基于运动想象的双脑脑机接口系统设计与鼠标控制应用

脑机接口是在大脑与外部设备之间建立的直接交流通道,是脑科学的重要研究领域。目前,单被试脑机接口研究已经较为成熟,关于双脑协作的脑机接口研究还比较少。本文设计实现了一种基于运动想象的双脑协作在线脑机接口系统,利用两套脑电放大器、协同控制技术实现了系统的硬件平台搭建。算法控制部分采用信息论特征提取算法,选取共空间模式的最优空域模式和支持向量机分类,实现了双脑协作控制鼠标移动并到达指定目标。本文采用初始位置到目标位置的实际步长与理论最短步长比评价系统性能,4组(8人)的平均步长比值为1.32。研究提供了一种双脑协作脑机接口的设计方案,可用于协同控制多维度目标、提高信息传输速率、研究脑间同步、团队决策等方面的关键技术,为脑机接口进一步发展提供了新思路。     

混合MIMO-相控阵雷达目标高分辨成像

为了兼顾相控阵雷达成像和多输入多输出雷达成像的优势，提出一种基于混合MIMO-相控阵技术的多目标高分辨成像方法。将传统MIMO雷达中的每个单阵元发射天线都用一个工作在混合MIMO-相控阵模式的发射阵列（TA）来代替，每个TA根据目标数量和目标方向划分为多个子阵（SA），每个SA内部阵元工作于相控阵模式并形成指向某个方向目标的发射波束，而各个SA之间发射彼此正交的波形，从而工作在MIMO模式。对各SA的回波信号进行波束形成处理以获得更高的信噪比和信干比增益。在此基础上，结合字典优化、正交匹配追踪和参数化稀疏表征方法，分别提出单次快拍高分辨成像和多次快拍高分辨成像方法。仿真结果表明:所提方法能够获得更好的成像性能和成像实时性。     

基于粗大误差灰色判别的泰勒级数展开振源定位搜索算法

在利用搜索算法进行振动目标定位时,由于环境复杂性和干扰源频发性,导致时延差测量的一致性差,甚至出现粗大误差,且粗大误差出现的概率急增,而粗大误差的出现严重影响搜索算法的精度和收敛速度.针对这一问题,提出了一种基于粗大时延误差灰色判别和泰勒级数展开的定位搜索算法.算法根据灰色绝对关联度和信号的信噪比确定各个传感器的信度,然后从多个传感器中选择3个信度高的传感器进行定位,估计出振源坐标的初值,据此计算出各传感器的时延差,并与测量时延差作差值,得到多传感器的时延误差序列,再利用粗大误差灰色判别规则,判断并剔除粗大时延误差,最后,利用泰勒级数展开迭代搜索法确定振源位置.该算法能有效提高搜索速度和定位精度,增强了抗干扰能力.     

基于时延差特征参数判别的牛顿迭代振源定位搜索算法

 时差定位系统的定位精度, 主要受时间差测量和传感器几何分布的影响。由于受环境的复杂性、目标的移动性和定位的实时性制约, 时延差准确与否一直是困扰研究人员的问题。本文提出一种基于信号特征参数判别的时延差误差估计方法, 应用该方法分别对牛顿迭代搜索定位算法的搜索初值和结束条件进行了改进:首先利用各传感器的特征信息, 确定各传感器信号的信度;其次, 选择3 个可信度高的传感器进行目标定位, 其结果作为牛顿迭代搜索的初值, 避免了传统方法确定初值的复杂繁琐的计算;第三, 将各传感器的信度作为牛顿迭代搜索结束条件的权值, 使得结束条件更合理、更贴近实际。实验证明了本算法定位精度高、鲁棒性强。