基于脑电alpha波的便携式脑-机接口系统研究

对基于脑电alpha波的服务机器人控制方法进行了研究,并在前期采用计算机的脑-机接口系统研究基础上,设计了一种面向服务机器人的便携式脑接口系统.该系统选用脑电alpha波作为控制信号,用数字信号处理器替代已有系统中的计算机,实现了脑接口系统的集成化和便携化.最后,通过实验验证了系统的有效性和易操作性,为进一步研究开发能实时控制服务机器人完成更为复杂任务的脑.机接口系统提供了技术基础.     

基于功率谱估计和神经网络的脑-机接口研究

脑-机接口是一种不依赖于正常的由外围神经和肌肉组成的输出通路的通讯系统。利用功率谱和神经网络对不同意识任务的脑电信号进行分类。首先对脑电信号进行预处理和基于MUSIC算法的功率谱,提取脑电信号功率谱值作为特征,然后利用LVQ网络对两类不同意识任务进行分类。仿真试验表明,该方法取得了很好的分类效果,而且分类速度非常快。     

基于独立分量分析的脑电消噪与特征提取

先简要介绍了独立分量分析的基本思想及算法，再将其应用于脑电信号的消噪和思维脑电的特征提取两个方面，实验结果表明：ICA可以将脑电信号中包含的心电（ECG），眼电（EOG）等多种干扰信号成功地分离出来，另外，通过使用ICA方法对进行不同心理作业的脑电信号进行分析处理后，发现了与心理作业相对应的脑电独立分量特征，这些稳定的独立分量特征将可以为心理作业的分类和脑-机接口技术（BCI）提供新的实现方法。     

类比构思人类"脑操作系统"的发展阶段--信息与语言新角度初探智力之谜

大脑思维被比拟计算机的信息加工过程,西方认知科学家认为计算机操作系统与位于脑的高级部位的意识之间存在着紧密的联系,但未有更多学者从这方面去深入探索问题.借助计算机操作系统发展历史的新认识,强调从操作系统软件可以固化到芯片硬件的深层意义上,着眼从信息与其载体的内在关系,尝试由一个新视野去探索人类思维的产生;大胆建构人类"脑操作系统"的若干个发展阶段;推论大脑意识中的语言亦可相似于操作系统中不同级别的计算机语言.脑操作系统、脑语言和意识表达三者应有的相关的发展阶段.进一步提出人类意识的脑语言发展过程的级别结构第一级别为可遗传的颜面自我认识语言;第二级别为需要学习的时序管理语言;第三级别为群体思想交流语言--这后一个才是人们一般观念中的"语言".     

复杂脑网络研究进展——结构、功能、计算与应用

对复杂脑网络的研究现状进行综述性介绍。首先回顾复杂网络和脑网络的基本概念,然后分别介绍基于结构性连接、功能性连接、和因效性连接而建立的3种不同类型的脑网络,进一步讨论了关于结构性脑网络和功能性脑网络之间关系的研究,以及基于计算模型的脑网络研究,之后重点介绍复杂脑网络的两个重点应用,即在脑相关疾病和认知神经科学方面的研究现状,最后对脑网络的未来研究方向进行了讨论。     

脑电信号频带能量特征的提取方法及分类研究

研究了基于运动想象脑电信号脑-机接口的特点,根据事件相关去同步和事件相关同步现象对GRAZ大学提供的想象左右手运动时的脑电数据进行μ节律和β节律处的频带能量提取,针对频带能量特征提取过程中滑动时间窗口长度往往依据经验选择的缺点,提出使用交叉验证的方法对最佳滑动时间窗口的长度进行选择,通过对比几种分类器的分类结果,得出在窗口长度为2s时使用支持向量机分类器可以获得最佳分类效果,对训练数据集的平均分类识别正确率最大可以达到91.4%,而在该窗口长度下对测试数据集的最大分类正确率为87.9%,最大互信息0.56bit,表明该频带能量特征提取方法结合支持向量机分类器比较适合于BCI的研究。     

基于脑信息特征的大学生心理问题判断模型

利用RBF神经网络提出了一种基于脑信息特征的大学生心理问题判断模型.采用脑信息特征检测方法对180名临床诊断为有心理问题的大学生和300名心理正常的大学生进行了测试,并对测试的数据进行了脑信息特征提取.然后根据提取的脑信息特征及其他数据,利用RBF神经网络,建立了心理问题的判断模型和结合专家经验的两阶段判断方法.237名测试样本的实验结果表明正确率可达85.1%,因此该判断模型是可行的.     

基于自适应遗传算法的脑电信号特征选择

针对脑机接口(BCI)研究中脑电信号的特征选择问题,本文提出了一种自适应的遗传算法(AGA).它与标准遗传算法(SGA)的区别在于对交叉和变异概率进行自适应选择.在SGA中,采用固定的交叉和变异概率,因而容易造成早熟和局部收敛; 而AGA对两种概率的自适应选择保留了种群的多样性,并且有利于全局收敛.为检验提出方法的有效性,将其与基于SGA的特征选择方法以及基于Fisher距离的滤波选择方法进行了比较,实验结果表明AGA的分类精度明显高于其它方法,获得了最好的模式识别性能.     

