论文部分内容阅读
“脑-机控制”是指由人脑“意识”对外部设备的直接控制,从而减少甚至替代肢体实现对外设的灵活控制。其中,关键的技术是脑-机接口(Brain-Computer Interface,BCI)。BCI作为一种全新的信息交互方式,其核心思想是摆脱对周围神经和肌肉组织等正常传输路径的依赖,建立大脑与外设之间的直接交流信道。本文对稳态视觉诱发电位(Steady-state visual evoked potential,SSVEP)和运动想象(Motor imagery,MI)自发电位进行分析处理,并设计了基于脑电遥操作的移动机器人随机导航控制系统,本文的主要研究内容概括如下:基于SSVEP的脑-机接口系统具有较高的信息传输速率和识别率,在分析SSVEP脑电信号的生理基础上设计了视觉刺激界面。通过比较不同的SSVEP信号分类识别方法,本文采用基于多导同步指数(Multivariate synchronization index,MSI)的频率识别算法对SSVEP脑电信号解码分类,并搭建了SSVEP-BCI系统;对于运动想象产生的自发脑电信号,通过对事件相关去同步(Event related desynchronization,ERD)和事件相关同步(Event related synchronization,ERS)生理现象的明显频段进行滤波处理,采用共同空间模式(Common spatial pattern,CSP)算法进行特种提取,同时,与支持向量机(Support vector machine,SVM)分类方法相结合设计了MI-BCI系统。结合本文搭建的SSVEP-BCI系统和MI-BCI系统,设计了基于脑电遥操作的移动机器人随机导航控制系统。考虑到受限环境下障碍物的约束,本文突破了传统的基于方向驱动的控制方式,提出一种基于随机势场(Probability potential fields,PPF)的脑-控方法,创新性的将脑电信号的变化映射到环境中障碍物的分布和势场的变化,将变化的势场施加于移动机器人并产生控制输入驱动机器人实现脑-控遥操作随机导航控制。此外,结合室内Landmark环境特征和光栅编码器读数,设计了基于粒子滤波的视觉定位方法,全程辅助移动机器人精准定位和完成二维环境地图的构建。针对本文设计的系统,我们邀请五名志愿者在室内多障碍、动态环境中通过脑电信号遥操作移动机器人完成随机导航避障实验,统计实验结果证实了该系统的可行性和有效性。