2018年脑机接口研发热点回眸

 脑机接口提供了人脑与外部设备之间的直接通信通道,它的独特之处是不依赖于外周神经和肌肉组织。近年来,脑机接口领域发展迅速,脑机接口研究正在不断扩展,其应用范围也在不断扩大。本文综述了2018年脑机接口领域在系统应用与关键技术方面所取得的重要研究进展,展望了脑机接口智能化、移动化的发展新趋势,并提出脑机接口伦理风险的新思考。     

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．     

基于匹配跟踪的脑电睡眠纺锤波的时频分析

匹配跟踪(MP)算法是一种冗余算法，通过信号x在所选择的最佳向量(最佳基)上的反复正交投影而逼近原信号。它不仅可以获得较好的时频分辨率，而且可以参数化描述任何类型的数据。在临床应用实践中已发现睡眠纺锤波与多种病症有关，因此，有效地检测出睡眠纺锤波具有重要的临床应用价值。文中根据脑电信号(EEG)睡眠纺锤波的特征，利用基于Gabor函数的MP算法对EEG中的睡眠纺锤波进行检测和分析，并给出了分析结果的时频表示。     

脑机接口技术研究方法

脑机接口（BCI）是一种基于脑电信号实现人脑与计算机或其他电子设备通讯和控制的系统，它不依赖人体的外周神经神经系统及肌肉组织，是一种新的人机接口方式，在康复医学和控制等领域有应用前景，近年来，脑机接口技术发展迅速。概述了采用事件相关电位P300、稳态视觉诱发电位（SSVEP）、事件相关同步或去同步9ERS／ERD）皮层慢电位（SCP）、自发EEG信号、植入电极等实现脑机接口技术的研究方法，讨论和比较了各种研究方法的特点和局限，介绍了脑机接口的发展现状和存在的问题，并对其应用前景进行了展望。     

基于脑电的无创脑机接口研究进展

 脑机接口在脑与外部环境之间建立一种全新的不依赖于外周神经和肌肉的交流与控制通道,从而实现脑与外部设备的直接交互。脑电因具有非侵入式、易于使用及设备价格低廉等特点而被广泛应用于脑机接口。本文回顾了基于脑电的无创脑机接口的研究历史,从脑机接口的类型、应用及面临的挑战3个方面综述了脑机接口的研究现状,并展望了脑机接口的未来发展前景。     

脑机接口的MapReduce计算模型

研究了脑机接口各项计算任务的时间关系,把脑机接口的计算过程分成了三个阶段,并把前两个阶段映射为了MapReduce机制的Map和Reduce,提出了脑机接口的MapReduce计算模型. 由于脑机接口的绝大多数计算量集中在前两个阶段,该模型能够显著减少脑机接口的计算时间.     

现代语言想像

讨论语言想像的含义、特征、结构,其意图是打开从语言到影像、再到人文社会想像的构成,为现代语言想像建立结构性理论基础,确定现代想像的认知原理。     

混合脑机接口的研究现状及应用

随着多学科的发展,脑-机接口(brain-computer interface,BCI)技术取得了飞速发展,已成为脑科学、神经医学、人工智能等领域的研究热点。多项研究表明,多模态混合BCI(hybrid brain-computer interface,hBCI)比仅使用一种脑电信号(单模态)的BCI拥有更高的识别率和更好的稳定性。针对基于脑电图(electroencephalography, EEG)和肌电图(electromyography,EMG)的hBCI技术的研究现状与应用情况进行了分析与阐述,并总结了近年来EEG和EMG信号处理的主要方法,并针对目前国内外研究现状中所存在的问题,提出了在脑肌电混合BCI方向的潜在创新点,以期促进基于EEG和EMG的混合BCI在实际应用中进一步发展。     

2017年脑机接口研发热点回眸

 脑机接口通过解码人类思维活动过程中的脑神经活动信息,构建人脑与外部世界的直接信息传输通路。近年来脑机接口领域发展已经步入快车道,相关技术正在走向成熟,并得到工业界越来越多的关注。本文盘点了2017年度脑机接口在应用系统实现方面所取得的重要成果,介绍了其应用关键技术研究的新进展,展望了脑机接口研发的未来趋势。     

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。     

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。     

基于运动想象脑电的在线脑机接口实验

针对脑机接口技术的研究和应用设计了基于运动想象脑电信号的在线机器人控制系统,包括USB脑电放大器、开放接口的采集和实验平台、基于小波变换和AR模型系数的特征提取算法、机器人控制电路、机器人.20位受试者在该系统上分别进行了80次在线试验,比较分析了3种不同手部运动想象脑电信号的区分度,运动想象脑电对机械手控制的平均准确度分别达到了85%,88%和90%.该控制系统为基于脑电信号的在线机器人控制系统的实现和识别率的提高提供了新思路,同时也为在线脑机接口技术的实验研究以及实际应用带来了方便.     

