基于安卓平台的脑感音乐播放器设计

论文总字数：27965字

摘 要

脑机接口(BCI)是在大脑与外部设备之间建立的直接的交流通道，脑电(EEG)是脑机接口常用的途径。本文利用Mindwave Mobile作为脑电传感器，在安卓平台上实现可以感知用户脑部状态并控制音乐播放的播放器软件。

本文对国内外现有的基于便携式脑电传感器的脑机接口做了回顾，总结了现状和挑战。深入研究了Mindwave Mobile输出信号的特点，运用支持向量机(SVM)、状态机等技术设计了具有异步性、多分类、鲁棒性的脑机接口方案。编写了脑电模型生成器和脑感音乐播放器这两个安卓应用并对软件进行了测试。测试结果表明脑感音乐播放器可以根据用户的状态控制音量加减与歌曲切换，平均每分钟可执行4.2个正确操作。

本文的结果表明，即使只使用单电极(导联)脑电信号，也可以实现具有异步性、多分类、鲁棒性的脑机接口。这意味着低成本脑机接口具有实用性，有望在广大残疾人士中推广应用。

关键词：脑机接口(BCI),异步,Mindwave Mobile,安卓,脑电(EEG)

DESIGN OF BRAIN-SENSITIVE MUSIC PLAYER BASED ON THE ANDROID PLATFORM

Abstract

Brain-computer interface(BCI) is the direct communication channel between brain and outer device. Electroencephalography(EEG) is widely used in BCI systems. In this thesis, a brain-sensitive music player software is implemented on the android platform, using Mindwave Mobile as the EEG sensor.

In this thesis, present BCI systems based on portable EEG sensor are reviewed. Signals from Mindwave Mobile are investigated. An asynchronous multi-class robust BCI solution is composed by support vector machine(SVM) and state machine. Two android applications -- an EEG model generator and a brain-sensitive music player -- are developed and tested. Test results indicate that the brain-sensitive music player can control volume and toggle songs according to the brain state of the user. On average, 4.2 operations can be executed in one minute.

The result of this thesis proves that an asynchronous multi-class robust BCI can be realized by using single-channel EEG signal, which means that low-cost BCI devices are useful and promising to popularize among the disabled.

KEY WORDS: brain-computer interface(BCI), asynchronous, Mindwave mobile, Android, Electroencephalography(EEG)

目 录

摘要 ………………………………………………………………………………………I

Abstract …………………………………………………………………………………II

1. 绪论 ………………………………………………………………………1

1.1 脑机接口的背景与意义 …………………………………………………1

1.2 基于便携式脑电传感器的脑机接口研究现状与挑战 …………………1

1.3 论文的主要内容和研究意义 ……………………………………………2

1. 脑电信号的采集与初步分析 ……………………………………………4

2.1 脑电信号的采集 ……………………………………………………………4

2.2 脑电信号的显示 ……………………………………………………………4

2.3 脑电信号的记录 ……………………………………………………………6

2.4 脑电信号的初步分析 ………………………………………………………7

2.4.1 静坐发呆时的脑电信号 ……………………………………………7

2.4.2 闭眼冥想时的脑电信号 ……………………………………………9

2.4.3 其他动作/状态的脑电信号 ………………………………………9

1. 脑机接口方案设计 ………………………………………………………11

3.1预处理模块的设计 ………………………………………………………11

3.2分类识别模块的设计 ………………………………………………………13

3.3播放控制模块的设计 ………………………………………………………15

1. 基于安卓平台的脑感音乐播放器的实现 …………………………………17

4.1脑电模型生成器的实现 …………………………………………………17

4.1.1需求分析 ……………………………………………………………17

4.1.2详细设计 ……………………………………………………………18

4.1.3测试结果 ……………………………………………………………21

4.2脑感音乐播放器的实现 …………………………………………………23

4.2.1需求分析 ……………………………………………………………23

4.2.2详细设计 ……………………………………………………………24

4.2.3测试结果 ……………………………………………………………26

1. 总结与展望 …………………………………………………………………28

致谢 ……………………………………………………………………………………29

参考文献(References) …………………………………………………………………30

1. 绪 论

1.1脑机接口的背景与意义

随着脑科学和信息技术的发展，脑机接口(BCI)逐渐成为了研究热点。脑机接口是在大脑与外部设备之间建立的直接的交流通道^[1]。脑机接口获取脑部活动信号的途径主要脑电图(EEG)、脑磁图(MEG)、正电子发射断层扫描(PET)，功能性磁共振成像(fMRI)和光学成像等，不过目前使用最多的途径是EEG，因为EEG相比其他途径具有价格低和体积小的优势，且EEG具有较短的时间常数，通信速率较高^[2]。通过对脑电信号特征提取、模式识别，可得到脑部活动的分类。将不同脑部活动的类别映射成不同的指令，即可对外界(机器)发送信息、进行操控。

剩余内容已隐藏，请支付后下载全文，论文总字数：27965字