三維重建,三維重構(gòu)

1、本科畢業(yè)論文(設(shè)計(jì))調(diào)研報(bào)告題 目 基于二維圖形的三維構(gòu)造 學(xué)生姓名 張鵬宇 指導(dǎo)教師 張昊 學(xué) 院 信息科學(xué)與工程學(xué)院 專業(yè)班級(jí) 電子信息工程 完成時(shí)間 2016年1月 本科生院制 1 / 1摘要三維重建是指對(duì)三維物體建立適合計(jì)算機(jī)表示和處理的數(shù)學(xué)模型,是在計(jì)算機(jī)環(huán)境下對(duì)其進(jìn)行處理、操作和分析其性質(zhì)的基礎(chǔ),也是在計(jì)算機(jī)中建立表達(dá)客觀世界的虛擬現(xiàn)實(shí)的關(guān)鍵技術(shù)。在計(jì)算機(jī)視覺(jué)中, 三維重建是指根據(jù)單視圖或者多視圖的圖像重建三維信息的過(guò)程. 由于單視頻的信息不完全,因此三維重建需要利用經(jīng)驗(yàn)知識(shí). 而多視圖的三維重建(類似人的雙目定位)相對(duì)比較容易, 其方法是先對(duì)攝像機(jī)進(jìn)行標(biāo)定, 即計(jì)算出攝像機(jī)的圖象

2、坐標(biāo)系與世界坐標(biāo)系的關(guān)系.然后利用多個(gè)二維圖象中的信息重建出三維信息。關(guān)鍵詞：計(jì)算機(jī)圖形學(xué)目錄前言1第一章 腦電波概述21.1情緒的生理基礎(chǔ)21.2腦電的基本概念31.3腦電信號(hào)的特點(diǎn)31.4基于腦電波的人體情緒分析的意義4第二章 設(shè)計(jì)中涉及的方法52.1情緒誘發(fā)方法保證獲得所需的數(shù)據(jù)52.2腦電的采集和預(yù)處理數(shù)據(jù)采集62.3非參數(shù)譜估計(jì)法分析數(shù)據(jù)72.2.1周期圖法72.2.2平均周期圖法72.2.3相關(guān)圖法8第三章 基于腦電波的人體情緒分析的總體設(shè)計(jì)93.1前期準(zhǔn)備工作93.2數(shù)據(jù)采集及預(yù)處理103.4 數(shù)據(jù)分析程序編寫113.3數(shù)據(jù)分析123.4得出結(jié)論12第四章 目前存在問(wèn)題134.1

3、腦電信號(hào)的采集134.2真實(shí)環(huán)境對(duì)腦電信號(hào)的影響134.3個(gè)體差異性與共同模式13結(jié)論14參考文獻(xiàn)15-2-基于腦電波的人體情緒分析前言情緒是多種感覺(jué)、思想和行為的綜合產(chǎn)生的心理狀態(tài)和行為狀態(tài)，它包括人對(duì)外界或自身刺激的心理反應(yīng)，也包括伴隨這種心理反應(yīng)的生理反應(yīng)，而腦電波反映了人體腦神經(jīng)細(xì)胞的活動(dòng)。神經(jīng)科學(xué)和認(rèn)知科學(xué)的研究結(jié)果表明，情緒的產(chǎn)生于生理活動(dòng)，特別是與大腦皮層的活動(dòng)密切先關(guān)。在產(chǎn)品開發(fā)的過(guò)程中，若產(chǎn)品能做到通過(guò)腦電波了解到用戶的情緒和喜好，并作出相應(yīng)調(diào)整，就能增加其用戶體驗(yàn)，更加人性化；若醫(yī)院及其護(hù)理人員等通過(guò)病人的腦電波進(jìn)行情緒分析，病人能得到更好的照料，有利于治療。由此，可以看出

4、基于腦電波的人體情緒分析相當(dāng)重要，尤其是對(duì)于人-機(jī)交互接口模塊起到了理論指導(dǎo)意義。對(duì)于情緒的研究已久，使用的方法也各不相同。近年來(lái)，隨著腦電信號(hào)采集設(shè)備的應(yīng)用和推廣，信號(hào)處理和及其學(xué)習(xí)技術(shù)的快熟發(fā)展，以及計(jì)算機(jī)數(shù)據(jù)處理能力的大幅提高，基于腦電的人體情緒分析研究不但是神經(jīng)-科學(xué)、心理學(xué)、認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)和人工智能等領(lǐng)域的一項(xiàng)重要的交叉學(xué)科研究課題，而且已經(jīng)成為神經(jīng)工程和生物醫(yī)學(xué)工程領(lǐng)域覺(jué)的熱門課題。在本文將對(duì)課題調(diào)研的內(nèi)容逐一介紹，在第一節(jié)就情緒、腦電波進(jìn)行介紹，在第二節(jié)，介紹本設(shè)計(jì)會(huì)討論應(yīng)用到的方法，如誘導(dǎo)情緒的方法、用于分析數(shù)據(jù)的非參數(shù)譜估計(jì)法等；在第三節(jié)，將介紹本次畢業(yè)設(shè)計(jì)的總體思路；

