实弹射击瞄准期间大脑alpha波频段功率特性研究

目的：在实弹射击条件下,研究瞄准期间脑电信号（EEG）中alpha波频段的功率特性,及其与射击成绩的关系。方法：采用Holter-16D便携式脑电信号放大器,采集参加全国司法警察大比武陕西代表队选拔集训的法警在射击训练中的EEG,通过功率谱分析和时频分析,得到被试alpha主频（IAF）、左右颞区alpha波段功率差值。结论：1.在静息态时,射击运动想象时所运用的alpha波类型划分方法不能完全适用于实弹射击前的静息态中。2.在实弹射击瞄准期间,左右脑alpha波频段功率偏差值与alpha波集中于左颞区的趋势呈正相关。3.在实弹射击中,瞄准期间左右脑alpha波频段功率偏差值与射击成绩呈正相关。     

基于欧式空间-加权逻辑回归迁移学习的运动想象EEG信号解码

基于脑电图（Electroencephalography,EEG）信号的运动想象（Motor Imagery,MI）意图识别是脑机接口（BrainComputer Interface,BCI）研究中的重要问题.然而,EEG信号存在严重的个体性差异,不同被试之间的EEG信号特征空间分布差异很大,不同被试之间的分类模型不能通用.针对这一问题,提出一种基于欧式空间的加权逻辑回归迁移学习方法,算法首先将不同被试的EEG数据进行欧几里得空间对齐,使各信号更加相似,减少差异性,然后计算特定被试共空间模式（Common Spatial Pattern,CSP）获得不同的特征值,并计算这些特征值的KL(Kullback-Leibler)散度,进而利用KL散度调整迁移学习的加权逻辑回归算法,得到分类模型.实验结果表明：对于BCI竞赛IV中的数据集2a,提出的方法可以极大地提升BCI的学习性能,算法分类准确率比基线算法（线性判别分析）高出15%.在数据样本增多的情况下,被试的分类准确性也得到了明显的提升,和同类算法相比,分类准确率提升4%,说明提出的算法能进一步提高BCI的学习性能,改善分类模型的通用性问...     

低信噪比多径-信道下的OFDM带宽自动估计

针对低信噪比多径-信道条件下正交频分复用(OFDM)信号带宽估计精度低的问题,提出一种基于小波变换的OFDM信号带宽自动估计方法。首先利用修正周期图法(Welch法)得到信号瞬时功率谱,通过多次观察测量并对功率谱曲线进行统计平均。然后对功率谱曲线进行连续小波变换,计算小波变换后时间-尺度平面上同一时间不同尺度能量累计曲线,提取曲线局部峰值位置,进而估计信号带宽。实验仿真结果表明：在不同多径信道且信噪比为-10dB条件下,估计偏差均不超过1.2%,准确度优于传统方法,且鲁棒性较强。     

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。     

一种新型结合下肢动觉运动想象和视觉运动想象的脑机接口

基于运动想象（Motor Imagery,MI）的脑-机接口（Brain-Computer Interface,BCI）是一类重要的BCI,传统的MI方式是动觉运动想象（Kinesthetic Motor Imagery,KMI）,较少采用视觉运动想象（Visual Motor Imagery,VMI）.提出一种KMI与VMI混合的BCI并评估其性能.共招募12名被试参加离线与在线实验EEG(Electroencephalogram)数据采集,离线实验先以KMI方式分别进行屈膝和伸膝,然后分别以KMI,VMI和VKMI三种方式行走,由离线分类精度与三种不同方式想象行走的脑激活程度确定在线实验方案.提取EEG幅值包络线特征,并采用朴素贝叶斯分类器、二次线性判别和决策树进行在线分类,验证系统性能.溯源分析表明,使用新的想象方式进行行走想象时,运动皮层的激活时长高于VMI,体感皮层的激活时长高于KMI,混合的想象方式可能更有利于促进这些脑区的可塑性. 12名被试在线测试三分类的平均准确度达到63.29%±0.09%,平均卡帕系数为0.45±0.13.该研究可望为未来研发下肢运动功能障碍康复训...