小波变换在MEG场源定位中的应用

基于小波变换的多分辨率分析，利用阈值化概念，本文提出了脑磁场源定位分析中的一种降噪方法。用本方法对实验中所检测的由声音产生的脑磁信号进行处理，降噪效果明显，定位精度由几十毫米提高到几毫米，尤其在对原始信号进行低次数平均的情况下，本降噪方法更具优越性。     

脑磁图的基本原理和应用

脑磁图是用超导量子干涉磁强计检测人脑外部的微弱磁场的一种技术。本文简述了ＭＥＧ的基本原理。磁场源的模型是一对电流偶极子，确定它的位置可以精确到几个毫米，ＭＥＧ记录在分辨以不同的激发电势产生的磁源时是非常有用的。它还可以作为研究敏感区域受激发和自发的活动的一个有用的离体工具。在不久将来，当具有几十个传感器的多通道超导量子干涉磁强计能普通地使用时，ＭＥＧ的应用将会增长，脑磁图将可能会成为研究治疗精神病     

采用Fisher线性判别分析进行MEG信号的分类

脑磁图(MEG)具有比脑电(EEG)信号更高的时空分辨率,可以作为输入信号建立脑-机接口系统.提出一种脑磁图的特征提取和分类方法,首先对MEG信号进行预处理,然后提取时域特征,最后采用Fisher线性判别分析进行分类.将该算法用于2008年脑-机接口数据竞赛的数据集Ⅲ,该数据集为一个典型的采用MEG信号的脑-机接口系统.离线分析结果表明,该算法取得了很好的分类准确率,对两个测试者(S1和S2)的分类正确率分别为5946%和4324%.与其他方法相比,该方法简单有效,运算速度快,具有较高的参考价值.     

基于相关维数的磁刺激穴位脑功能网络构建与分析

针灸经临床实践已证明其疗效,然而其作用机制仍不清楚,磁刺激穴位为研究针灸理论提供了一种新的方法.本研究采集安静状态和磁刺激内关穴(PC6)状态的脑电(EEG)信号,基于非线性动力学特征(相关维数)和互信息方法构建脑功能网络,基于复杂网络理论对所构建脑功能网络进行分析,对比分析了安静和磁刺激两种状态下的脑功能网络的拓扑性质.实验结果表明,基于磁刺激内关穴构建的脑功能网络与安静状态相比,其拓扑结构发生了改变,网络连接增强,信息传输效率提高,并且"小世界"属性增强.     

基于希尔伯特-黄变换的小鼠脑电信号相关性分析

研究了小鼠脑电信号的分离问题。由于小鼠脑电信号是由多种不同波段的信号混迭而成的,且不同波段的信号是非平稳、能量差距很大的随机信号,因此对这些脑电信号的分离非常困难。先使用主成分分析(PCA)方法将信号的主要成分提取出来,然后再使用独立成分分析(ICA)在频域上对脑电信号进行分离。接着对分离的脑电信号δ波进行希尔伯特-黄变换。利用希尔伯特谱得到信号的瞬时频率信息,发现δ波的瞬时频率在某些时刻相对于其他时刻非常大。将这些瞬时频率出现异常的时刻,与呼吸信号的波峰出现的时刻进行相关性分析,得出呼吸信号与脑电信号中的δ波显著相关。     

IVMD降噪下的磁梯度张量系统集成校准方法

磁梯度张量系统（MGTS）经过校准能够减小传感器系统误差、阵列非对准误差和载体磁干扰误差，但磁测信号常受到环境电磁场、地磁脉冲信号等噪声的干扰，使得系统校准精度受限。为此，提出了在独立变分模态分解（IVMD）降噪下的MGTS集成校准方法。首先，进行旋转采样获得足量磁场矢量信号，并合成为总场强度和方向信号以避免降噪失真；然后，利用谱循环相关系数对信号进行端点延拓以抑制端点效应，对合成信号进行变分模态分解（VMD），并对主分量进行核独立成分分析（KICA），进一步消除噪声和模态混叠；最后，利用集成补偿和旋转对准（ICRA）方法的一步校准系统，消除系统误差、非对准误差和硬软磁干扰的影响。实测表明，相较于ICRA直接校准，该方法在室内电场环境中将张量分量均方根误差（RMSE）由近100 nT/m约束在5.6 nT/m内；在磁性目标定位实验中，定位距离均方根误差由0.157 m减小至0.066 m。     

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.     