5、最后，我們會(huì)就本次設(shè)計(jì)存在的問(wèn)題進(jìn)行討論。 第一章 腦電波概述1.1情緒的生理基礎(chǔ)情緒最早的定義出現(xiàn)于美國(guó)心理學(xué)之父James于1884 年發(fā)表的文章，他認(rèn)為情緒是人們對(duì)于自己身體所發(fā)生的變化的一種感覺(jué)，先有身體的變化才有情緒的感知，任何情緒的產(chǎn)生都一定伴隨著身體上的某些變化，如面部表情，肌肉緊張，內(nèi)臟活動(dòng)等。1885 年丹麥生理學(xué)家Lange也提出了類似的觀點(diǎn)。因此，后人把他們對(duì)情緒的研究統(tǒng)稱為James-Lange 理論，也叫情緒的外周理論。James-Lange 理論肯定了人的生理因素與情緒之間的內(nèi)在聯(lián)系，但將情緒的產(chǎn)生只歸結(jié)為外周生理的變化卻帶有片面性。1927 年Cannon 在論文

6、中否定了James 的情緒理論，提出情緒的產(chǎn)生是由丘腦所決定的。認(rèn)為當(dāng)外界刺激傳遞到大腦皮層后，大腦皮層就會(huì)激活丘腦，并由此產(chǎn)生相應(yīng)的不同情緒。Cannon 的同事Bard 也認(rèn)為情緒的產(chǎn)生與丘腦有關(guān)，因此有人將他們的研究稱為Cannon-Bard 理論。Cannon-Bard 理論肯定了丘腦在情緒產(chǎn)生過(guò)程中的重要作用，但完全否定了外周生理與情緒產(chǎn)生之間的關(guān)系，也失于片面。1937 年P(guān)apez 再次將情緒的產(chǎn)生與人的生理活動(dòng)聯(lián)系在一起，并提出了情緒產(chǎn)生的邊緣系統(tǒng)機(jī)制，即Papez 環(huán)路( 如下圖1所示)。圖1情緒功能性解剖學(xué)的Papez 環(huán)路理論他認(rèn)為，與情感刺激相關(guān)的感覺(jué)信息在傳到丘腦后，

7、會(huì)向感覺(jué)皮層( 思維流) 和下丘腦( 感覺(jué)流) 傳播。Papez 提出從下丘腦到丘腦前核再到扣帶皮層的連接。當(dāng)扣帶皮層整合從下丘腦傳來(lái)的信號(hào)和從感覺(jué)皮層傳來(lái)的信息時(shí)，便產(chǎn)生了情感體驗(yàn)或感覺(jué)。從扣帶皮層到海馬體再到下丘腦的輸出產(chǎn)生了自上而下的情感反應(yīng)皮質(zhì)控制。在Papez 環(huán)路提出十幾年后，心理學(xué)家Maclean 在其基礎(chǔ)上又提出了內(nèi)臟腦的概念。他認(rèn)為內(nèi)臟腦負(fù)責(zé)調(diào)解所有與情緒相關(guān)的器官，并通過(guò)下丘腦調(diào)解內(nèi)臟和骨骼的相應(yīng)反。Papez-Maclean 理論將前人對(duì)于情緒的研究結(jié)果統(tǒng)合在了一起，為后人對(duì)情緒的研究奠定了基礎(chǔ)。盡管對(duì)情緒的定義至今尚未統(tǒng)一，還在進(jìn)一步研究之中，但神經(jīng)科學(xué)和認(rèn)知科學(xué)的研究

