三維重建,三維重構(gòu)

1、本科畢業(yè)論文(設(shè)計)調(diào)研報告題 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 電子信息工程 完成時間 2016年1月 本科生院制 1 / 1摘要三維重建是指對三維物體建立適合計算機表示和處理的數(shù)學(xué)模型,是在計算機環(huán)境下對其進行處理、操作和分析其性質(zhì)的基礎(chǔ),也是在計算機中建立表達客觀世界的虛擬現(xiàn)實的關(guān)鍵技術(shù)。在計算機視覺中, 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)驗知識. 而多視圖的三維重建(類似人的雙目定位)相對比較容易, 其方法是先對攝像機進行標(biāo)定, 即計算出攝像機的圖象

2、坐標(biāo)系與世界坐標(biāo)系的關(guān)系.然后利用多個二維圖象中的信息重建出三維信息。關(guān)鍵詞：計算機圖形學(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腦電信號的特點31.4基于腦電波的人體情緒分析的意義4第二章 設(shè)計中涉及的方法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 目前存在問題134.1

3、腦電信號的采集134.2真實環(huán)境對腦電信號的影響134.3個體差異性與共同模式13結(jié)論14參考文獻15-2-基于腦電波的人體情緒分析前言情緒是多種感覺、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。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，特別是與大腦皮層的活動密切先關(guān)。在產(chǎn)品開發(fā)的過程中，若產(chǎn)品能做到通過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，更加人性化；若醫(yī)院及其護理人員等通過病人的腦電波進行情緒分析，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，尤其是對于人-機交互接口模塊起到了理論指導(dǎo)意義。對于情緒的研究已久，使用的方法也各不相同。近年來，隨著腦電信號采集設(shè)備的應(yīng)用和推廣，信號處理和及其學(xué)習(xí)技術(shù)的快熟發(fā)展，以及計算機數(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)、計算機科學(xué)和人工智能等領(lǐng)域的一項重要的交叉學(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)域覺的熱門課題。在本文將對課題調(diào)研的內(nèi)容逐一介紹，在第一節(jié)就情緒、腦電波進行介紹，在第二節(jié)，介紹本設(shè)計會討論應(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)譜估計法等；在第三節(jié)，將介紹本次畢業(yè)設(shè)計的總體思路；

5、最后，我們會就本次設(shè)計存在的問題進行討論。 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)為情緒是人們對于自己身體所發(fā)生的變化的一種感覺，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)臟活動等。1885 年丹麥生理學(xué)家Lange也提出了類似的觀點。因此，后人把他們對情緒的研究統(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)生與人的生理活動聯(lián)系在一起，并提出了情緒產(chǎn)生的邊緣系統(tǒng)機制，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)的感覺信息在傳到丘腦后，

7、會向感覺皮層( 思維流) 和下丘腦( 感覺流) 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的信號和從感覺皮層傳來的信息時，便產(chǎn)生了情感體驗或感覺。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 理論將前人對于情緒的研究結(jié)果統(tǒng)合在了一起，為后人對情緒的研究奠定了基礎(chǔ)。盡管對情緒的定義至今尚未統(tǒng)一，還在進一步研究之中，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，特別是與大腦皮層的活動密切相關(guān)，這為通過研究大腦皮層的活動分析和識別人的情緒狀態(tài)提供了理論依據(jù)。1.2腦電的基本概念腦電信號是通過電極記錄下來的腦細(xì)胞群的自發(fā)性、節(jié)律性電活動。在這電現(xiàn)象伴隨著生命的始終，一旦死亡，電現(xiàn)象就會隨之消失。我們通常所說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)腦電時在沒有外界刺激下，由神經(jīng)元的自發(fā)活動產(chǎn)生，而誘發(fā)腦電時由外界刺激導(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、析的角度來說，EEG可被分為五種節(jié)律活動：節(jié)律（0.14Hz）、節(jié)律（48Hz）、節(jié)律(813Hz)、節(jié)律（1330Hz）和節(jié)律（30100Hz）。信號的帶寬為0.5100Hz，其幅值范圍通常是10100V。1.3腦電信號的特點（1）腦電信號非常微弱，并且受到多種噪聲的干擾。EEG的幅度為微伏(V)級，而肌電，眼電，心電都達到毫伏(mV)水平。一般的眨眼動作都會引入對腦電的干擾，因此腦電信噪比很低。腦電的采集和分析對放大器和濾波器的要求很高。（2）腦電信號是多維度，非線性，非平穩(wěn)隨機信號。腦電信號是同時采集于多個電極的時間序列信息，是個多維度信號，但是每個電極之間的信號可能存在冗余。腦電產(chǎn)于人

