學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73894
Browse
5 results
Search Results
Item 以小波轉換鑑別人類情緒腦電波(2011) 洪偉哲人類情緒的正確鑑別存在著許多的困難，根據每個人所經歷的事物與心情狀態，影響著即使面對相同的事件，所呈現的情緒強度也有所不同。而現今對於人類腦波的研究逐漸盛行，藉由大腦人機介面(Brain computer interface)收集腦電波(Electroencephalogram)訊號，經由訊號分析、特徵擷取以及分類器，來鑑別腦電波訊號的情緒類別。本研究的受測者為六位男性，四位女性。年齡介於20歲至28歲。實驗流程為撥放六種情緒的臉部圖片，分別為高興、驚訝、生氣、厭惡、難過和恐懼，每種情緒有20張圖片，共有120張圖片。使用NeuroScan大腦人機介面，藉由非侵入式的腦電波訊號量測，共有30個通道。紀錄完成後，進行腦電波訊號前處理降低腦電波訊號的雜訊，使得腦電波訊號更接近真實的訊號，接著繪製出大腦空間能量頻譜圖，用以了解腦電波訊號的頻帶能量分布差異。將腦電波訊號進行小波轉換(Wavelet transform)分解訊號，選取能量分布差異較大的θ波為分類波段，接著計算各種的特徵，共有八類特徵，分別為最大值(Max)、最小值(Min)、全距(Range)、標準差(Standard deviation)、絕對中位差(Median absolute deviation)、絕對平均差(Average absolute deviation)、能量(Energy)及特徵向量(Eigenvectors)，將各種特徵投入支持向量機(Support vector machine)進行分類，訓練的方式將隨機抽取出60%的腦電波訊號區段為訓練資料，40%為測試資料，以隨機投入支持向量機作各種情緒的鑑別，得到情緒鑑別從最高到最低的正確辨識率分別為87.50%和62.50%，平均值為76.25%。 研究中發現當使用無效的特徵或是相似的特徵，無法增加情緒的鑑別率，但是若增加有效的特徵，鑑別率會隨之提高，不過也會增加複雜度，經由比較其中較為有效的特徵為全距、標準差、絕對中位差、絕對平均差、能量及特徵向量，可較為明顯增加鑑別的效果。Item 多通道腦電波量測系統之研製(2008) 許育財; Yu-Cai, Syu腦機介面(BCI, Brain Computer Interface)提供一個全新的通訊方式，使因神經肌肉受損或患有肌肉萎縮性脊髓側索硬化症等病患，可以透過腦部的活動直接控制外部的裝置，而不需經過神經及肌肉的媒介。但是腦機介面的相關設備，不僅昂貴且體積龐大，對於腦機介面的普及，實不是一項優勢。 因此，本研究目的在於研製一多通道、低成本、小體積及模組化之腦電波擷取系統。本系統包含基本的電子電路，可調適增益放大器、交換式電容濾波模組及以LabVIEW為平台所設計之應用軟體。 硬體設計上，以驅動右腳線路消除共模雜訊，以單晶式交換式電容濾波器，取代傳統主動RC濾波器降低頻率偏移，以數位電阻器取代傳統可變電阻，提高精確度，去除人為調整造成之誤差。印刷電路板佈局上，加入模組化的概念，使腦電波放大電路可進行堆疊，擴充通道數。 製作完成後，將本系統與腦電波專業量測儀器NuAmps進行比較。結果顯示，誤差評估在時域上的誤差平均值與標準差分別為0.1809伏，及0.1153；在頻域上誤差平均值與標準差分別為0.0606伏及0.167。趨勢相似度評估的相似度平均為83.25%。相關評估的相關係數可達0.8以上。 根據實驗結果，說明所研製之多通道腦電波量測系統具可行性。未來期望能將本系統與嵌入式系統做結合，可協助行動不便之使用者獲得更好的生活品質。Item 應用於腦電波量測之三維乾式電極製作技術開發(2007) 曾柏翔; Bo-Hsiang Tseng有鑑於近年來，腦電波雖然廣泛地應用於醫學臨床之診斷，與大腦人機界面系統，但其量測電極技術卻無顯著進步。故本研究提出一種新型腦波量測電極製造技術，利用微機電製程中，特有的矽基體型微加工技術、KMPR厚膜光阻微影、精密電鑄製程，並結合PDMS聚合物材料之選用。製造出於可撓曲基板上，擁有三維微探針陣列之乾式電極。有別於現今通用之銀/氯化銀電極，此新型量測電極，可於不需使用導電膠，且省略去角質等皮膚前處理的條件下，進行腦電波量測。 於實驗中，建立新型厚膜光阻KMPR 1050之相關製程參數，使得以一次旋轉塗佈的製程，便可得到厚度約130 um之光阻膜。配合KOH蝕刻、精密電鑄製程與本實驗所提出之二階段式光阻去除步驟，可製作出高度約170 um、寬為 50 um(深寬比為3.5)，且具出平面特性之微探針陣列。雖然此製程證明其製造上之可行性，但由於其製造良率低於50%。因此本研究中，提出三種改善良率之製程，藉以希望達到微機電製程中，特有的批次生產能力。Item 用線性鑑別分析法做冥想四個方向的分類(2005) 沈世評; Shi-Ping Shen大腦人機介面(Brain-computer interface)是一種利用腦部訊號跟外界溝通的新技術，其目的是能夠幫助因神經肌肉損傷而行動受阻礙的人。對於內部刺激—想像左右手和腳動—已經有研究過了，但冥想四個方向是值得去研究。有鑑於此，本研究建立一套系統，它以冥想四個方向實驗的腦波訊號作為輸入訊號並利用快速傅立葉分析法找出腦波的特徵，然後利用線性鑑別分析法來分辨這些特徵。最後找出一組可以分辨冥想四個方向的腦波。 經由實驗結果得知，此系統可以利用實驗中分辨率最高的資料做為參考腦波，最佳的分辨率可達80%以上。未來可預計將此運用於人機介面上以造福神經疾病患者或行動不便人士。Item 適應性類神經模糊推論系統辨識腦波P300(2005) 黃津操; Huang Chin-Tsao大腦人機介面是一種利用大腦直接控制外在儀器（操作手臂、控制輪椅）的一項技術，經由腦波辨識系統讓使用者可以透過思想就達到與外界溝通的目的，希望藉由這項技術能有效的幫助因中樞神經或肌肉受損而無法擁有自主行為的病人（如中樞神經系統損傷、重度中風、有思想和意識而無行為能力的病人等）直接利用知覺以及認知能力功能都健全的大腦來進行與外界溝通，而大腦人機介面就是很好的媒介。 本研究利用視覺誘發回溯系統誘發腦波，擷取誘發的腦波P300訊號再透過適應性類神經模糊推論系統(Adaptive Neuro-Fuzzy Interface System, ANFIS)做分類，分類結果可以做為大腦人機介面控制源，並以有效提升腦波P300訊號之辨識率為目標。從實驗結果得知，利用適應性類神經模糊推論系統來分類腦電波，單筆腦波平均辨識率為79%，最高正確率為83%。將二筆腦波平均後作辨識則平均辨識提高為87%，最高可達95%。然而本研究之受測者均為四肢健全腦部功能無受損者來進行實驗，且實驗資料濾除過程嚴謹，凡是受到干擾之腦波訊號皆去除。期待本篇研究能對致力於發展大腦人機介面的研究者或有興趣的學者提供幫助。