8、結(jié)果表明，情緒的產(chǎn)生與生理活動(dòng)，特別是與大腦皮層的活動(dòng)密切相關(guān)，這為通過(guò)研究大腦皮層的活動(dòng)分析和識(shí)別人的情緒狀態(tài)提供了理論依據(jù)。1.2腦電的基本概念腦電信號(hào)是通過(guò)電極記錄下來(lái)的腦細(xì)胞群的自發(fā)性、節(jié)律性電活動(dòng)。在這電現(xiàn)象伴隨著生命的始終，一旦死亡，電現(xiàn)象就會(huì)隨之消失。我們通常所說(shuō)的腦電圖是指頭皮腦電圖（electroencephalogram, EEG），它由大量的大腦皮層神經(jīng)元突出后電位共同作用產(chǎn)生大腦神經(jīng)活動(dòng)的外部表現(xiàn)。按照腦電的產(chǎn)生方式，腦電分為自發(fā)腦電和誘發(fā)腦電。自發(fā)腦電時(shí)在沒(méi)有外界刺激下，由神經(jīng)元的自發(fā)活動(dòng)產(chǎn)生，而誘發(fā)腦電時(shí)由外界刺激導(dǎo)致大腦皮層的某些區(qū)域產(chǎn)生規(guī)律的放電而產(chǎn)生。從頻譜分

9、析的角度來(lái)說(shuō)，EEG可被分為五種節(jié)律活動(dòng)：節(jié)律（0.14Hz）、節(jié)律（48Hz）、節(jié)律(813Hz)、節(jié)律（1330Hz）和節(jié)律（30100Hz）。信號(hào)的帶寬為0.5100Hz，其幅值范圍通常是10100V。1.3腦電信號(hào)的特點(diǎn)（1）腦電信號(hào)非常微弱，并且受到多種噪聲的干擾。EEG的幅度為微伏(V)級(jí)，而肌電，眼電，心電都達(dá)到毫伏(mV)水平。一般的眨眼動(dòng)作都會(huì)引入對(duì)腦電的干擾，因此腦電信噪比很低。腦電的采集和分析對(duì)放大器和濾波器的要求很高。（2）腦電信號(hào)是多維度，非線性，非平穩(wěn)隨機(jī)信號(hào)。腦電信號(hào)是同時(shí)采集于多個(gè)電極的時(shí)間序列信息，是個(gè)多維度信號(hào)，但是每個(gè)電極之間的信號(hào)可能存在冗余。腦電產(chǎn)于人

10、腦這個(gè)非線性系統(tǒng)，因此更適合使用非線性方法進(jìn)行分析。腦電是一個(gè)非平穩(wěn)隨機(jī)信號(hào)，它的統(tǒng)計(jì)特性隨著時(shí)間不斷變化，所以腦電分析一般需要分段，以便分段后的信號(hào)可以當(dāng)作平穩(wěn)信號(hào)進(jìn)行處理。（3）腦電信號(hào)具有很高的時(shí)間分辨率，在研究腦電不同節(jié)律的功能時(shí)具有獨(dú)特的優(yōu)勢(shì)。腦電的高時(shí)間分辨率彌補(bǔ)了功能性核磁共振的不足之處，因此它不僅被廣泛應(yīng)用于認(rèn)知和神經(jīng)科學(xué)的研究中，還應(yīng)用在麻醉監(jiān)護(hù)，測(cè)謊，人機(jī)交互等工程領(lǐng)域。1.4基于腦電波的人體情緒分析的意義隨著神經(jīng)科學(xué)和認(rèn)知科學(xué)對(duì)情緒的深入研究和干電極技術(shù)的快速發(fā)展，基于腦電波的人體情緒分析將在不遠(yuǎn)的未來(lái)得到廣泛的應(yīng)用。目前腦-計(jì)算機(jī)接口已經(jīng)涌現(xiàn)出了很多有效的應(yīng)用，如基于運(yùn)

11、動(dòng)想象的輪椅控制，基于腦電的情緒分析可以在現(xiàn)有腦-計(jì)算機(jī)接口技術(shù)的基礎(chǔ)上，進(jìn)一步滿足殘疾人的某些更高級(jí)的需求，如對(duì)于患有特定疾病的殘疾人，可以通過(guò)腦電分析出其對(duì)事物的喜好度，比如餐食的選擇、電視節(jié)目的選擇和音樂(lè)的選擇等，從而設(shè)計(jì)出更加友善和更加智能的腦-計(jì)算機(jī)接口，達(dá)到更好的護(hù)理效果，提高殘疾人的生活質(zhì)量；對(duì)于高速鐵路和長(zhǎng)途汽車司機(jī)來(lái)說(shuō)，當(dāng)司機(jī)處于緊張，興奮，憤怒或焦躁等情緒時(shí)，發(fā)生事故的幾率會(huì)明顯上升。倘若利用腦電實(shí)時(shí)監(jiān)控司機(jī)的情緒狀態(tài)，并在司機(jī)出現(xiàn)不良情緒時(shí)發(fā)出警報(bào)，那么就可以在一定程度上避免或減少事故的發(fā)生；在戰(zhàn)場(chǎng)上，通過(guò)在士兵頭盔中布設(shè)電極，開發(fā)出可以實(shí)時(shí)監(jiān)測(cè)士兵工作壓力的可移動(dòng)系統(tǒng)，