小波变换在视觉诱发电位信号提取中的应用

在基于视觉诱发电位脑机接口研究中，需要在强噪声背景下迅速准确地提取出微弱的视觉诱发电位信号。对信号进行小波分解，分析诱发电位信号及噪声在不同尺度上的分布特点，选择诱发电位信号能量相对集中且能较好反映信号主要特征的频带设计了小波时频滤波器。小波时频滤波器结合少量次累加平均，可提高信噪比，提取出视觉诱发电位信号。实验表明，平均刺激9-20次就能提取出信号。本方法能准确快速地提取出有明显特征的诱发电位信号，有利于提高脑机接口通信速度及正确率。     

手指按键相关脑磁图信号的功能源提取

独立分量分析(ICA)可用于分离多通道脑磁图信号(MEG)中的信号源。基于约束ICA的思想,通过在ICA模型中加入能够反映事件相关皮层神经活动特征的功能约束条件,实现了一种脑磁逆问题的解决方法,即功能源提取(FSS)方法。文中利用该方法对一例手指按键诱发MEG信号进行功能源提取,结果表明功能源位置位于对侧中央前回皮质运动区,且通过验证功能源提取所得到的分离向量与SAM法计算得到的空间滤波器系数间的相关性,验证了所提取的功能源有效。同时,功能源提取方法所提供的神经活动源的时域与频域信息,为在大量样本中探索大脑对手指运动控制的时间演化机制奠定了基础。     

基于格兰杰因果关系的磁刺激内关穴脑功能网络的研究

磁刺激具有有效、无痛、无损伤、易于重复和操作简便等显著的优点,在中枢神经功能检测和神经功能恢复等方面具有广泛的应用价值.穴位是中医针灸调控神经系统由体表刺激到体内的切入点,对研究大脑调控机制和疾病的治疗有重要意义.本研究利用格兰杰因果关系构建基于磁刺激内关穴（PC6）的脑电（EEG）信号的脑功能网络,探究大脑的因果关系变化规律,并对比分析了安静和磁刺激两种状态下的脑功能网络的拓扑性质.研究表明,磁刺激内关穴前整个大脑系统的信息流向是平衡的,而磁刺激内关穴后额叶区的格兰杰因果关系的强度增加,且信息流向主要由额叶流向枕叶.顶叶区C4介数中心性强度显著提高.网络的传输效率提高,网络的"小世界"属性增强.     

基于近似熵快速算法的静息态脑磁信号分析

为了探究静息态精神分裂症患者脑磁信号的非线性动力学特性,提出了一种将小波变换和近似熵相结合的特征提取方法.该方法首先通过小波变换,将10个正常人和10个精神分裂症患者的脑磁信号进行6层小波分解,提取对应于脑磁信号θ波段和α波段的小波系数,继而计算和比较两类人近似熵的分布情况.实验结果表明,相同情况下精神分裂症患者MEG信号的各脑区和各通道间的近似熵都普遍高于正常人,α波段的额叶和中央区域尤为突出.该结果为进一步研究患者MEG信号特征进而建立相应的分类诊断模型提供了思路.     

甲基葡萄糖苷钻井液研究

以廉价的淀粉代替葡萄糖作为主要原料 ,直接与甲醇反应合成了甲基葡萄糖苷 (MEG) ,并对合成样品的部分理化性能、在粘土上的吸附规律、生物降解特性以及对岩心半透膜效率的影响规律等进行了测定。用合成的甲基葡萄糖苷配制了淡水、盐水和饱和盐水 3种钻井液配方 ,并对 3种配方的常规性能、高温性能、抗污染性能和活度进行了室内评价。结果表明 ,用淀粉合成的甲基葡萄糖苷 ,在理化性能上与用葡萄糖制备的试剂样品接近 ,用其配制成的钻井液具有活度低、高温稳定性好、流变性易调整和抗污染能力强等特点 ,且具有改善页岩膜效率的作用 ,无毒 ,易生物降解 ,是理想的环保型钻井液体系。     