10、腦這個非線性系統(tǒng)，因此更適合使用非線性方法進行分析。腦電是一個非平穩(wěn)隨機信號，它的統(tǒng)計特性隨著時間不斷變化，所以腦電分析一般需要分段，以便分段后的信號可以當(dāng)作平穩(wěn)信號進行處理。（3）腦電信號具有很高的時間分辨率，在研究腦電不同節(jié)律的功能時具有獨特的優(yōu)勢。腦電的高時間分辨率彌補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，測謊，人機交互等工程領(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的未來得到廣泛的應(yīng)用。目前腦-計算機接口已經(jīng)涌現(xiàn)出了很多有效的應(yīng)用，如基于運

11、動想象的輪椅控制，基于腦電的情緒分析可以在現(xiàn)有腦-計算機接口技術(shù)的基礎(chǔ)上，進一步滿足殘疾人的某些更高級的需求，如對于患有特定疾病的殘疾人，可以通過腦電分析出其對事物的喜好度，比如餐食的選擇、電視節(jié)目的選擇和音樂的選擇等，從而設(shè)計出更加友善和更加智能的腦-計算機接口，達到更好的護理效果，提高殘疾人的生活質(zhì)量；對于高速鐵路和長途汽車司機來說，當(dāng)司機處于緊張，興奮，憤怒或焦躁等情緒時，發(fā)生事故的幾率會明顯上升。倘若利用腦電實時監(jiān)控司機的情緒狀態(tài)，并在司機出現(xiàn)不良情緒時發(fā)出警報，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)場上，通過在士兵頭盔中布設(shè)電極，開發(fā)出可以實時監(jiān)測士兵工作壓力的可移動系統(tǒng)，

12、從而指揮官可以通過該系統(tǒng)更好地了解士兵的狀態(tài)，更合理地分配士兵的任務(wù)；在遠程教育，通過基于腦電的情緒分析，教師可以遠程實時地了解學(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，以增強教育的人性化，使計算機作為媒介進行學(xué)習(xí)的功能達到最佳化。在各種人-機交互系統(tǒng)里，如果系統(tǒng)能通過腦電波分析出人的情緒狀態(tài)，人與機器的交互就會變得更加友好和自然。第二章 設(shè)計中涉及的方法在本設(shè)計中，無論在采集數(shù)據(jù)，還是在分析數(shù)據(jù)時，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，必須確保所采

13、集的數(shù)據(jù)僅對應(yīng)某一種情緒（興奮或平靜），因此被測試者在采集數(shù)據(jù)期間保持該情緒，誘發(fā)被測試者的情緒十分重要。在實驗條件下，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，由被測試者自身激活情緒，實驗者無需提供任何情緒刺激。例如在催眠狀態(tài)下，被測試者通過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。被測試者先被給予某種情緒暗示的指導(dǎo)語，再被提供情緒刺激?；蛘卟唤o予暗示指導(dǎo)語，只提供情緒刺激材料，如電影，圖片或音樂。或者模擬某種生活場景，給予被試積極或消極的反饋來誘發(fā)情緒。第三，通過改變生理狀態(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，被測試者保持情緒

14、平靜，先進行數(shù)據(jù)測量；隨后被測試者進行深呼吸，使大腦皮層興奮。在上述情緒誘發(fā)方法，第一種方法對于實驗人員要求過高，第三種方法存在安全隱患，第三種方法會由于個體差異而難以實現(xiàn)目的。其中第四種方法比較容易實現(xiàn)目的，而且能保證被測試者的安全。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。EEG的電極實際上是一種電壓傳感器，通過它來記錄頭皮上的電位變化。由于腦電信號十分微弱，獲取后必須通過放大器、濾波器和模/數(shù)轉(zhuǎn)換后才能轉(zhuǎn)換成計算機識別的腦電信號。經(jīng)過放大的信號還必須經(jīng)過濾波器的處理，濾波的目的在于對

15、該信號作數(shù)字處理前盡可能降低噪聲背景對信號的污染，改善信噪比，保留原信號的真實性。除此之外，信號預(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項，濾除非研究電生理信號產(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。而在腦電測試過程中，不可能停止這些組織和器官的生理活動，因此眨眼、眼動、舌動、心跳、呼吸、肌肉運動和汗腺興奮等，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（主要是眼動偽跡）的數(shù)據(jù)段，或者通過預(yù)處理方法去除腦電中的眼動偽跡。偽跡去除方法包括：偽跡減法、主成