12、從而指揮官可以通過(guò)該系統(tǒng)更好地了解士兵的狀態(tài)，更合理地分配士兵的任務(wù)；在遠(yuǎn)程教育，通過(guò)基于腦電的情緒分析，教師可以遠(yuǎn)程實(shí)時(shí)地了解學(xué)生的精神狀態(tài)，并根據(jù)學(xué)生的狀態(tài)，適當(dāng)?shù)恼{(diào)整授課難度，以增強(qiáng)教育的人性化，使計(jì)算機(jī)作為媒介進(jìn)行學(xué)習(xí)的功能達(dá)到最佳化。在各種人-機(jī)交互系統(tǒng)里，如果系統(tǒng)能通過(guò)腦電波分析出人的情緒狀態(tài)，人與機(jī)器的交互就會(huì)變得更加友好和自然。第二章 設(shè)計(jì)中涉及的方法在本設(shè)計(jì)中，無(wú)論在采集數(shù)據(jù)，還是在分析數(shù)據(jù)時(shí)，都要應(yīng)用到一些方法。下面分別介紹在采集數(shù)據(jù)、分析數(shù)據(jù)應(yīng)用到的一些方法。2.1情緒誘發(fā)方法保證獲得所需的數(shù)據(jù) 情緒研究的重要前提條件之一是誘發(fā)情緒。在采集不同情緒的腦電波時(shí)，必須確保所采

13、集的數(shù)據(jù)僅對(duì)應(yīng)某一種情緒（興奮或平靜），因此被測(cè)試者在采集數(shù)據(jù)期間保持該情緒，誘發(fā)被測(cè)試者的情緒十分重要。在實(shí)驗(yàn)條件下，情緒的誘發(fā)方法可以概括為以下三種:第一，在自由心理狀態(tài)下產(chǎn)生情緒，由被測(cè)試者自身激活情緒，實(shí)驗(yàn)者無(wú)需提供任何情緒刺激。例如在催眠狀態(tài)下，被測(cè)試者通過(guò)想象某種情緒從而產(chǎn)生該情緒。第二，在心理引導(dǎo)狀態(tài)下產(chǎn)生情緒。被測(cè)試者先被給予某種情緒暗示的指導(dǎo)語(yǔ)，再被提供情緒刺激?；蛘卟唤o予暗示指導(dǎo)語(yǔ)，只提供情緒刺激材料，如電影，圖片或音樂(lè)?；蛘吣M某種生活場(chǎng)景，給予被試積極或消極的反饋來(lái)誘發(fā)情緒。第三，通過(guò)改變生理狀態(tài)誘發(fā)情緒。使用藥物，如腎上腺素，可以引導(dǎo)出某種情緒。第四，被測(cè)試者保持情緒

14、平靜，先進(jìn)行數(shù)據(jù)測(cè)量；隨后被測(cè)試者進(jìn)行深呼吸，使大腦皮層興奮。在上述情緒誘發(fā)方法，第一種方法對(duì)于實(shí)驗(yàn)人員要求過(guò)高，第三種方法存在安全隱患，第三種方法會(huì)由于個(gè)體差異而難以實(shí)現(xiàn)目的。其中第四種方法比較容易實(shí)現(xiàn)目的，而且能保證被測(cè)試者的安全。2.2腦電的采集和預(yù)處理數(shù)據(jù)采集 如下圖所示，EEG的采集系統(tǒng)分為三部分。圖2 數(shù)據(jù)采集與分析系統(tǒng)框圖采用專用的電極從頭皮可以采集到微弱的腦電信號(hào)。EEG的電極實(shí)際上是一種電壓傳感器，通過(guò)它來(lái)記錄頭皮上的電位變化。由于腦電信號(hào)十分微弱，獲取后必須通過(guò)放大器、濾波器和模/數(shù)轉(zhuǎn)換后才能轉(zhuǎn)換成計(jì)算機(jī)識(shí)別的腦電信號(hào)。經(jīng)過(guò)放大的信號(hào)還必須經(jīng)過(guò)濾波器的處理，濾波的目的在于對(duì)

