阅读量：

234

作者：

任泓锦

展开

摘要：

在人类心理学的发展历程中,情绪的产生和调控的机制等一系列问题始终是心理学研究的热点问题.而在脑机接口(Brain Computer Interface,BCI)的研究中,如何寻找高精度的脑信号特征并降低被试自身因素对实验准确性带来的影响是BCI研究者一直在探索的问题.对这情绪和脑机接口的研究,也是对人类对大脑的探索.在探索的过程中,脑电(Electroencephalogram,EEG)和近红外光谱(Near-Infrared Spectroscopy,NIRS)这两种现代神经影像学成像方法的结合可以为我们提供更多有价值的结果.本文在已有情绪研究的基础上通过EEG与NIRS融合的方法,研究情绪调节的机制.在预实验阶段选取15名被试,建立情绪诱发素材库,设计视频,音频及自我想象三种情绪诱发实验.将被试的θ节律和α节律的功率谱能量作为训练特征,使用支持向量机(Support Vector Machine,SVM)对结果进行学习和分类,得到的"悲伤","高兴"和"恐惧"三种情绪的分类准确率为70.8%,83.3%和76.4%.在情绪调节实验中,另选15名被试,在视频诱发出恐惧情绪后,完成不同情境下对恐惧情绪的调节任务.我们使用分型布朗运动模型(Fractal Brownian Motion,fBM)计算额区通道的Hurst指数后发现,恐惧情绪所引起的脑电活动变化,是不断衰减的,恐惧情绪调节的过程会引起θ和α节律的能量的降低,但若被试所处环境改变则会对其降低速率产生影响.在BCI的应用研究中,我们通过对20名被试单眼稳态视觉诱发电位(Steady state visual evoked potential,SSVEP)控制多机器人协同任务的数据进行分析,得到双眼和优势单眼SSVEP控制的平均准确率分别为82.85%和87.40%,准确率随实验时间的增长而减少.本研究显示,对于传统SSVEP刺激范式长时间单眼SSVEP机器间协作任务控制的准确率可以满足基本控制要求,被试双眼视力差值较大时会降低SSVEP控制的准确率.同时我们也对基于EEG-NIRS融合的运动想象(Motor Imagery)BCI做了初步的研究,结果表明EEG的θ节律结合NIRS在运动区的含氧血红蛋白浓度(HbO)的变化,可以作为该类BCI的分类特征.

展开

学位级别：

硕士

学位年度：

2019