基于改进S变换的语音信号时频分析

STFT分辨率固定,小波变换会出现局部相位信息且时间-尺度关系不适合直观视觉分析。提出基于改进S变换的语音信号时频分析。样条小波作为小波变换母小波乘以相位因子得到改进S变换,具有多分辨率和相位因子,并适合直观视觉分析。仿真实验得到的时频分布结构图与STFT、小波变换分布比较,显示改进S变换时频结构更加细致。     

基于时频分析的地震道集校平技术应用

依据现代信号分析理论,对叠前地震道集剩余动校正黾的消除技术进行研究,在模型数据和实际数据的试验基础上,探讨基于时频分析技术的叠前道集校平方法.结果表明:通过对地震信号进行时频分解,并在信号重构时完成高精度的剩余动校正量的消除,处理前后信号振幅不变,道集同相性增强,叠加后信号有效频带变宽;利用近偏移距地震道的叠加道作为模型道,在有效消除剩余时差和校平同相轴的同时,避免了叠前道集动校拉伸畸变对模型道的影响,保证了技术实现的精度;该方法在消除叠前道集中剩余动校正量方面具有较强的实用性.     

脑-机接口中空域滤波技术现状与进展

作为一种特殊的人-机交互模式,脑-机接口(brain-computer interface,简称BCI)技术已成为当前脑科学和智能信息处理领域的研究热点.其中,基于头皮脑电(electroencephalography,简称EEG)的BCI(EEGBCI)技术因具有良好的安全性和可操作性,吸引了研究者的广泛关注.但头皮EEG非常有限的空间分辨率和易受干扰等特性,很大程度上限制了EEG-BCI技术的实用化进程.因此,EEG信号处理和模式识别新方法研究已成为BCI领域的一个关键问题.在现有的信号处理方法中,空域滤波技术在EEG伪迹消除和任务相关神经活动获取方面表现出了较明显的优势,近年来在EEG-BCI系统实现研究中得到了广泛应用.论文以运动想象BCI(motor imagery BCI,简称MIBCI)为应用背景,对独立分量分析(independent component analysis,简称ICA)和共同空间模式(common spatial pattern,简称CSP)两种代表性空域滤波方法的原理及其性能进行介绍、分析和比较,总结出两种方法各自的优势和不足,并给出了改进思路.同时指出,ICA空域滤波方法在运动想象脑-机接口系统实现中更具应用潜力.     

基于多个伪随机序列调制的视觉脑机接口研究

传统的基于编码调制的视觉脑机接口(BCI)使用一种编码及其移位来调制不同的视觉目标,限制了目标数的增加,因而限制了系统的信息传输率。基于两种不同类型的三个伪随机序列调制实现了一个48个刺激目标的BCI系统。采用两个不同的Golay码和一个近完美序列对目标进行调制,使得每个码的自相关特性和每个码之间的互相关特性都很好,大大提高了刺激目标数。通过模板匹配法对训练数据进行分类识别获得了很高的识别准确率,并和一类支持向量机方法进行了比较。选取了8个受试者进行了实验膜板匹配法的平均识别准确率达到93.49%,证明了这是一种提高刺激目标数的好方法。     

基于时频误差分析法的随机介质波场特征分析

设计了含裂缝的随机介质模型和含随机介质的复杂盐丘构造模型,基于声波方程有限差分法,进行了波场快照及共炮点地震记录模拟;利用连续小波变换的时频误差分析方法,分析了与所给模型相同构造的各向同性介质模型的地震记录的时频振幅误差;统计分析了各道地震记录的时频特性,所得结果与利用连续小波变换的时频误差分析法吻合较好.表明时频误差分析法能为研究随机介质波场特征提供一种可行的思路.     

基于概率协作表示的运动想象脑电分类算法

在脑机接口的研究中,针对运动想象脑电信号的特征识别,提出了一种基于概率协作表示的分类方法（probabilistic collaborative representation based classification, ProCRC）,通过比较测试样本在每个类别中的最大可能性,从而确定其所属的类别。采用BCI竞赛数据库Ⅲ中的数据集Ⅰ,利用S变换进行特征提取,然后对不同的分类器进行比较,以分类准确率作为评价标准验证了该算法的有效性。该算法的分类准确率能够达到90%,为脑机接口系统分类算法的研究提供了新思路。     

探索思维的力量：脑机接口研究现状与展望

 脑机接口通过解码人类思维活动过程中的脑神经活动信息,构建人脑与外部世界的直接信息传输通路。近20年来,脑机接口领域迎来了快速发展,取得了一系列重要研究与应用成果。本文从信息交流与控制、功能康复与增强、状态识别与监测3个主要发展方向综述了脑机接口的研究现状,并对脑机接口的发展所面临的机遇和挑战进行了展望。     

基于局域波时频分析的机械故障诊断

提出一种新的自适应时频分析方法——局域波法．结合仿真信号与故障检测信号进行分析研究,提出一种新的机械故障诊断方法并将其成功地应用到齿轮箱故障诊断中．振动信号能量在局域波时频分布中的变化,是局域波法诊断齿轮磨损故障的特征．诊断结果表明,局域波时频分析为齿轮磨损故障诊断提供了一种更为有效的手段,在故障诊断工程中具有广泛的应用前景．