基于Matlab交流异步电机矢量控制系统的仿真建模

在分析交流异步电机数学模型的基础上,提出了交流异步电机控制系统仿真建模的新方法。在Matlab/Simulink中,建立独立的功能模块,如电机本体模块、矢量控制模块、速度控制模块、电流滞环控制模块等,再进行功能模块的有机整合,搭建交流异步电机控制系统的仿真模型。系统采用双闭环控制:速度环采用PI控制,电流环采用电流滞环控制。仿真结果证明了该方法的合理性、有效性,为实际电机控制系统的设计和调试提供了新的思路。     

一种快速的脑电信号特征提取与分类方法

在脑机接口研究中,针对两种思维任务的特征抽取和分类,提出一种以通道信号在两种类别下均值之间的欧式距离为特征,用阈值判定进行任务分类的方法;采用BCI2003竞赛数据,分析了该方法的实验背景和理论依据,并将分类精度与竞赛的最好结果进行了比较;表明了所提出方法运用在实际系统中的有效性和优越性。     

多模索引调制OFDM频谱及能量效率优化方案

为提高多模索引调制正交频分复用的能量效率(energy efficiency, EE)与频谱效率(spectrum efficiency, SE),提出优化方案和相应检测算法。该方案在不减小子块间最小欧式距离的前提下通过增加模式排列的种数使系统传递的索引信息量增加,从而提升系统SE。此外该方案引入空载模式使得部分信息的传输无需消耗能量,从而提升系统EE。同时提出改进的低复杂度最大似然检测算法以降低模式排列的检测复杂度。分析模式排列数及空载模式对误比特率(bit error rate, BER)性能的影响,并据此对引入空载模式后的多模式星座进行优化。仿真结果表明,优化方案的EE和SE都有所提升,且BER性能更优。     

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。     

OQAM/OFDM系统中改进的重叠选择性映射方法

重叠选择性映射(overlapped selected mapping, OSLM)是用于降低基于交错正交幅度调制的正交频分复用系统(offset quadrature modulation/orthogonal frequency division multiplexing, OQAM/OFDM)峰均比(peak-to-average ratio,PAPR)的技术。在对传统OSLM方法进行分析的基础上,为了进一步降低系统的PAPR,针对其在传输过程中需要耗费额外频谱来传递边带信息的问题,提出了改进的OSLM方法。该方法通过改变特定位置相位旋转因子的模值,从而在接收端确定边带信息,节省了OQAM/OFDM系统中的频谱资源,进而降低了系统的PAPR。仿真结果表明,在相同信道且子载波数量较多的条件下,该方法能够进一步降低系统的PAPR,同时又不会导致误比特率明显提升。     

基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。     

强化学习中的策略重用:研究进展

策略重用(policy reuse,PR)作为一种迁移学习(transfer learning,TL)方法,通过利用任务之间的内在联系,将过去学习到的经验、知识用于加速学习当前的目标任务,不仅能够在很大程度上解决传统强化学习(reinforcement learning,RL)收敛速度慢、资源消耗大等问题,而且避免了在...     

Integration-centric approach to system readiness assessment based on evidential reasoning

An integration-centric approach is proposed to handle inadequate information in the system readiness level (SRL) assessment using the evidential reasoning (ER) algorithm. Current SRL assessment approaches cannot be applied to handle inadequate information as the input. The ER-based approach is proposed to synthesize inadequate input information and an integration-centric perspective is applied to reduce the computational complexity. Two case studies are performed to validate the efficiency of the proposed approach. And these studies are also performed to study how the inadequate information will affect the assessment result. And the differences caused by the system’s structure. The importance of the system’s structure in the SRL assessment is demonstrated and the contributions made in this study are summarized as conclusions.     

外部型硬件进化方法研究

外部型硬件进化(Extrinsic EHW)是将硬件描述语言(HDL)与进化算法(EA)结合起来的硬件进化(EHW)方法。在简要介绍了EHW的基本概念和工作原理的基础上，针对外部型硬件进化的基本方法，通过实验分析指出了这类方法存在的问题，阐述了在电子设计自动4g(EDA)平台上实现Extrinsic EHW方法必须解决的核心问题。     

HLA时间管理算法中输出时间的研究

时间管理服务是高层体系架构HLA(High Level Architecture)的重要组成部分.GALT(Great Available Logical Time)算法是实现时间管理服务的关键技术,而输出时间OPT(OutputTime)则是某些GALT算法实现的基础.不合理的输出时间算法所确定的GALT算法会违背HLA时间管理的原则或延缓联邦推进.通过对IEEE 1516[1]标准接口的分析,提出了一种符合IEEE 1516标准的输出时间算法,其它的输出时间公式可引为参考.     

基于双马尔可夫链的概率假设密度滤波器

隐式马尔可夫链(hidden Markov chain,HMC)是传统多目标跟踪的理论基础。在分析了HMC模型的局限性基础上,介绍了更具普适性的双马尔可夫链(pairwise Markov chain,PMC)模型,对基于PMC模型的概率假设密度(PMC-probability hypothesis density,PMC-PHD)滤波算法进行了推导,并对其高斯混合(Gauss-mixture,GM)实现进行了改进,利用椭圆波门给每一个高斯分量建立一个对应的缩减量测集合来对其进行更新。仿真实验证明在杂波密度较大的场景中,PMC-PHD滤波器GM实现的改进在不影响跟踪精度的情况下运行时间缩短为原来的三分之一;仿真实验还证明在HMC模型场景下PMC-PHD滤波器针对邻近目标的跟踪性能要优于HMC-PHD滤波器。     

Unscented extended Kalman filter for target tracking

A new method of unscented extended Kalman filter (UEKF) for nonlinear system is presented. This new method is a combination of the unscented transformation and the extended Kalman filter (EKF). The extended Kalman filter is similar to that in a conventional EKF. However, in every running step of the EKF the unscented transformation is running, the deterministic sample is caught by unscented transformation, then posterior mean of nonlinearity is caught by propagating, but the posterior covariance of nonlinearity is caught by linearizing. The accuracy of new method is a little better than that of the unscented Kalman filter (UKF), however, the computational time of the UEKF is much less than that of the UKF.