15、該信號(hào)作數(shù)字處理前盡可能降低噪聲背景對(duì)信號(hào)的污染，改善信噪比，保留原信號(hào)的真實(shí)性。除此之外，信號(hào)預(yù)處理還需要放置模/數(shù)變換后產(chǎn)生頻率混疊，小初基線漂移及趨勢(shì)項(xiàng)，濾除非研究電生理信號(hào)產(chǎn)生的偽跡。由可興奮細(xì)胞組成的組織、器官在興奮狀態(tài)下都可以產(chǎn)生生理信號(hào)。而在腦電測(cè)試過(guò)程中，不可能停止這些組織和器官的生理活動(dòng)，因此眨眼、眼動(dòng)、舌動(dòng)、心跳、呼吸、肌肉運(yùn)動(dòng)和汗腺興奮等，就成了體內(nèi)的干擾源（又稱偽跡）。在研究中，所要去除的偽跡主要包括眼電、肌電、心電、工頻干擾、電磁干擾和任務(wù)不相關(guān)的腦電等。一般棄用有偽跡（主要是眼動(dòng)偽跡）的數(shù)據(jù)段，或者通過(guò)預(yù)處理方法去除腦電中的眼動(dòng)偽跡。偽跡去除方法包括：偽跡減法、主成

16、分分析、獨(dú)立成分分析等。偽跡減法的基本假設(shè)是測(cè)量得到的EEG是真實(shí)EEG與偽跡的線性組合，EEG與偽跡不相關(guān)，而且偽跡可通過(guò)測(cè)量手段測(cè)得；主成分分析的基本思想是利用正交原理將原來(lái)的相關(guān)自變量變換為另一組相互獨(dú)立的變量，即“主成分”，然后選擇其中一部分重要成分作為自變量（此時(shí)丟棄了一部分不重要的自變量），最后利用最小二乘法方法對(duì)選取主成分的模型參數(shù)進(jìn)行估計(jì)，PCA在EEG各導(dǎo)聯(lián)分布的基礎(chǔ)上，把其信號(hào)分解為互相獨(dú)立的成分，去掉不需要的偽跡成分，再重構(gòu)EEG，以達(dá)到降噪的目的；理論上認(rèn)為腦電信號(hào)中的心動(dòng)、眼動(dòng)信號(hào)以及其他干擾源所產(chǎn)生的干擾信號(hào)都是由相互獨(dú)立的信源產(chǎn)生的，而通過(guò)獨(dú)立成分分析法分解便可以

17、提取出有用的腦電信號(hào)。2.3非參數(shù)譜估計(jì)法分析數(shù)據(jù)神經(jīng)科學(xué)和心理學(xué)的研究表明，腦電的節(jié)律（0.14Hz）、節(jié)律（48Hz）、節(jié)律(813Hz)、節(jié)律（1330Hz）和節(jié)律（30100Hz）等5個(gè)節(jié)律與人的各項(xiàng)生理活動(dòng)有著密切的關(guān)系，因此，在提取腦電頻域特征時(shí)，很多學(xué)者會(huì)先將腦電信號(hào)映射到5個(gè)節(jié)律（頻段）上，再分析提取出各個(gè)頻段對(duì)應(yīng)的頻域特征。常見的頻域特征有功率譜、功率密度、能量等。這些特征的提取通常都建立在功率譜估計(jì)的基礎(chǔ)上。非參數(shù)譜估計(jì)法是頻域特征的一種方法，非參數(shù)估計(jì)法包括周期圖法（periodogram）、相關(guān)圖法、加窗周期圖法、平均周期圖法（Barlett法）、Welch法等。本設(shè)計(jì)

18、主要是使用周期圖法、平均周期圖和相關(guān)圖法。在介紹兩種辦法前，先介紹一下功率譜密度。如果已知一個(gè)隨機(jī)信號(hào)的自相關(guān)函數(shù)那么功率譜密度函數(shù)就是定義為： （式1）式中，；表示數(shù)學(xué)期望；表示復(fù)共軛。也就是說(shuō)，該隨機(jī)信號(hào)的傅里葉變換就是該隨機(jī)信號(hào)的功率譜密度函數(shù) 功率譜密度函數(shù)的另外一種定義是： （式2）當(dāng)自相關(guān)函數(shù)滿足時(shí)，(式1)與(式2)等價(jià)。非參數(shù)譜估計(jì)法是根據(jù)（式1）與（式2）進(jìn)行的。下面分別介紹周期圖法和相關(guān)圖法。2.2.1周期圖法當(dāng)信號(hào)序列是有限長(zhǎng)的，忽略（式2）求期望和取極限預(yù)算。無(wú)須計(jì)算自相關(guān)函數(shù)，而是直接將隨機(jī)信號(hào)進(jìn)行傅里葉變換，然后取其幅值的平方，并除以N，即 （式3）當(dāng)數(shù)據(jù)長(zhǎng)度足夠長(zhǎng)

