基于灰色系统理论的脑电特征提取

提出了脑电特征提取的一种新方法。研究了灰色模型在自发脑电特征提取中的应用，同时给出了脑电信号特征提取的总体方案。研究结果表明，在脑电信号处理中使用灰建模方法提取脑电特征是可行和有效的，同时该方法也为进一步的脑功能模式识别研究提供了初步的理论基础。     

睡眠剥夺对脑认知和脑电复杂性的影响

为研究睡眠对大脑功能的影响，考察了正常睡眠与睡眠剥夺情况下脑认知能力的变化，分析了两种状态下自发脑电和事件相关电位复杂性的差异．通过事件相关电位P300的潜伏期与幅度反映不同状态下的脑认知能力，采用小波熵方法分析其复杂性．实验采用数字脑电图仪记录19导脑电信号，用OB序列诱发视觉事件相关电位．结果发现，睡眠剥夺组的靶刺激反应时间明显增长，而P300幅度显著降低、潜伏期明显增加；小波熵分析结果表明，与正常睡眠组比较，睡眠剥夺组自发脑电的256点小波熵和事件相关电位的32点小波熵均值都显著降低．故得出结论：睡眠剥夺对人的认知和脑电复杂性均产生了负向影响．因此，睡眠对维持大脑的功能具有重要作用．     

移动的字符和字符串诱发的脑电位的特点及意义

通过字符和字符串相对于视线的移动，模拟了人类阅读时视线相对于字符和字符串移动的过程，记录了模拟过程中单个字符和处在字符串不同位置的字符诱发的脑电位，发现位于字符串内的字符在该过程中移动不产生诱发的脑电位成分。     

基于小波熵的网络成瘾脑电复杂性分析

通过考察青少年网络成瘾患者的脑电复杂性参数即小波熵及其脑电信息图,分析网络成瘾患者与正常人的差异,试图揭示网络成瘾对患者大脑产生的影响,并为网络成瘾综合症的诊断提供依据．分别采集9名网络成瘾者（实验组）和9名正常受试者（对照组）在上网前后的自发脑电,然后对其进行小波熵及其脑电信息图分析．结果发现网络成瘾患者上网前的自发脑电的小波熵值明显低于正常组上网前的自发脑电小波熵值（P〈0．05）,但上网40min后,其脑电小波熵值明显升高（P〈0．05）,此时与正常组无显著性差异;而正常组受试者上网前后的脑电小波熵值没有显著性的差异（P〉0．05）．此结果证实了网络成瘾患者在上网前,其脑电复杂性较低,大脑活动水平较低,而通过网络可以唤起其大脑的活动,因此小波熵值可以作为网络成瘾综合症诊断的客观指标之一．     

基于自适应L滤波器的脑事件关联电位单次提取

提出了一种基于自适应L滤波的脑事件关联电位单次提取方法。将背景噪声看成一系列起伏状脉冲,利用零交叉方法估计各单次记录信号中噪声的脉冲宽度,取其最大值作为基准参数,自适应地动态确定各单次滤波时所用窗口的大小。在窗口大小确定后,对各单次记录到的信号进行L滤波处理。实验所采用的刺激方式为视频奥德勃（odd-ball)模式,直接对直接数据进行处理。将实验结果与普通叠加平均结果及原始单次记录进行了对比,结果表明脑事件关联电位单次提取效果良好,所提出的方法对噪声的分布和平稳性没有特殊要求,因而具有较强的适应性和稳健性。     

基于奇异值分解的脑电信号去噪方法

指出了对脑电观测数据进行去噪从而提取出诱发脑电信号是临床和实验中的前沿技术之一。目前常用的平均方法需要比较多的实验次数，为缩短实验次数需要采用一些新的技术和方法．对奇异值分解方法在脑电信号去噪中的应用进行了研究．提出了3种具体的去噪算法，并给出了应用这3种算法对具体的脑电测量数据进行噪声去除的实验结果．分析实验结果表明：奇异值分解方法对脑电信号进行去噪有助于减少提取诱发信号所需的实验次数．     

脑电逆问题中求逆方式与信号去噪的研究

提出了一种空间总集全局寻优的求逆方式，改进了在脑电逆问题的研究中，传统的时空全局寻优求逆及静态求边方式的不足。为了能够利用单次或少量几次刺激对脑电诱发响应信号进行定位求逆，提出了空间因子求逆方式及相关噪声抵消法，有效地消除了脑电诱发响应中强背景噪声的影响。仿真研究表明，利用这些方法，在信噪比为－１０ ｄＢ的情况下，仍能对诱发响应信号进行准确的定位和提取。     