硫酸工业中重金属对环境影响的研究

硫酸是重要的工业原料,但硫酸及其生产过程中产生的重金属对环境的影响却鲜为人知。为了查明硫酸工业中主要重金属的来源,影响以及不同制酸工艺产生的危害差异,我们对辽宁省主要生产硫酸企业进行了调研,并应用美国环境保护局工业环境实验室推出的“多介质环境目标值(MEG)”综合环境评价法,对原料中重金属的含量进行了数学模型的分析。     

表达HIV-1复合多表位基因的p815细胞稳定株的建立和评价

建立稳定表达HIV-1p24MEG复合多表位基因的p815细胞克隆.设计引物,以HIV-1标准株全长cDNA序列为模板,PCR扩增获得p24基因片段;合成改造后的多个表位基因MEG并且与p24片段相连接,克隆入pcDNA3.1(+).在阳离子聚合物作用下重组真核质粒转染的p815(H-2d)细胞, 以G418压力筛选,RT-PCR检测mRNA表达,间接免疫荧光检测蛋白表达.通过PCR获得了HIV-1 p24片段,获得了与多表位基因连接后的p24MEG融合基因,成功构建了p24MEG基因的重组真核表达载体pcDNA3.1(+)/p24MEG.转染p815细胞后, RT-PCR检测到融合蛋白mRNA表达,间接免疫荧光显示 p815细胞内有融合蛋白的表达.结论:建立了稳定表达HIV-1p24MEG融合蛋白的p815细胞克隆,为评价多表位抗原p24MEG在BALB/c小鼠体内诱导的细胞免疫应答奠定基础.     

一种面向物联网的轻量级入侵检测方法

为了适应实时性强、资源有限类物联网应用的需求,提出一种相对于传统入侵检测方法能明显减少计算量的轻量级入侵检测方法.在训练过程中先对样本进行K-means聚类,使类内数据之间的距离最小、相似度最大;然后逐个对聚类结果进行主成分分析(principal component analysis,PCA),去除无关并保留相关性大的特征,构成该类的特征集;在检测过程中比较测试数据与训练过程中各聚美中心的欧式距离,选取最小距离对应的聚类中心,并将测试数据划归到该中心对应的聚类中;利用该类的特征集与测试数据中对应维度的数据对比来进行入侵检测,若比较结果超过阈值则报警,否则予以通过.仿真实验结果表明,该方法在明显缩短检测时间的同时,检测率可达96.8％.     

基于mcODM-STA的风电机组变桨系统故障诊断

针对风力发电机组变桨系统故障诊断模型参数难以优化问题,提出了基于状态转移算法优化多类最优间隔分布机(multi-class Optimal Margin Distribution Machine optimized by the State Transition Algorithm,mcODM-STA)的风电机组变桨系统故障诊断方法.该方法选择风电机组功率输出作为主要状态参数,利用Pearson相关系数对风电数据采集与监视控制系统中风电机组历史运行数据进行相关性分析,剔除与功率输出状态参数相关性较低的特征,对余下特征进行二次分析,减少样本特征.将数据集分为训练集和测试集,训练集用来训练所提故障诊断模型,测试集用来进行测试.利用国内风电场实际运行数据进行实验验证.实验结果表明,与其他多种参数优化方法相比,所提方法故障诊断准确率和Kappa系数更高.     

基于深度小波自动编码器和极限学习机的轴承故障诊断

针对原始振动数据无监督特征学习问题,提出了一种深度小波自动编码器(deep wavelet automatic encoder,DWAE)与鲁棒极限学习机(extreme learning machine,ELM)相结合的滚动轴承的智能故障诊断方法。首先,利用小波函数作为非线性激活函数设计小波自动编码器从而有效地捕获信号特征。其次,利用多个小波自动编码器构造一个深度小波自动编码器来增强无监督特征学习能力。最后,采用鲁棒极限学习机作为分类器,对不同的轴承故障进行分类识别。用该方法对实验所得的轴承振动信号进行对比分析,结果验证了该方法能够在原始振动数据无监督特征学习的条件下该方法优于传统方法和标准深度学习方法。