19、時(shí)，周期圖法的分辨率高，但估計(jì)性較差，方差不會(huì)隨數(shù)據(jù)的增長(zhǎng)而減小。2.2.2平均周期圖法為了提高譜估計(jì)的性能，也就是使方差變小，用平均周期圖（也稱Barlett法）能達(dá)到改進(jìn)的目的。將總長(zhǎng)為的數(shù)據(jù)分為段，每段長(zhǎng)度為，分別計(jì)算每一段的周期圖，然后進(jìn)行平均： （式4）2.2.3相關(guān)圖法相關(guān)圖法是先由序列估計(jì)出自相關(guān)函數(shù)，然后對(duì)求傅里葉變換，便得到的功率譜估計(jì)，即數(shù)據(jù)長(zhǎng)度是有限時(shí)，根據(jù)（式1）得到相關(guān)圖譜估計(jì)： （式5） 式中，表示自相關(guān)函數(shù)的估計(jì)，可從（式6）或者（式7）中得到： （式6） （式7） 第三章 基于腦電波的人體情緒分析的總體設(shè)計(jì)通過(guò)調(diào)研，以及了解到的相關(guān)資料和知識(shí)，我對(duì)于本設(shè)計(jì)的流程

20、有了初步的認(rèn)識(shí)，根據(jù)我的設(shè)計(jì)思路，得出了以下步驟，如下圖開始前期準(zhǔn)備數(shù)據(jù)采集數(shù)據(jù)預(yù)處理數(shù)據(jù)分析得出結(jié)論結(jié)束圖3 基于腦電波的人體情緒分析的總體設(shè)計(jì)流程圖3.1前期準(zhǔn)備工作為了確保采集工作的順利進(jìn)行，以及保證所采集數(shù)據(jù)的科學(xué)性。在進(jìn)行腦電波數(shù)據(jù)采集前，必須做好以下準(zhǔn)備工作：（1） 根據(jù)上面2.1所說(shuō)的情緒誘發(fā)方法，指導(dǎo)被試驗(yàn)者按照指定的呼吸頻率進(jìn)行呼吸。（2） 邀請(qǐng)數(shù)名志愿者參與腦電波采集，并采集前保持頭皮清潔衛(wèi)生，以免因外界因素影響到采集結(jié)果。（3） 采集腦電數(shù)據(jù)的人員必須熟悉機(jī)器操作，確保腦電波采集順利進(jìn)行。3.2數(shù)據(jù)采集及預(yù)處理數(shù)據(jù)的采集和預(yù)處理過(guò)程是整個(gè)設(shè)計(jì)最關(guān)鍵的步驟，若有差池，實(shí)驗(yàn)必

21、須重做。因此，在數(shù)據(jù)采集和預(yù)處理過(guò)程中要注意：（1） 在采集數(shù)據(jù)前，被測(cè)試者保持平靜。（2） 被測(cè)試者佩戴好測(cè)試儀器后，進(jìn)行試驗(yàn)，被測(cè)試者在相應(yīng)的時(shí)間上表現(xiàn)出不同狀態(tài)。（3） 數(shù)據(jù)采集和預(yù)處理的辦法依照2.2進(jìn)行。（4） 每個(gè)被測(cè)試者都要進(jìn)行多組數(shù)據(jù)的測(cè)試，且相鄰兩次測(cè)試之間要相隔30分鐘以上，以保證下一次測(cè)試數(shù)據(jù)前，被測(cè)試者保持平靜。3.4 數(shù)據(jù)分析程序編寫 本設(shè)計(jì)采用的軟件工具為MATLAB 2010b，程序可以分為以下模塊：數(shù)據(jù)導(dǎo)入和預(yù)處理、使用非參數(shù)譜估計(jì)法求出功率譜、計(jì)算平均功率譜密度，其中，非參數(shù)譜估計(jì)法又分為兩種方法進(jìn)行，具體流程如下圖4所示：開始數(shù)據(jù)導(dǎo)入以時(shí)間為依據(jù)，將整組數(shù)據(jù)

