论文部分内容阅读
脑机接口是指不依赖于脑的外周神经和肌肉组成的正常传输通路,而与计算机或者其他电子设备进行通信和控制的设备。它的实质是通过脑电信号来推断人的目的或想法,进而实现人与机器之间的交流。脑机接口技术为那些身体具有严重运动障碍但是思维正常的人提供了一种语言交流与环境控制的手段,帮助他们拥有一个比较正常的生活方式。本文重点介绍了脑电信号的模式识别技术,通过对脑电信号特征的了解,选择小波变换算法对脑电信号进行特征提取,由于提取出的特征维数较高,继续使用主成分分析(PCA)算法对特征进行降维,然后对降维后的信号使用线性判别(LDA)方法进行分类。本文在深入了解小波变换算法后,首先,对小波变换Mallat分解算法分别在Matlab及QuartusⅡ上实现；其次,在Matlab上实现PCA算法及LDA算法,得到训练样本均值矩阵、找到使分类效果最好的PCA维数及其所对应的PCA投影矩阵,并找到分类时的LDA投影方向及判别阈值；再次,将Matlab里得到的训练样本均值矩阵、PCA投影矩阵和LDA投影方向矩阵的乘积固化到Rom中,在FPGA上实现PCA、LDA算法并检验设计正确性；最后,将FPGA上实现的Mallat分解算法和PCA算法、LDA算法进行融合,使整个系统做到FPGA实现。本设计硬件部分采用Altera公司的QuartusⅡ作为开发软件,采用瑞泰公司的ITETEK-EP2C35-A开发板作为硬件平台进行实现。应用的FPGA芯片型号为EP2C35F484C8,下载方式采用了JTAG方式。最后,通过对系统的调试,实现了在ITETEK-EP2C35-A开发板上对思维脑电的识别。通过实验表明,本次设计的脑电信号分类系统在硬件上的识别率为92.31%,具有一定的稳定性和实用性。