基于脑电信号的手指动作识别

分类识别技术在脑-机接口的研究中占有重要地位,本文基于在事件相关脑电图中,存在的运动感觉皮层脑电位下降和事件相关非同步现象,运用了一种基于共空域子空间分解的算法,对左右手指动作时的多通道脑电信号进行了特征提取。最后,根据提取的特征进行了手指动作的识别,在对三个人的脑电数据识别中,平均识别率达到了75.6%。     

去除事件相关诱发脑电位中自发脑电噪声的一种方法

提出了从混有自发脑电噪声的实验记录中估计事件相关诱发脑电位的方法，该方法克服了一般滤波算法中需要事先估计待测信号的频率范围或其他先验知识的困难，较好地消除了自发脑电噪声的干扰，改善了基线漂移的问题，使信噪比获得了较大程度的提高。     

基于脑电探究外观特征对产品识别的影响

采取行为实验和脑电实验相结合的方法,分析产品外观特征元素(形状、颜色、材质)及其熟悉度(低、中、高)对产品识别的影响。脑电实验前,通过问卷获取被试的主观评价数据,进行实验假设。脑电实验采用经典的"学习-再认"范式,实验材料为3(形状、颜色、材质)×3(低、中、高)混合设计。结果表明:低和高熟悉度的颜色特征、低熟悉度的形状特征以及高熟悉度的材质特征能够有效提高产品的识别度。     

几种不同认知事件下40Hz脑电事件相关电位的分维特性比较

我们研究了在汉字短时记忆—辨识测试、算术心算、汉字短时记忆容量测试等三种认知过程中，４０Ｈｚ脑电事件相关电位（４０ＨｚＥＲＰＳ）的分维特性．通过比较，发现在不同的认知过程中，４０ＨｚＥＲＰＳ的分维数明显不同，同时，在同一的认知过程中，４０ＨｚＥＲＰＳ分维特性也存在着显著的半球差异．这表明，由４０ＨｚＥＲＰＳ所表现的大脑动力学特性在左右半球之间及不同的认知过程中有较大的不同     

脑-机接口（BCI）中关于手指运动识别的研究

脑-机接口（BCI）的研究在近几年受到广泛的重视,在手指运动识别形成了一个研究热点。本文运用一种较为成熟的算法对自测数据进行了识别,取得了较高的正确率。在此基础上,本文对识别算法又进行了进一步的探讨。     

基于SVM分类器的癫痫脑电时空特征提取方法的研究

癫痫发作具有突发性和反复性,给患者的生命安全带来巨大隐患。为了给患者提供有效的预警,结合时间和空间两个维度,选取模糊熵和皮尔逊相关性作为特征参数,分别衡量时序信号复杂度和空间通道间的相关性; 利用F-score筛选出最优特征组合,既增加了预测的准确率又去除冗余信息; 利用支持向量机(support vector machine,SVM)分类器识别癫痫发作前期和发作间期的颅内脑电信号。为验证该特征的预测效果,进行了模糊熵或皮尔逊相关性单独作为特征参数的对比试验。实验结果表明,与单一特征相比,时空特征的预测效果更好,准确率高达91.26%,误报率仅为2.32%。该方法能有效提取癫痫特征信息,为癫痫的临床预警提供新思路。     

脑电多极子模型及仿真分析研究

为寻求能更好反映头皮电位分布的等效脑电源模型，建立了脑电（EEG）的电流多极子模型，采用三层介质头球模型分别对单、双电流偶极子源情况进行了计算机仿真分析， 并引入适合度（GOF）、不适度（ND）和比适度（DD）等评价参数.仿真结果表明：与偶极子模型相比，多极子模型能够更好地拟合等效脑电源（尤其是双电流偶极子源）和反映真实头皮电位分布，具有较高的GOF数值.因此建议采用脑电多极子模型用于头皮脑电信息分析.     

事件相关脑电位系统研究

使用Microsoft Visual C++6.0为开发工具,并结合已有的脑电采集器,设计实现了一种集诱发、采集和处理于一体的事件相关脑电位(event-related potential,ERP)系统。该系统的主要功能包括提供视觉刺激,实时采集和显示脑电信号,对信号进行预处理和小波多分辨分析,同时系统还解决了传统方法中关于刺激和采集不同步的问题。在刺激模式中,系统提供了两种刺激序列。一种是经典的Odd Ball模式,另一种是等概率模式。最后在实际应用中,通过利用Odd Ball模式对受试者进行视觉刺激,并对采集到的脑电信号经过预处理和小波多分辨分析,最终提取了ERP的P300成分,证明了系统在ERP研究中的可行性和有效性。     

基于脑电特征的多模式想象动作识别

对不同部位肢体想象动作诱发的脑电特征进行辨识,并提取出对应的思维信息,这是实现脑-机交互的经典方法之一,传统的左、右手双想象动作诱发模式下信息转化效率较低,引入多个肢体部位想象动作的多模式转化方法可望改善这一缺点.采用二维时频分析结合Fisher分析的方法,从典型受试者的多模式想象动作脑电信号中提取出有利于分类识别的事件相关去同步化和同步化特征信息,再使用支持向量机建立双层分类器对多模式想象动作进行分类识别.本方法对于4种不同肢体部位的识别可以达到较高的正确率(85.71%).结果表明,多模式想象动作的诱发脑电特征信息具有明显的空间特异性,可以用于脑-机交互思维任务的识别和提取,值得进一步研究.     