16、分分析、獨立成分分析等。偽跡減法的基本假設(shè)是測量得到的EEG是真實EEG與偽跡的線性組合，EEG與偽跡不相關(guān)，而且偽跡可通過測量手段測得；主成分分析的基本思想是利用正交原理將原來的相關(guān)自變量變換為另一組相互獨立的變量，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選取主成分的模型參數(shù)進行估計，PCA在EEG各導(dǎo)聯(lián)分布的基礎(chǔ)上，把其信號分解為互相獨立的成分，去掉不需要的偽跡成分，再重構(gòu)EEG，以達到降噪的目的；理論上認(rèn)為腦電信號中的心動、眼動信號以及其他干擾源所產(chǎn)生的干擾信號都是由相互獨立的信源產(chǎn)生的，而通過獨立成分分析法分解便可以

17、提取出有用的腦電信號。2.3非參數(shù)譜估計法分析數(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個節(jié)律與人的各項生理活動有著密切的關(guān)系，因此，在提取腦電頻域特征時，很多學(xué)者會先將腦電信號映射到5個節(jié)律（頻段）上，再分析提取出各個頻段對應(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的基礎(chǔ)上。非參數(shù)譜估計法是頻域特征的一種方法，非參數(shù)估計法包括周期圖法（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

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。如果已知一個隨機信號的自相關(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，該隨機信號的傅里葉變換就是該隨機信號的功率譜密度函數(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，(式1)與(式2)等價。非參數(shù)譜估計法是根據(jù)（式1）與（式2）進行的。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)信號序列是有限長的，忽略（式2）求期望和取極限預(yù)算。無須計算自相關(guān)函數(shù)，而是直接將隨機信號進行傅里葉變換，然后取其幅值的平方，并除以N，即 （式3）當(dāng)數(shù)據(jù)長度足夠長

19、時，周期圖法的分辨率高，但估計性較差，方差不會隨數(shù)據(jù)的增長而減小。2.2.2平均周期圖法為了提高譜估計的性能，也就是使方差變小，用平均周期圖（也稱Barlett法）能達到改進的目的。將總長為的數(shù)據(jù)分為段，每段長度為，分別計算每一段的周期圖，然后進行平均： （式4）2.2.3相關(guān)圖法相關(guān)圖法是先由序列估計出自相關(guān)函數(shù)，然后對求傅里葉變換，便得到的功率譜估計，即數(shù)據(jù)長度是有限時，根據(jù)（式1）得到相關(guān)圖譜估計： （式5） 式中，表示自相關(guān)函數(shù)的估計，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)計通過調(diào)研，以及了解到的相關(guān)資料和知識，我對于本設(shè)計的流程

20、有了初步的認(rèn)識，根據(jù)我的設(shè)計思路，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)計流程圖3.1前期準(zhǔn)備工作為了確保采集工作的順利進行，以及保證所采集數(shù)據(jù)的科學(xué)性。在進行腦電波數(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所說的情緒誘發(fā)方法，指導(dǎo)被試驗者按照指定的呼吸頻率進行呼吸。（2） 邀請數(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)的人員必須熟悉機器操作，確保腦電波采集順利進行。3.2數(shù)據(jù)采集及預(yù)處理數(shù)據(jù)的采集和預(yù)處理過程是整個設(shè)計最關(guān)鍵的步驟，若有差池，實驗必

21、須重做。因此，在數(shù)據(jù)采集和預(yù)處理過程中要注意：（1） 在采集數(shù)據(jù)前，被測試者保持平靜。（2） 被測試者佩戴好測試儀器后，進行試驗，被測試者在相應(yīng)的時間上表現(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進行。（4） 每個被測試者都要進行多組數(shù)據(jù)的測試，且相鄰兩次測試之間要相隔30分鐘以上，以保證下一次測試數(shù)據(jù)前，被測試者保持平靜。3.4 數(shù)據(jù)分析程序編寫 本設(shè)計采用的軟件工具為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)譜估計法求出功率譜、計算平均功率譜密度，其中，非參數(shù)譜估計法又分為兩種方法進行，具體流程如下圖4所示：開始數(shù)據(jù)導(dǎo)入以時間為依據(jù)，將整組數(shù)據(jù)

