题名 | 基于EEG的3D视疲劳机制与建模方法研究 |
作者 | 岳康 |
答辩日期 | 2019-12 |
文献子类 | 博士 |
授予单位 | 中国科学院自动化研究所 |
授予地点 | 中国科学院自动化研究所 |
导师 | 王丹力 |
关键词 | Eeg 视疲劳 卷积神经网络 Cnn |
学位专业 | 计算机应用技术 |
英文摘要 | 3D显示技术能够极大的提升用户的观看体验,因而具有巨大的发展潜力和广阔的市场前景。然而,观看3D内容时出现的诸如头晕、恶心、出汗、呕吐等视疲劳症状严重影响了用户体验,并逐渐成为3D产业发展普及的瓶颈。因此,研究3D视疲劳评估方法,实现对3D视疲劳的准确、合理评估具有重要的现实意义,并逐渐成为学界研究的一个热点问题。在这些研究中,EEG以其包含丰富、全面的用户生理信息受到了广泛的关注。本文针对现有研究的不足,围绕基于EEG的3D视疲劳机制分析与建模方法开展了一系列的创新研究。论文的具体工作如下: (1)针对当前基于EEG的视疲劳研究中缺乏相关机理研究的现状,提出使用改进的视差诱发电位技术对同3D视疲劳相关的大脑区域进行分析定位的方法。设计并实施视疲劳诱发实验,通过对信号进行时域、时频域分析,分别研究了潜伏期、振幅以及功率等EEG特征同3D视疲劳之间的关系。确定了同3D视疲劳相关的DVEP成分在大脑中的位置。通过综合分析已有文献,从解剖学角度给出受3D视疲劳影响的双目视觉信息处理过程。 (2)针对多级视疲劳分类中的类别不均衡现象,提出使用观看时长代替3D 视疲劳等级作为特征选取的依据。设计并实施基于随机点立体图的视疲劳诱发实验。通过对信号进行频域以及定位分析,研究EEG功率同观看时长之间的关系,并对关联的头皮及大脑区域进行定位。 (3)针对传统分类方法中过度依赖分类特征的现象,研究基于深度学习技术的3D视疲劳评价方法。通过文献调研,综合分析基于EEG的深度学习算法给出其优缺点,确定相应的基线方法。研究基于深度学习框架的多尺度EEG时-频-空间特征抽取方法,确定抽取对应特征的网络结构并构建网络模型。通过同基线方法对比,验证提出模型的有效性,并给出相应分析。研究基于EEG的深度学习模型可视化方法,对所提出网络进行可视化验证。 |
语种 | 中文 |
页码 | 134 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/28366] |
专题 | 自动化研究所_复杂系统管理与控制国家重点实验室_复杂系统研究团队 |
推荐引用方式 GB/T 7714 | 岳康. 基于EEG的3D视疲劳机制与建模方法研究[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 2019. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论