22、根據(jù)不同狀態(tài)進(jìn)行截取，一組原始數(shù)據(jù)得出幾組不同狀態(tài)的數(shù)據(jù)。不同狀態(tài)下的時(shí)間序列分別進(jìn)行傅里葉變換不同狀態(tài)的序列分別求出功率譜計(jì)算平均功率譜密度并記入表中結(jié)束圖4 數(shù)據(jù)分析程序流程圖3.3數(shù)據(jù)分析本設(shè)計(jì)采用非參數(shù)譜估計(jì)法（詳見2.3）對(duì)實(shí)驗(yàn)所得的腦電波數(shù)據(jù)進(jìn)行分析，采用的軟件工具為MATLAB 2010b。使用非參數(shù)譜估計(jì)法分析出不同狀態(tài)（興奮或平靜）下，不同頻帶的功率譜計(jì)算出被測(cè)試者的腦電功率譜密度并用腦電波不同頻帶（波（0.14Hz）、波（48Hz）、波(813Hz)、波（1330Hz）和波（30100Hz）的平均功率譜密度的比值來(lái)表現(xiàn)出被測(cè)試者的狀態(tài)。每個(gè)頻帶平均功率譜密度如式8所示（以波

23、和波為例），不同頻帶平均功率譜密度的比值如式9所示： （式8） （式9）其中，G()為波單個(gè)頻帶的平均功率譜密度，G()為波單個(gè)頻帶的平均功率譜密度。為波頻帶的上限，為波頻帶的下限。3.4得出結(jié)論比較不同狀態(tài)下不同波段之間的平均功率譜比值，從數(shù)據(jù)分析中得到結(jié)論，即腦電波在不同情緒下的區(qū)別，并撰寫畢業(yè)論文。第四章 目前存在問(wèn)題雖然近年來(lái)基于情緒的腦電波分析研究已經(jīng)有了比較大的進(jìn)展，但多數(shù)研究還處在實(shí)驗(yàn)室階段，離實(shí)際應(yīng)用尚有相當(dāng)距離，主要存在下列問(wèn)題有待解決。4.1腦電信號(hào)的采集傳統(tǒng)腦電采集方式通常采用濕電極技術(shù)，被試者在進(jìn)行腦電采集前，必須涂抹導(dǎo)電介質(zhì)，以克服角質(zhì)層對(duì)腦電信號(hào)采集的影響。該過(guò)程需

24、要在外人輔助下進(jìn)行，時(shí)間花費(fèi)較長(zhǎng)，而且導(dǎo)電介質(zhì)的性能也會(huì)隨時(shí)間變化。如果采集時(shí)間過(guò)長(zhǎng)，導(dǎo)電介質(zhì)的導(dǎo)電性會(huì)下降甚至消失，使采集到的腦電信號(hào)出現(xiàn)失真，從而影響腦電信號(hào)的采集質(zhì)量。目前，一種新型的干電極腦電采集技術(shù)已經(jīng)出現(xiàn)。干電極腦電采集技術(shù)可以在一定程度上解決上述問(wèn)題。但是，目前干電極腦電采集技術(shù)對(duì)在毛發(fā)區(qū)域采集到的腦電信號(hào)還不是很穩(wěn)定，需要進(jìn)一步改進(jìn)。另外，由于腦電信號(hào)十分微弱，因此在采集過(guò)程中，必須通過(guò)高放大倍數(shù)的放大器對(duì)腦電信號(hào)進(jìn)行信號(hào)放大。目前商業(yè)化的腦電信號(hào)放大器的體積普遍較大，不利于便攜式使用。最近出現(xiàn)了芯片化的腦電信號(hào)放大器，可以有效解決放大器體積過(guò)大問(wèn)題，但是成本仍然較高，離實(shí)用化

25、還有一定的距離。4.2真實(shí)環(huán)境對(duì)腦電信號(hào)的影響由于腦電信號(hào)在采集過(guò)程中十分容易受到外部環(huán)境的干擾，現(xiàn)有的偽跡去除方法往往只針對(duì)一種噪聲或幾種噪聲有效。而在實(shí)際應(yīng)用中，由于現(xiàn)實(shí)環(huán)境十分復(fù)雜，干擾源也非常多，因此現(xiàn)有的偽跡去除方法很難有效地去除腦電信號(hào)中的偽跡。另外，在實(shí)際應(yīng)用中，基于腦電的情緒識(shí)別要求在線處理，這不但要求偽跡去除算法在偽跡去除方面具有較高的有效性，對(duì)于偽跡去除算法的時(shí)間復(fù)雜度也提出了較高的要求，這就需要開發(fā)出更加有效的在線偽跡去除方法。4.3個(gè)體差異性與共同模式由于腦電信號(hào)在信號(hào)表征的過(guò)程中具有一定的個(gè)體差異性，且目前的研究還基本處在實(shí)驗(yàn)室階段，主要通過(guò)刺激材料誘發(fā)被試的相應(yīng)情緒

