基于fNIRS技术的脑机接口研究

功能性近红外光谱技术(functional near-infrared spectroscopy,fNIRS)作为一种无损光学脑成像技术,可用于构建脑机接口(brain-computer interface,BCI)以识别操作者肢体控制意图.利用fNIRS技术测量11位参试者的手臂伸展、腿部伸展和手指敲击的前额皮层(prefrontal cortex,PFC)和运动功能皮层(motor cortex,MC)的血氧变化信号,并利用fNIRS的生理特征和支持向量机建立fNIRS-BCI分类器.结果表明手臂伸展、手指敲击和腿部伸展的四分类fNIRS-BCI平均正确率分别为89.32%,、88.66%,和91.35%,;fNIRS-BCI的运动想象动作的分类正确率不低于运动执行动作;3种任务范式的混淆矩阵分析结果表明:运动想象诱发的脑功能活动与同侧肢体的运动执行、对侧肢体的运动想象活动产生混淆,3种任务范式的同侧运动想象和运动执行的血氧数据检验结果存在显著差异.因此,fNIRS-BCI能有效识别运动想象和运动执行活动,且运动想象和运动执行活动的血氧数据变化具有可分性.     

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...     

基于降维Householder变换的多任务运动想象脑电信号特征提取研究

近年来,针对传统的左右手运动想象BCI系统信息传输速率低这一现状,众多脑-机接口(BCI)研究团队开始着眼于对多任务运动想象脑电信号的研究,相比于两类模式识别,多类模式识别能够有效提高BCI系统的信息传输速率。如何准确提取出多任务脑电信号的特征,是实现多任务BCI系统的关键。采用了基于初等反射变换(又称Householder变换)的矩阵近似联合对角化算法,将CSP算法应用于多任务运动想象脑电信号的特征提取,对EEG信号采集效果较好的受试者,四任务运动想象脑电信号的分类准确率提升至80%以上,为在线BCI系统的实现奠定了坚实的基础。     

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...     

一种重复二分CSP4类运动想象脑电信号特征提取算法

针对脑机接口（BCI）系统中4类运动想象的脑电信号ERD/ERS现象进行研究,提出了一种重复二分共同空间模式（RB-CSP）算法用于4类运动想象脑电信号的特征提取,并运用SVM进行分类研究. 实验结果表明,该方法与传统的4分类CSP扩展算法OVR-CSP相比,减小了算法复杂程度,缩短了信号处理时间,提高了准确率,为在线脑机应用提供了一种新的解决方法.      

基于功能性近红外光谱技术的脑机接口

为了探究功能性近红外光谱技术(fNIRS)对相同动作的运动想象和运动执行区分可行性以及前额皮层对运动想象和运动执行分类准确率的影响,研究测量了15位受试者手臂伸展和手指敲击的运动想象过程和运动执行过程的前额皮层和运动功能皮层的血氧变化信号.提取均值,斜率,二次项系数和近似熵特征建立基于支持向量机的四分类模型.对应于手臂伸展和手指敲击的四分类模型,分别实现了87.65%和87.58%的分类准确率.相对于单独运动功能皮层区域建立的运动功能皮层-fNIRS-脑机接口,引入前额皮层血氧变化信息能显著提高脑机接口分类性能,且对手指敲击动作的提高效果大于手臂伸展动作.因此,前额皮层区域的血氧响应生理特征能提高fNIRS-脑机接口的分辨性能,同时验证了fNIRS-脑机接口应用于多种肢体动作脑功能活动提取的可行性.     

基于邻域空间模式的运动相关电位特征提取新方法

模式分类是基于脑电图（EEG）的脑-机接口(BCI)研究的重要环节之一.针对不同的BCI任务,所采用的分类特征和分类算法也不同.其中,运动相关电位（MRPs）现象是BCI想象肢体运动分类算法中的所用到的重要分类特征.针对BCI研究中的采集EEG数据分布复杂,和训练样本不足重要问题,本文提出一种新的MRPs特征提取方法—邻域空间模式 (NSP),利用邻域关系和类别信息,有效提取了分类性能更强的MRPs特征.最后的实验结果证明了NSP算法能更有效提取分类特征.     

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。     

基于听觉提示汉字书写的运动想象范式

基于运动想象的脑-机接口系统为残疾人提供了一种新的控制外部设备的途径。本文针对传统范式中只提示想象对象(左手或右手)不提示想象内容的不足,设计了一种新的基于汉字书写的运动想象范式。该范式通过左右声道提示被试进行想象汉字书写的任务。将新范式与传统范式进行了对比实验,8名健康被试参与了本项研究。实验结果表明,基于听觉提示的运动想象书写范式获得了更高的准确率(t检验概率值p0.05),并且有效降低了实验任务的难度。     

基于CSP与SVM算法的运动想象脑电信号分类

针对基于两种不同意识任务(想象左手运动和想象右手运动)的脑机接口,使用共空间模式(common spatial pattern,CSP)算法对BCI 2003竞赛数据进行特征提取;基于滑动时间窗,利用CSP方法对C3,Cz和C4位置的脑电信号进行处理.利用支持向量机对特征进行分类,获得最大分类正确率82.86%,最佳时间点4.09 s,最大互信息0.47 bit,最大互信息陡度0.431 bit/s.与BCI 2003竞赛结果相比,最大互信息陡度有了显著提高,证明该方法更适合BCI实时系统的要求.     