22、根據(jù)不同狀態(tài)進行截取，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)下的時間序列分別進行傅里葉變換不同狀態(tài)的序列分別求出功率譜計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)計采用非參數(shù)譜估計法（詳見2.3）對實驗所得的腦電波數(shù)據(jù)進行分析，采用的軟件工具為MATLAB 2010b。使用非參數(shù)譜估計法分析出不同狀態(tài)（興奮或平靜）下，不同頻帶的功率譜計算出被測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表現(xiàn)出被測試者的狀態(tài)。每個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()為波單個頻帶的平均功率譜密度，G()為波單個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 目前存在問題雖然近年來基于情緒的腦電波分析研究已經(jīng)有了比較大的進展，但多數(shù)研究還處在實驗室階段，離實際應(yīng)用尚有相當(dāng)距離，主要存在下列問題有待解決。4.1腦電信號的采集傳統(tǒng)腦電采集方式通常采用濕電極技術(shù)，被試者在進行腦電采集前，必須涂抹導(dǎo)電介質(zhì)，以克服角質(zhì)層對腦電信號采集的影響。該過程需

24、要在外人輔助下進行，時間花費較長，而且導(dǎo)電介質(zhì)的性能也會隨時間變化。如果采集時間過長，導(dǎo)電介質(zhì)的導(dǎo)電性會下降甚至消失，使采集到的腦電信號出現(xiàn)失真，從而影響腦電信號的采集質(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題。但是，目前干電極腦電采集技術(shù)對在毛發(fā)區(qū)域采集到的腦電信號還不是很穩(wěn)定，需要進一步改進。另外，由于腦電信號十分微弱，因此在采集過程中，必須通過高放大倍數(shù)的放大器對腦電信號進行信號放大。目前商業(yè)化的腦電信號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放大器，可以有效解決放大器體積過大問題，但是成本仍然較高，離實用化

25、還有一定的距離。4.2真實環(huán)境對腦電信號的影響由于腦電信號在采集過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一種噪聲或幾種噪聲有效。而在實際應(yīng)用中，由于現(xiàn)實環(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中的偽跡。另外，在實際應(yīng)用中，基于腦電的情緒識別要求在線處理，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，對于偽跡去除算法的時間復(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個體差異性與共同模式由于腦電信號在信號表征的過程中具有一定的個體差異性，且目前的研究還基本處在實驗室階段，主要通過刺激材料誘發(fā)被試的相應(yīng)情緒

26、狀態(tài)，而不同被試對于同一刺激材料的反應(yīng)也會存在一定的差異。如何從這種差異之間，尋找穩(wěn)定的情緒與腦電信號特征的對應(yīng)關(guān)系，從而消除目前研究中的個體差異性，是目前基于腦電的情緒識別亟需解決的一個具有挑戰(zhàn)性的問題。結(jié)論剛剛接到畢業(yè)設(shè)計任務(wù)書時，我覺得一片茫然，因為題目中的內(nèi)容和涉及的方法都沒有接觸過的，對于這次設(shè)計的總體流程都不熟悉。后來，經(jīng)過在圖書館查閱資料和文獻后，我對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，后來經(jīng)過老師和學(xué)長學(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，把專業(yè)名詞、方法的原理等弄懂。本設(shè)計通過

27、設(shè)計腦電波采集方案并采集數(shù)據(jù)，采用非參數(shù)譜估計法在MATLAB軟件上對數(shù)據(jù)分析，研究腦電在不同的情緒下的區(qū)別。經(jīng)過調(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)采集過程，熟悉了非參數(shù)譜估計法的算法，對于本設(shè)計的大體思路：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，并對于數(shù)據(jù)采集方案有更深的認(rèn)識。目前的問題主要是對采集數(shù)據(jù)儀器的操作不熟悉，今后得要多請教同學(xué)和老師，努力學(xué)習(xí)操作過程。另外，對于使用MATLAB軟件進行數(shù)據(jù)分析，還需查找與非參數(shù)譜估計法的相關(guān)資料。盡管在本科期間學(xué)習(xí)的知識只是皮毛，但我仍會邊學(xué)邊思考，在設(shè)計的過程中不斷地增長知識，并順利地完成畢業(yè)設(shè)計。參考文獻1李穎

28、潔,EEG腦電信號分析方法及其應(yīng)用,M,科學(xué)出版社,2009年,4-6. 2謝康,情緒音樂的腦電識別算法,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,基于腦電的情緒識別研究綜述,J.中國生物醫(yī)學(xué)工程學(xué)報,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.中國生物醫(yī)學(xué)工程學(xué)報,2005年2月,24卷1期,110-114. 5張海軍,王浩川.多導(dǎo)聯(lián)EEG信號分類識別研究J.計算機工程與應(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