脑机接口在康复医疗领域的应用研究综述

脑机接口(brain-computer interface,BCI)是在大脑与外部设备之间建立的不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的一种人机交互技术,为肌肉或神经末稍受损的患者提供新的人机交互手段.作为智能康复机器人研究的方向之一,BCI在康复治疗和运动辅助中具有重要的研究价值,并在神经康复、功能假体辅助以及神经状态监控等方面取得了许多突破性进展.基于已有的研究,概述了BCI的基本原理及类型,归纳了BCI在康复医疗中的应用类型,探讨了制约BCI技术推广的主要问题,并展望了该技术的发展方向.     

脑-机接口中小波和小波包方差的特征比较

针对两种不同意识任务的脑-机接口设计,提出了以方差作为特征的方法和以分类速率作为评价标准之一的新方法.首先深入研究了小波理论,分析了小波包分解中存在的频带交错现象,然后以小波系数和小波包系数的方差作为特征,对C3,C4导联脑电信号分别进行两种特征的提取,最后采用线性支持向量机作为分类器进行分类.结果表明,两种特征对应的最大分类正确率均达到了86.43%,对应时间分别为4.32和4.31 s.因此,以小波方差和小波包方差作为特征是完全可取的;分类速率的提出能同时反映分类正确率和分类时间,为大脑意识任务分类提供了新思路.     

碳纤维板-混凝土界面黏结性能的试验研究与有限元分析

碳纤维板与混凝土的界面黏结性能是碳纤维加固混凝土结构的关键性能之一,对加固结构的力学行为和破坏形态等有着重要影响.进行了4个试件的碳纤维板-混凝土黏结双面剪切试验,研究了设置不同粘贴长度的试件的界面力学行为和破坏模式,分析了黏结长度对界面极限承载力和应力分布的影响.试验结果表明:加载点附近应力远大于端部应力,板端黏结界面剪应力沿板长方向大致呈指数衰减分布.在试验研究基础上,在ANSYS中采用正交弹簧单元组模拟界面黏结,建立了试件的有限元模型,并采用试验分析得到的局部黏结滑移曲线关系作为有限元模型中的界面弹簧单元刚度,计算发现有限元分析结果和试验结果比较吻合,从而验证了本文有限元模型的有效性.以本文试验得到的黏结滑移曲线关系为基础,通过拟合得到了基于几种经典黏结滑移本构形式的界面本构模型.试验及有限元分析表明:当拉伸应力超过碳纤维板强度的24%时,碳板已开始从混凝土表面剥离.为保证充分利用碳纤维板的强度,应采用可靠锚具对碳纤维板进行锚固.     

间断界面上挥发性污染物传质研究

为研究间断界面动力学特性对挥发性污染物在间断界面上传质的作用,在 VOF 方法基础上,建立了忽略化学反应的挥发性污染物三维瞬态水气耦合迁移模型;在模型求解过程中,考虑水气大密度差的作用,提出全量限定离散格式。结果表明：乙醇溶液传质的数值计算结果与试验结果吻合较好;初始能量越高的水流,遇到障碍物后间断程度越高;间断程度的提高促进了挥发性污染物界面传质过程;高频水波带动空气中污染物迁移,空间上污染物浓度的波动频率随间断程度的增高而增高。     

非线性界面动力学影响下颗粒增长的界面稳定性

研究了一个带有非线性温度依赖界面动力学的颗粒生长数学模型,分析颗粒界面的演化及其形态稳定性.利用渐近展开方法,获得颗粒生长的渐近解以及界面扰动的变化率.当界面动力学增加时,界面动力学过冷减小,颗粒增长速度也减小,非线性温度依赖界面动力学使得颗粒界面生长倾向于稳定.与忽略界面动力学的情形比较,非线性界面动力学显著减弱了球颗粒的生长速度.     

运动想象脑机接口的判别迁移特征学习与分类

为了解决不同时间采集的运动想象脑电数据之间存在的分布差异,避免跨时段使用前长时间的重校准步骤,提出了一种基于判别迁移特征学习（discriminative transfer feature learning, DTFL）的运动想象分类方法。DTFL通过联合匹配源域和目标域之间的边缘分布和类条件分布来减少域间的差异,同时最大化类间距离和最小化类内距离来保留类判别信息,从而提升对运动想象的分类性能。基于DTFL的运动想象分类方法无需目标域脑电样本的类别信息,可以有效避免长时间的校准。在脑机接口竞赛数据集上的实验结果表明,DTFL显著优于其他迁移学习方法,有效缓解跨域分布的不一致性,提高了运动想象的分类正确率。     

基于遗传算法和概率神经网络提高脑机接口中脑电信号识别率

针对脑机接口（BCI）研究中存在脑电信号（EEG）识别率低的问题,提出一种基于遗传算法（GA）和概率神经网络（PNN）的GA—PNN识别方法．用该方法对EEG提取时频特征,构成模式识别的初始特征．以训练样本识别正确率为适应度函数,采用GA对初始特征进行组合优化．基于优选后的特征,用PNN对测试样本进行分类．该方法使EEG识别正确率达到92．499／5,与2003年BCI国际竞赛最好的处理结果（88．7％）相比,提高近4％,为BCI中EEG的识别提供了有效的手段．     

P300的BCI汉字在线输入系统

针对在P300的脑-机接口(BCI)汉字输入系统中输入速度较慢的问题,开发了一套新型的汉字拼音输入在线脑-机接口系统.用户界面中设计新型的二级选择模式,减小了用户在实验中的视角转移,并且将自然语言处理(NLP)技术用到此系统中,可以使此套在线系统的正确率和速度都有所提高.实验结果表明:此改进的P300-BCI系统汉字输入速率可达1.37 字·min^-1,有效地提高了汉字的输入速率;随着用户使用次数增多,系统的效果会进一步得到提高,用户与外界交流将会更加方便快捷.     

采用频带能量进行ECoG信号的特征提取

对于典型的采用皮层脑电图的脑-机接口系统,测试者想象左手小手指或舌头运动,提出了采用频带能量的特征提取方法.首先,把频带能量作为特征,进行导联的选择,从64导联中获取特征最明显的11导进行分析;然后采用频带能量进行皮层脑电图信号的特征提取,并利用主分量分析进行降维;最后采用Fisher线性判别分析进行两类意识任务的分类.离线分析结果表明,该方法对测试数据取得了很好的分类准确率.     

运动想象脑机接口系统的Petri网建模方法

针对脑机接口(BCI)中的共享控制问题,提出一种BCI系统的Petri网建模方法.首先,将共享控制策略与BCI系统的内外部信息相结合,构建运动想象BCI系统的Petri网模型,描述系统的运行状态,分析和改进共享控制策略.然后,加入控制库所描述系统的外部输入,并通过合成Petri网的方法简化Petri网的建模过程.结果表明:所提方法能够正确地演化BCI系统的运行过程,提高BCI系统的适用性,可用于设计、验证和执行共享控制策略.