基于ICA与小波阈值的癫痫脑电信号去噪方法

在癫痫性发作的自动检测中,脑电信号的去噪对检测结果起着至关重要的作用。文中提出了一种新的基于ICA与小波阈值的癫痫脑电信号去噪方法。该方法首先利用ICA将多通道癫痫脑电信号分解为若干独立分量;其次基于独立分量与脑电信号间的夹角余弦识别含噪独立分量并用小波阈值对其去噪处理;最终,在去噪后的癫痫脑电信号与原始癫痫脑电信号中提取样本熵作为脑电特征,并结合超限学习机完成癫痫性发作的自动检测。实验结果表明,在去噪后癫痫脑电信号上的分类性能均优于原始癫痫脑电信号,该文所提方法一定程度上达到了自动去除脑电噪声的效果。同时,该方法避免了去噪过程中对噪声人工辨别及干净参考噪声选取等问题。     

基于小波消噪和盲源分离的脑电信号处理方法

针对脑电信号中噪声及夹杂的眼电、心电等伪迹,采用小波分解重构消噪和基于熵估计的RADICAL算法进行消除.对3路脑电观测信号进行小波消噪和白化处理后,通过雅可比旋转矩阵分别对其中的两两组合信号用RADICAL算法进行分离,得出最优分离矩阵完成盲源分离,并引入互相关系数、矩阵相关系数验证算法的有效性.实验结果表明:源信号...     

基于小波变换的脑电噪声消除方法

分析了基于传统陷波器的脑电消噪方法,根据脑电噪声所处频带及陷波器原理,设计了一种陷波器.并提出了基于小波变换的脑电信号分析方法并利用它来消除脑电信号中的噪声干扰.小波变换是一种多分辨率的时间-尺度分析方法,它能够将信号划分为不同频段的子带信号.根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果.最后对这两种方法的消噪结果进行比较.分析表明:利用小波变换能更有效、灵活地检测并去除脑电信号中的噪声干扰.     

脑电生物反馈对认知和脑功能的影响

脑电生物反馈是通过一系列训练步骤来控制、调节身心机能的一种方法.脑电生物反馈训练可以调整唤醒水平、促进技能发展和提高任务表现.作为一种有效的训练工具,脑电生物反馈在临床、艺术和运动科学领域有广泛应用.综述了脑电生物反馈在实践中的运用,探讨了脑电生物反馈的神经机制及其对认知和脑功能的影响,并对该领域的未来研究趋向作了分析.     

利用边界元法求解脑电正问题和高分辨脑电

利用边界元法求解脑电正问题和高分辨脑电,分析了边界元法计算带有高电阻率颅骨区域脑电正问题存在的缺陷,给出了解决该问题以及提高计算精度的方法.利用边界元所给出的场域边界和分界面上场量的约束关系,实现了一种由头皮电位推算皮层电位的高分辨脑电计算方法.通过多层球模型的仿真计算与实际解析解进行比较,验证了所提出的方法在一定条件下能够取得较高的计算准确度.     

基于脑电的无创脑机接口研究进展

 脑机接口在脑与外部环境之间建立一种全新的不依赖于外周神经和肌肉的交流与控制通道，从而实现脑与外部设备的直接交互。脑电因具有非侵入式、易于使用及设备价格低廉等特点而被广泛应用于脑机接口。本文回顾了基于脑电的无创脑机接口的研究历史，从脑机接口的类型、应用及面临的挑战3个方面综述了脑机接口的研究现状，并展望了脑机接口的未来发展前景。     

40HZ脑电信号检测理论在脑电混沌态分析中的应用

在脑电信号的混沌态分析中引入阵发性４０ＨＺ脑电信号检测理论，用以判断受试者是否合作，并决定可用于混沌状态分析的数据段，文中对阵发性４０ＨＺ脑电依赖从理论、检测方法的实现、实际应用等几个方面进行了讨论。     

基于样本熵的注意力相关脑电特征信息提取与分类

提出一种用样本熵作为特征进行注意力相关脑电信号的分析与分类处理、并采用支持向量机(SVM)算法实现分类器的方法.7位年龄在20~30岁之间的男性受试者接受了执行3种不同注意任务状态下的测试.数据分析结果显示:样本熵分类法对注意任务相关脑电信号分类的正确率可达85.5%,优于传统频段能量法获得的分类精度(77.9%).这个结果暗示了样本熵能有效地识别出自发脑电中注意力相关信息,因而它可在脑电生物信息反馈治疗系统设计中获得广泛的应用.     

