S. Gao, “A BCI-Based Environmental Controller for the Motion-Disabled”, IEEE TRANSACTIONS ON NEURAL SYSTEMS AND REHABILITATION ENGINEERING, VOL. 11, NO. 2, JUNE 2003
[7] G.R. Müller-Putz, R. Scherer, C. Brauneis, and G. Pfurtscheller, "Steady-state visual evoked potential (SSVEP) -Based communication: Impact of harmonic frequency components," Journal of Neural Engineering, vol. 2, pp. 123-130, 2005
[8] Z. Lin, C. Zhang, W. Wu, and X. Gao, “Frequency Recognition Based on Canonical Correlation Analysis for SSVEP-Based BCIs”, IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 54, NO. 6, JUNE 2007
[9] X. Guo, X. Wu, and D. Zhang, “Motor Imagery EEG Detection by Empirical Mode Decomposition”, 978-1-4244-1821-3/08/$25.00 c_2008 IEEE
[10] 謝竣傑, 「多頻相位偏碼之視覺誘發電位驅動大腦人機界面」, 國立中央大學, 電機工程研究所碩士論文
[11] 台北榮民總醫院教學研究部整合性腦功能實驗室
取自 http://ibru.vghtpe.gov.tw/chinese/eeg.htm
[12] American Encephalographic Society. Guideline thirteen, “Guidelines for standard electrode position nomenclature,” Clin. Neurophysiol. , vol. 11, pp. 111-113, 1994.
[13] 陳煒燁, 「利用 SVM分類演算法於EEG - P300的偵測與分析」, 逢甲大學, 自動控制工程學系研究所碩士論文
[14] 關尚勇、林吉和、蘇明勳編著,「破解腦電波」, 藝軒圖書出版社
[15] 張香治, 「利用經驗模態分解法即時分析心電訊號」, 國立中央大學, 電機工程研究所碩士論文
[16] E.E. Sutter, “The brain response interface: communication through visually-induced electrical brain response,” Journal of Microcomputer Applications, vol. 15, pp. 31-45, 1992.
[17] QuickAmp 腦波機
取自http://www.cnstudio.com.tw/demo/brain-products/products-quickamp.htm
[18] 曾百由編著, 「數位訊號控制器原理與應用,MPLAB C30開發實務」, 宏友圖書開發股份有限公司
[19] 蔡俊平編著, 「DirectX遊戲設計for Visual C++」, 文魁資訊股份有限公司
[20] Z. Wu, Y. Lai, Y. Xia, D. Wu, and D. Yao, “Stimulator selection in SSVEP-based BCI”, Medical Engineering & Physics xxx (2008) xxx–xxx
[21] N. Xu, X. Gao, B. Hong, X. Miao, S. Gao, and F. Yang, “BCI Competition 2003-Data Set IIb：Enhancing P300 Wave Detection Using ICA-Based Subspace Projections for BCI Applications”, IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 51, NO. 6, JUNE 2004
[22] 范光龍、張毓堯、鄭金玉, 「台灣沿海水位與氣溫波動特性之研究」, 國立臺灣大學海洋研究所, NSC 95-2611-M-002-008-
[23] 劉維旻, 「無線感測心電圖量測系統設計與應用」, 國立中央大學, 電機工程研究所碩士論文
[24] J. H. McClellan, R. W. Schafer, M. A. Yoder, 「Signal Processing First」
[25] 蕭子健等編著,「LabVIEW分析篇」, 高立圖書有限公司
[26] 蒙以正編著,「數位信號處裡應用MATLAB」, 旗標出版股份有限公司
[27] 張智星編著,「MATLAB程式設計與應用」, 清蔚科技出版
[28] 王文中編著,「統計學與Excel資料分析之實習應用」, 博碩文化股份有限公司

指導教授

李柏磊(Po-Lei Lee)

審核日期

2009-7-21

推文