穿戴式外骨骼康复辅具临床应用现状分析

 穿戴式外骨骼康复辅具是一种可穿戴于人体上的智能化生机电控制系统,该系统通过外骨骼与人体肢体间力-位移的交互实现人机动作的耦合,可辅助人体实现某些特定功能,在临床康复治疗领域具有重要应用前景。上肢外骨骼和下肢外骨骼是目前常见的穿戴式外骨骼。上肢外骨骼包括肩肘手臂外骨骼和手指外骨骼,在康复训练中主要应用于中风后患者肩肘关节及腕手关节运动功能的康复训练。下肢外骨骼能够辅助下肢麻痹患者完成站立及运动,在下肢运动功能的康复治疗方面具有巨大的应用潜力。本文综述了目前常见的穿戴式外骨骼康复辅具的特点及其临床应用现状,并总结了目前国内外可穿戴外骨骼的研究进展。     

R3上线性Jacobi结构的分类

利用Poisson几何的方法, 证明了三维欧氏空间R³上线性Jacobi结构和线性Poisson结构以及一个1-闭链是一一对应的, 并根据R³上线性Poisson结构的分类结果, 通过计算其一阶上同调群, 给出了R³上线性Jacobi结构的分类.     

基于粒子群优化支持向量机康复下肢外骨骼的脑电控制研究

为解决失能人群自主移动的问题,脑机接口(brain computer interface, BCI)已广泛应用于外骨骼领域,但脑电(electroencephalogram, EEG)信号因信噪比低等原因导致识别率一直难以提高。为提高基于脑机接口下肢外骨骼的信号识别率,采用粒子群优化支持向量机(particle swarm optimization-support vector machine, PSO-SVM)算法提高脑电信号识别率,取得了86.52%的脑电信号识别率。首先建立共空间模式(common spatial pattern, CSP)数学模型对脑电信号进行特征提取,随后建立基于粒子群优化的支持向量机分类模型,优化脑电信号分类关键参数,将最终的实验数据与传统的支持向量机分类方法比较,最后进行算法的验证及下肢外骨骼实验。实验结果表明：经过粒子群优化的支持向量机分类准确明显高于传统支持向量机分类。所提出粒子群优化支持向量机对脑电信号的特征识别方法可实现运动想象(motor imagery, MI)的精确识别,为脑机接口技术在康复外骨骼领域的应用提供理论基础和技术支持。     

基于机器学习的拉矫延伸率预测模型及数值分析

在冷轧弯曲矫直过程中,针对拉矫机工艺参数设置问题,利用经验公式、有限元仿真建立的延伸率模型预测精度不高.为提高预测精度,基于传统解析模型与机器学习算法进行研究,比较了两种方法预测模型的精度,得到机器学习算法的延伸率预测模型要比数值解析模型的拟合优度高.比较BP神经网络算法和支持向量机(SVM)算法,得到两种机器学习算法的预测模型精度基本一致.为进一步提高预测精度,采用Adam算法对BP神经网络进行优化,采用遗传算法对SVM预测模型的参数进行优化,最终得到最优预测模型的均值绝对百分比误差MAPE以及拟合优度R^○2分别为13.4%和0.953,可以为实际生产提供技术指导.     

