-
9
- 上一篇：带宽受限的网络控制系统的量化控制和仿真
- 下一篇：基于神经元学习的自适应AQM算法及仿真研究
3.1 人工神经网络 9
3.1.1 人工神经网络基础 9
3.1.2 人工神经网络结构搭建 14
3.1.3 BP神经网络参数意义及其在软件中的设定 14
3.2基于脑波频段能量的脑思维活动判断 15
第四章 硬件规格说明 17
4.1 BCI电极位置规范 17
4.1.1国际标准电极位置 17
4.1.2 Mindwave耳机规格 17
4.1.3 Mindwave耳机数据包格式及其解析方法 18
4.2 硬件使用需要注意的问题 19
第五章 软件系统设计 20
5.1程序总体架构框图 20
5.2数据采集及处理流程图 20
5.3库函数及其功能详解 22
5.3.1 Python标准库thread 22
5.3.2Python第三方开源库Serial、Numpy以及matplotlib 22
5.3.3自定义模块zbproc、zser、mainframe 23
第六章 软硬件调试与结果分析 24
6.1 硬件调试 24
6.2 软件调试 25
6.3 应用前景展望 28
致 谢 29
参考文献 30
附录一：Python MainFrame模块源程序 32
附录二：Python zbproc模块源程序 34
附录三：Python zser模块源程序 ……35
第一章 引言
生物电现象是生命活动的基本特征之一，各种生物均有电活动的表现，大到鲸鱼，小到细菌，都有或强或弱的生物电。人的大脑是由数以万计的针尖大小的神经交错构成的。 脑波可以认为是由脑细胞所产生的生物能源，或者是脑细胞活动的节奏。
自从上个世纪20年代末德国科学家发现脑电波信号后，它就被用于神经系统疾病诊断、脑功能研究等方面[1]。与此同时，人们也想借助脑电信号解读人的思想或意图。然而，由于脑内电活动的外在表现十分复杂，而人们对其的理解却十分有限[2]-[4]，况且要实时记录和分析多通道脑电信号也需要有可靠的工程方法。
脑电波原始信号的提取主要用到了“脑—机接口”(Brain Computer Interface，简称BCI)。“脑—机接口”是通过实时记录人脑的脑电波，在一定程度上解读人的简单思维，并将其翻译成控制命令，来实现对计算机、家用电器、机器人等设备的控制。这一技术是近年来神经科学和信息处理技术学科交叉产生的一项创新性成果[5]。近年来脑电信号的检测、分析和处理技术的长足进步，使得人们已经有可能在大脑和外部设备之间建立起一个直接的交流渠道[6]。论文网
应用BCI接口，科学家研发出了脑部实时交流器，能帮助那些无法言语也不能行动的人实现简单的双向交流的愿望。另外，国外研究者还成功地进行了将电脑芯片植入动物大脑以控制其部分行为的实验，这预示着未来脑机接口除了简单地接收脑电信号外，还将会有更多可选的实现形式[7]-[9]。