三维脑电时-空模式识别系统的研究

结合时间和空间信息的脑电模式分析是近年来脑研究的一个重要课题.文中提出了一个多方法分层次的脑电时-空模式分析系统.系统包含了任务响应提取,颅内电流分布聚集,脑电自适应分段和时-空模式识别等几个步骤.综合运用了共空域子空间分解(CSSD),隐Markov模型(HMM)等多种现代信号处理方法.还提出了一种获取高空间分辨三维脑电的LORETA-FOCUSS算法,并将脑电微状态分析由二维推广到三维脑电的情况.将该系统运用于脑机接口(BCI)问题,对两类肢体想像动作的脑电数据在未经任何人工筛选的情况下进行了分析,识别率最高可达到88.89%,平均为81.48%.结果证明脑电时-空模式分析是脑研究的一种有效途径.     

脑机接口技术研究方法

脑机接口（BCI）是一种基于脑电信号实现人脑与计算机或其他电子设备通讯和控制的系统，它不依赖人体的外周神经神经系统及肌肉组织，是一种新的人机接口方式，在康复医学和控制等领域有应用前景，近年来，脑机接口技术发展迅速。概述了采用事件相关电位P300、稳态视觉诱发电位（SSVEP）、事件相关同步或去同步9ERS／ERD）皮层慢电位（SCP）、自发EEG信号、植入电极等实现脑机接口技术的研究方法，讨论和比较了各种研究方法的特点和局限，介绍了脑机接口的发展现状和存在的问题，并对其应用前景进行了展望。     

驱动人体下肢运动的脑肌电相干同步方法

针对驱动下肢运动中脑肌电信息不同步现象导致的脑肌电融合识别稳定性差等问题，提出一种结合多元自回归(mvAR)模型及最大化相干性法则的驱动下肢运动脑肌电相干性分析及信息同步化方法。首先根据驱动下肢运动中神经冲动传导机制及运动控制原理，进行驱动下肢运动脑肌电产生原理及信息不同步现象分析；其次，引入多元自回归模型，以下肢稳态力输出状态下的多次实验多通道脑肌电作为模型输入，迭代得到基于高维模型拟合的脑肌电时频相干性结果；再次，确定显著相干频率及时刻，并利用最大化相干性法则将脑肌电时延量化，实现脑肌电同步；最后，搭建下肢稳态力输出脑肌电同步采集和下肢运动意图识别实验平台并进行方法验证。实验结果表明，在下肢稳态力输出过程中，脑肌电相干性在beta频段呈现显著相干，各受试者左右腿脑肌电时延分布于10～40 ms之间，其中左腿平均时延为(23.3±11.4) ms,右腿平均时延为(19.8±4.8) ms,使用抵消时延后的脑肌电融合识别下肢运动意图准确率有部分提升，可有效同步脑肌电中的驱动下肢运动信息，同时提升脑肌电融合识别稳定性。     

脑电深、浅层偶极子源的一种分离方法

从头皮测到的脑电信号中把由深层源和浅层源产生的部分分离开，并根据深层源产生的部分观察大脑内部深层的电活动细节，在理论和临床上都有重要意义。通过分析比较深、浅脑电偶极子在头皮一组电极上所产生脑电的空间频率，提出了利用脑电的空间高频分量定位浅层源，进而把浅层源产生的电位从脑电中分离出去的方法，并且将Ｍａｒ－ｑｕａｒｄｔ优化算法由空域推广到了空间频率域。仿真实验表明利用高频分量在空频域求逆可以较准确地定位浅层源，从而有效地把浅层源和深层源的贡献区分开来。     

基于脑电Alpha波的脑-机接口控制实验

对脑电alpha波阻断现象的识别提取与家用电器遥控装置的结合进行了研究，以探索实时脑机接口（brain-computer interface，BCI）系统的可行性．对5～12名受试者进行睁闭眼实验并记录其动态脑电数据，提取alpha波阻断现象发生过程的关键参数．在实时操作平台上对受试者进行4组遥控器按键操作的组合实验，以考察系统的响应速度与指令传递的准确率．总结出了Alpha波阻断现象对应的阈值电压经验计算公式，并建立了以最大噪声背景电平作为甄别开关动作真伪的判据原则．结果显示该系统具有较高的控制成功率和稳定性，表明实时脑机接口系统具有潜在的临床应用价值与研究前景.