基于ICA与PSD的ERD／ERS信号检测

介绍一种基于独立分量分析（ICA）空间滤波结合功率谱密度（PSD）曲线分析法用于提取大脑在想象动作时产生事件相关去同步／同步（ERD／ERS）信号的方法．其检测流程为：先对想象动作诱发的脑电（EEG）信号进行ICA分解得到独立分量与相应的解混矩阵,再按特征频段取其主要分量得到滤波后数据,然后采用短时傅里叶变换计算相关导联EEG信号在特征时段与频段的PSD曲线,引入ERD／ERS系数作为量化指标以进行想象动作的识别．计算结果表明,上述方法能够显著增强运动想象脑电信号的ERD／ERS特征信息,且通过实际分类验证,采用该方法可以获得更高的识别正确率,较传统信息检测方法平均提高8％以上．     

身份证底卡扫描图像自动纠偏方法

针对高拍仪拍摄的身份证底卡图像,首先抽取版面字符轮廓,然后计算轮廓的最小外接多边形的重心点来表示字符的位置;并通过随机Hough变换检测重心点形成的候选直线;最后根据最小二乘法拟合的直线与水平方向的夹角来旋转图像,从而实现底卡图像的自动纠偏功能。实验证明方法对图像的形状和噪声不敏感,并在身份证底卡扫描与识别系统中取得了良好的效果。     

柔性衬底MEMS技术制备脑电图干电极阵列研究

设计了一种新型的脑电图干电极,主要用于采集脑电信号以进行基于脑电图的警觉度分析,替代传统的湿电极.采用柔性衬底微电子机械系统(MEMS)加工技术,在柔性衬底上制备出具有化学稳定性与生物相容性的微针状干电极阵列.通过铜牺牲层实现干电极微针的悬臂梁结构,利用聚二甲基硅氧烷(PDMS)剥离层实现器件从玻璃基底的完全释放,并经平面电极的多层组装实现了立体电极阵列.实验中干电极以聚酰亚胺作为柔性衬底,其针端及导线部分材料为镍,针端部分表面镀金.采用Neuroscan的脑电信号采集放大器对干电极性能进行了测试,测得阻抗约为10 kΩ,其时域和频域信号与传统湿电极基本一致.所制备的干电极成品率高、尺寸小、屏蔽佳、装配简单、可靠性好、机械强度大,符合快速、无痛的脑电信号采集要求.     

基于有向网络的人物信息诱发脑电信号特征

基于熟人和陌生人的视听觉信息,通过记录对应的脑电信号,对大脑在熟人和陌生人信息刺激下的认知机制展开研究.首先,通过记录被试在视听刺激下的脑电信号,得到对应不同刺激下的事件相关脑电位.通过计算不同导联间的相位传递熵构建有向功能网络,最后对重点网络参数进行分析.结果表明,相比陌生人信息诱发的有向网络,熟人信息诱发网络中关键节点的作用加强,网络聚集能力增强;熟人信息诱发网络的连接更加趋向于全脑化,不同脑区间的信息交换加强,整个网络结构更有利于完成对熟人信息的识别.     

早期老年痴呆症诊断系统数据采集器的研制

介绍采用事件关联电位Ｐ３００ 信号、事件相关脑电去同步及事件相关脑电同步信号、脑血氧饱和度信号诊断早期老年痴呆症的数据采集系统．阐述了事件关联电位、事件相关脑电同步及去同步信号与老年痴呆症之间的关系及诊断系统的工作原理;介绍了采集器的硬件方案和软件构成．     

标识设计中语义认知事件相关电位

采用事件相关电位(ERP)技术,以公共空间标识为研究对象,探索图文语义一致或不一致对用户标识认知的影响.实验材料源于GB/T 10001《标志用公共信息图形符号》,采用Matlab13b和Stata14对脑电和行为数据进行处理.结果表明:在标识认知过程中,诱发了N170、P200、N300和N400,说明被试经历了分类处理、情绪唤醒、逻辑判断和语义判断4个阶段;图文语义是否匹配2种条件下所诱发的N300在前额区差异显著;N400在前额区、中央区和顶区差异显著.N300和N400可以作为判断标识图形与预期语义是否一致的神经测量指标.     

升降压型整流器功率因数的校正

对一种采用Ｂｕｃｋ－Ｂｏｏｓｔ级联的主电路高功率因数整流器进行了理论和控制策略方面的研究,在此基础上,利用一高性能的ＤＳＰ作主控器,设计了实验电路与有关软件,给出了实验结果,结果表明,该方法具有较好的功率因数校正能力,并能提供输出电压从１７￣１１７％输入电压峰值的调压范围。     

心算负载任务对事件相关电位信号特征影响的研究

事件相关电位是神经科学研究中重要的一种认知电位,也是脑机接口中常用的特征信号之一。心算任务引起的心理负载能够诱发事件相关电位。常用的信号特征主要为时域波形特征。无法全面分析评估特征特点。研究中设计了三种心算任务,时域上研究诱发的事件相关电位的波形特征,频域上利用格兰杰因果关系分析方法研究任务脑功能网络连接,探讨三种心算任务诱发事件相关电位特征信号的效果和特点。为构建基于ERP特征信号的脑机接口新范式提供理论依据和技术支持。     

有源功率因数校正(APFC)技术综述

本文介绍了有源功率因数校正技术的基本原理、分类和控制方法,并概括了其发展趋势。     

基于脑电的意识活动特征提取与识别

基于脑电信号的非平稳特性,用自适应自回归模型(AAR)提取脑电信号的特征,利用该模型对同一实验对象的两种不同意识任务的脑电信号进行特征提取,并将AAR模型得到的特征与支持向量机(SVM)分类器相结合,作为支持向量机的输入进行训练和测试,取得了良好的识别效果.实验结果证明,支持向量机分类器用于不同意识任务分类效果很好.