联合LiDAR和多光谱数据森林地上生物量反演研究

【目的】森林地上生物量的准确估测对于实时掌握全球碳储量变化及应对气候变化有着重要的意义。组合多种遥感数据特征优选,分类建模反演森林地上生物量,是提高森林地上生物量精度的有效方法。【方法】以根河市大兴安岭生态观测站寒温带天然林为研究对象,以机载激光雷达(LiDAR)、Landsat8 OLI两种遥感数据源结合55块地面调查数据,采用偏最小二乘算法优化筛选变量,再以线性多元逐步回归和快速迭代特征选择的最近邻算法(KNN-FIFS)构建模型,在两种数据源的不同组合方式下进行森林地上生物量反演。【结果】①基于线性多元逐步回归模型下的单一LiDAR数据反演精度决定系数(R²)为 0.76,均方根误差(RMSE)为 21.78 t/hm²;单一Landsat8 OLI数据的反演精度R²为 0.24,RMSE为39.27 t/hm²;LiDAR和Landsat8 OLI联合反演精度R² 为 0.84,RMSE为18.16 t/hm²;②基于KNN-FIFS模型下的单一LiDAR数据反演精度R²为 0.74,RMSE为23.83 t/hm²;单一Landsat8 OLI数据的反演精度R²为0.60,RMSE为 29.63 t/hm²;LiDAR和Landsat8 OLI联合反演精度R²为0.80,RMSE为21.15 t/hm²。【结论】①特征优选支持下的3种组合方式中,LiDAR和Landsat8 OLI两种数据的组合在两种模型中反演精度均最高,其中线性多元逐步回归模型的反演精度最高,说明LiDAR和Landsat8 OLI数据组合,激光雷达与光学数据优势特征互补,协同反演可有效提高森林地上生物量的反演精度;②单一数据源反演森林地上生物量精度中,LiDAR数据比Landsat8 OLI数据在两种模型反演精度中均较高,这与LiDAR数据空间分辨高、可获得垂直结构特征参数有关。     

基于傅里叶变换的脑机接口系统实现方法

脑机接口系统要求实时的处理速度和较高的准确识别率.在对脑电信号进行幅频分析和相同步分析的基础上,提出一种意识任务识别在线脑机接口系统实现方法.提取谱峰和相同步相干性指数作为反映大脑运动意识任务状态的特征参量,设计基于信息积累的时变线性分类器,对左右手想象意识任务进行识别,获得了满意的结果,最大分类正确率达到90.72%.研究结果表明,谱峰特征是事件相关去同步/同步的一个敏感的量化参数,结合相同步相干性指数能够提供更多反映大脑意识任务状态的信息.该方法采用快速傅里叶变换和线性判别式分析,特征提取和分类算法简单,计算速度快.为在线脑机接口系统的实现提供了新的思路和途径.     

脑-机接口中小波和小波包方差的特征比较

针对两种不同意识任务的脑-机接口设计,提出了以方差作为特征的方法和以分类速率作为评价标准之一的新方法.首先深入研究了小波理论,分析了小波包分解中存在的频带交错现象,然后以小波系数和小波包系数的方差作为特征,对C3,C4导联脑电信号分别进行两种特征的提取,最后采用线性支持向量机作为分类器进行分类.结果表明,两种特征对应的最大分类正确率均达到了86.43%,对应时间分别为4.32和4.31 s.因此,以小波方差和小波包方差作为特征是完全可取的;分类速率的提出能同时反映分类正确率和分类时间,为大脑意识任务分类提供了新思路.     

自发说谎的光学脑成像研究

基于功能性近红外光谱技术，采用半自发说谎范式考察对个人信息自发说谎的神经机制. 实验以26名大学生志愿者为研究对象，将其分为说谎组和控制组. 在说谎组中，要求研究对象对个人信息进行自发说谎；而在控制组中，要求研究对象对个人信息全部说真话. 研究采用含氧血红蛋白增量作为神经激活的指标. 结果表明，对个人信息进行自发说谎可引发左侧额中回的显著激活，不进行自发说谎的则不引发前额皮层区域的显著激活.     

青钱柳幼林地上部分生物量生长模型研究

【目的】青钱柳是我国特有的珍稀多用途树种,研究青钱柳幼树地上部分生物量生长规律,为发展叶用林提供依据。【方法】以6年生的青钱柳人工幼林为研究对象,对其生长特性及生物量的分配进行了研究,同时选取了37株样木进行地上部分生物量及相关测树因子的分析评价,从19个生物量模型中进行筛选,构建了青钱柳人工林各生物量组分及地上部分生物量与相关测树因子的预估方程。【结果】青钱柳幼林地上部分生物量(W)与胸径(D)具有高度相关性,筛选的4个模型均以胸径作为自变量,则:①干生物量模型 W=0.15 D^2.1, R²=0.982;②枝生物量模型 W=0.05 D^1.88, R²=0.864;③叶生物量模型 W=0.07 D^1.55, R²=0.802;④地上部分生物量模型 W=0.28 D^1.95, R²=0.976。【结论】不同密度下6年生青钱柳幼林生长尚未郁闭,受密度效应的影响较低,胸径、树高和单株材积的总生长量之间差异不显著,单株和林分生物量分配模式基本相似,地上部分各器官生物量分配由大到小表现为干(73%)> 枝(16%)> 叶(11%)。     

一类非线性差分方程的伪概周期解

讨论了非线性差分方程x(n)=∑ⁿ_{k=-SymboleB@}α(n,n-k)f(k,x(k))+h(n,x(n)),n∈Z的伪概周期解的存在性,其中α:Z×Z⁺→R⁺,h:Z×R⁺→R⁺和f:Z×R⁺→R⁺.通过2个例子说明定理1中的4个条件是可以实现的.