26、狀態(tài)，而不同被試對(duì)于同一刺激材料的反應(yīng)也會(huì)存在一定的差異。如何從這種差異之間，尋找穩(wěn)定的情緒與腦電信號(hào)特征的對(duì)應(yīng)關(guān)系，從而消除目前研究中的個(gè)體差異性，是目前基于腦電的情緒識(shí)別亟需解決的一個(gè)具有挑戰(zhàn)性的問(wèn)題。結(jié)論剛剛接到畢業(yè)設(shè)計(jì)任務(wù)書時(shí)，我覺(jué)得一片茫然，因?yàn)轭}目中的內(nèi)容和涉及的方法都沒(méi)有接觸過(guò)的，對(duì)于這次設(shè)計(jì)的總體流程都不熟悉。后來(lái)，經(jīng)過(guò)在圖書館查閱資料和文獻(xiàn)后，我對(duì)于腦電波的基本情況、數(shù)據(jù)的采集和處理分析都有了初步的認(rèn)識(shí)，后來(lái)經(jīng)過(guò)老師和學(xué)長(zhǎng)學(xué)姐們的耐心指導(dǎo)，我了解了腦電波與情緒的關(guān)系和詳細(xì)情況。但這只是一些皮毛，為了更深入地了解，我認(rèn)真地閱讀相關(guān)的文獻(xiàn)，把專業(yè)名詞、方法的原理等弄懂。本設(shè)計(jì)通過(guò)

27、設(shè)計(jì)腦電波采集方案并采集數(shù)據(jù)，采用非參數(shù)譜估計(jì)法在MATLAB軟件上對(duì)數(shù)據(jù)分析，研究腦電在不同的情緒下的區(qū)別。經(jīng)過(guò)調(diào)研后，我基本了解了情緒與腦電波的生理關(guān)系，以及腦電數(shù)據(jù)采集過(guò)程，熟悉了非參數(shù)譜估計(jì)法的算法，對(duì)于本設(shè)計(jì)的大體思路：前期準(zhǔn)備采集數(shù)據(jù)數(shù)據(jù)分析得出結(jié)論，有了初步的想法，并對(duì)于數(shù)據(jù)采集方案有更深的認(rèn)識(shí)。目前的問(wèn)題主要是對(duì)采集數(shù)據(jù)儀器的操作不熟悉，今后得要多請(qǐng)教同學(xué)和老師，努力學(xué)習(xí)操作過(guò)程。另外，對(duì)于使用MATLAB軟件進(jìn)行數(shù)據(jù)分析，還需查找與非參數(shù)譜估計(jì)法的相關(guān)資料。盡管在本科期間學(xué)習(xí)的知識(shí)只是皮毛，但我仍會(huì)邊學(xué)邊思考，在設(shè)計(jì)的過(guò)程中不斷地增長(zhǎng)知識(shí)，并順利地完成畢業(yè)設(shè)計(jì)。參考文獻(xiàn)1李穎

28、潔,EEG腦電信號(hào)分析方法及其應(yīng)用,M,科學(xué)出版社,2009年,4-6. 2謝康,情緒音樂(lè)的腦電識(shí)別算法,D,成都,電子科技大學(xué),2013年,1-47.3聶聃,王曉韡,段若男,呂寶糧,基于腦電的情緒識(shí)別研究綜述,J.中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào),2012年8月,31卷4期:596606. 4顏松,魏建勤,汽車駕駛員瞌睡狀態(tài)腦電波特征提取的研究,J.中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào),2005年2月,24卷1期,110-114. 5張海軍,王浩川.多導(dǎo)聯(lián)EEG信號(hào)分類識(shí)別研究J.計(jì)算機(jī)工程與應(yīng)用 ,2008,24. 6Park H J, Oh J S, Automated sleep stage scoring us

29、ing hybrid rule-and case-based reasoning.Comput Biomed Res.2000,33(5):330-349. 7Pardey J,Roberts S,Tarassenko L,A review of parametric modelling techniques for EEG analysis.Med Eng Phys,1996,18(1):2-11. 8Bozdgan H.Model selection and Akailes information criterion（AIC）：the general theory and its anal

30、ytical extensions. Psychometrika ,1987,52(3):345-370. 9Lutzenberger W.Dimensional analysisof the human EEG and intelligence.Neueosci Lett,1922,143:10-14. 10Ttil T M,Saletu B,Davis S.EEG finding in chronic schizophrenics based on digital.Biol Psychiat,1972,5(1):1-13. 11Lei M,Wang Z Z,Feng Z J.Detecting nonlinearity of action surface EMG signal.Phys Lett A 2011.290(6):297-303. 12 A. Gerrards-Hesse, K. Spies, F. W. Hesse. Experimental inductions of emotional states and their effectiveness: areviewJ.British journal of psychology, 1994, 85(1): 55-78. 13James W. What i