簡易檢索 / 詳目顯示

回結果列表
研究生： 楊孟蓉
Yang, Meng-Rong
論文名稱： 基於P300腦波辨識系統軟硬體實現之研究
Software/hardware implementation of P300-based classification system
指導教授： 黃文吉
Hwang, Wen-Jyi
學位類別： 碩士
Master
系所名稱： 資訊工程學系
Department of Computer Science and Information Engineering
論文出版年： 2016
畢業學年度： 104
語文別： 中文
論文頁數： 48
中文關鍵詞： 腦波擷取 、P300 、類神經網路
DOI URL： https://doi.org/10.6345/NTNU202204234
論文種類： 學術論文
相關次數： 點閱：54  下載：6 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 本論文希望能研究出一套適用於商業化發展之腦波擷取與分析之系統，其中包括擷取腦波、分析腦波、與腦波分類，其中在腦波資料較少的情況下我們希望能實做出快速分類腦波的硬體電路， 使用廣義迴歸類神經網路(GRNN)來做分類，因其不需要太多資料即可做出很好的分類結果，然而腦波一次分析的資料量龐大，希望能加速GRNN分類之運算，故以硬體實作GRNN法則。硬體實作方面採用浮點數運算，以增加硬體電路運算之精準度，而GRNN分類結果在軟硬體實作上皆有良好之分類準確率。而實驗結果顯示軟體與硬體運算結果雖然有些微的誤差，但分類結果一致。本論文的研究目的為開發出一套能方便且快速應用P300腦波的系統，以期能用於特殊病患與外界溝通之用。

    中文摘要 I 目錄 III 圖目錄 IV 表目錄 V 第一章 緒論 1 第一節 研究背景與動機 1 第二節 研究目的與方法 3 第三節 全文架構 5 第二章 基礎理論與文獻探討 6 第一節 P300腦波與Oddball實驗之介紹 6 第二節 類神經網路介紹 11 第三節 GRNN (General Regression Neural Network) 介紹 15 第四節 GRNN演算法則 16 第三章 系統架構 22 第一節 研究流程 22 第二節 腦波擷取系統與腦波分類之軟體實作 26 3.2.1腦波擷取 27 3.2.2腦波分析 30 第三節 硬體電路架構 33 3.3.1 模式 (Pattern) 單元 35 3.3.2總和 (Summation) 單元 36 第四章 實驗數據與效能分析 37 第一節 開發平台與實驗環境 37 第二節 實驗結果與效能分析 38 第五章 結論 46 參考文獻 47

    [1] A. Eklund. T. E. Nichols. H. Knutsson. Cluster failure: Why fMRI inferences for spatial extent have inflated false-positive rates, Neuroscience, 113(28): 7900–7905. Jul 2016.
    [2] J. K. Olofsson. S. Nordin. H. Sequeira. J. Polich. Affective picture processing: An integrative review of ERP findings. Biol. Psychol., 77, 2008, 247–265
    [3] L.A. Farwell. S.S. Smith. "Using brain MERMER testing to detect knowledge despite efforts to conceal." J Forensic Sci 46 (1): 135-143 Jan 2001.
    [4] 王婉茹, 多通道行動與無線EEG系統之新式設計,國立交通大學電控工程所,2011
    [5] BRAIN RHYTHM INC. Available online: http://www.bri.com.tw/index.html
    [6] 孫光天、汪昌賢、曾瑞敏、連悅珊, 運用 P300 訊號於偵測大腦印象之研究, 2008年台灣國際醫學資訊聯合研討會
    [7] Y.C. Tung. and W.J. Hwang. and C.H. Ho. A Novel QoS Mapping Algorithm for Heterogeneous Home Networks Using General Regression Neural Networks, IEEE 17th International Conference on Computational Science and Engineering, 2014, 519-526
    [8] Polat, O. Yildirim, T. FPGA implementation of a General Regression Neural Network: An embedded pattern classification system. Digital Signal Process. 2010, 20, 881–886.
    [9] Z.C. Fan. and W.J. Hwang. Efficient VLSI Architecture for Training Radial Basis Function Networks,sensors,2013
    [10] C.A. Joyce. I.F. Gorodnitsky. and M. Kutas. Automatic removal of eye movement and blink artifacts from EEG data using blind component separation, Psychophysiology,2004
    [11] Altera Floating-Point IP Cores User Guide,2014
    [12] Documentation: Quartus II Development Software. Available online: http://www.altera.com/ ,2015
    [13] OpenSesame tutorials. Available online: http://osdoc.cogsci.nl/
    [14] S. Amiri. A. Rabbi. L. Azinfar. and R. Fazel-Rezai. A Review of P300, SSVEP, and Hybrid P300/SSVEP Brain- Computer Interface Systems, ISBN: 978-953-51-1134-4, InTech. chap.10 ,2013
    [15] Electroencephalography Wikipedia. Available online: https://en.wikipedia.org/wiki/Electroencephalography
    [16] Event-related potential Wikipedia
    [17 ] EEGLAB toolbox

    下載圖示
    QR CODE