脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.     

认识功能障碍辅助诊断的研究——40Hz EEG检测与分析

本文用非参数分析思想,根据40Hz脑电信号(EEG)和宽带干扰肌电信号(EMG)的特点建立了40Hz EEG检测与分析的系统,它包括:1)数字滤波;2)基线下阀值的自动确定;3)40Hz EEG的检测分析。在Apple—Ⅱ机上通过了所有的程序,进行了初步实验。对四个受试者在基线和口语条件下的40HzEEG进行了检测与分析,结果表明:40HzEEG能反映大脑认识功能有无障碍的情况,可作为“集中警觉”状态下的可靠标志。     

基于右腿驱动技术的脑电信号放大器的设计

设计了高性能的脑电信号(EEG)放大器,将差分放大电路、右腿驱动电路应用于放大器的前置部分,有效消除共模信号干扰,通过前置放大器和两级后级放大器将EEG信号放大,通过设计并合理安置多个低通滤波器和50Hz陷波器,有效消除EEG信号中的高频干扰和工频干扰,在非屏蔽室的条件下能够有效检测到EEG信号.测试结果表明,放大器各个部分性能指标已达到设计要求,同时在测试者头皮采集到了实际的EEG信号,证明了设计的有效性.     

基于抽气过程的FastICA算法去除肌电信号中的心电干扰

提取受试者的体表肌电受其自身心电信号的干扰严重,本文利用一种基于FastICA算法的改进盲抽取方法去除体表肌电中的心电干扰,并有序的输出分离后的心电和肌电分量。对仿真信号处理结果表明,运用该方法避免了独立分量(ICA)方法中固有的位置不确定性,并能够成功的分离源信号。     

阵发性40Hz脑电信号提取方法的研究

用频域门限提取法与神经网络模式识别相结合的方法实现阵发性40Hz EEG的有效检测,对10多位受试者的阵发性40Hz EEG进行了提取,计算了平均峰值功率,分析了各受试者所表面的思维状态,结果表明,提出的检测方法是切实可行的,并支持了D.E.Sheer的理论。     

基于独立成分分析和流形学习的眼电伪差去除

针对眼电伪差严重干扰脑电(EEG)信号的理解和分析的问题,提出了一种新的方法用于实时地去除脑电中的眼电伪差.该方法使用独立成分分析(ICA)分解EEG信号,提取独立成分的地形图和功率谱作为特征,并采用基于模板的Isomap算法降低特征的维数.将新的特征样本送到分类器中以识别眼电伪差独立分量,几个典型分类器的分类结果显示,基于模板的Isomap算法结合使用最近邻算法进行分类时,识别伪差的正确率最高.实验结果表明,提出的方法在有效去除眼电伪差的同时,很好地保留了大脑神经信号,也证明了新的Isomap算法用于眼电伪差特征的降维的有效性.     

表面肌电信号拾取与预处理电路设计

表面肌电信号(SEMG)是指当骨骼肌收缩时,肌纤维所产生的微弱电信号在皮肤表面的募集。一般情况下,表面肌电信号特别微弱,频率主要集中在10～500 Hz范围内,幅值在10～5 000μV,很容易受到工频50 Hz噪声干扰。针对表面肌电信号的特点,采用Ag/AgCl电极拾取SEMG信号,设计了仪表放大电路,带通信号调理电路。实验证明,所设计的电路能有效提取带宽为10～1 000 Hz的表面肌电信号,实现了简捷有效的表面肌电信号拾取。     

基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法

针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的超参数;其次,同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号,并对脑电和表面肌电信号的步态相关特征进行分析;然后,以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入,自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型;最后,以多通道脑电作为解码模型的输入,构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明：所提方法与传统支持向量机方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码,解码波形和实测波形的平均Pears...     

低成本高精度单导联心电信号采集电路设计

为解决心电信号采集过程易受噪声干扰、 电路复杂等问题, 设计了低成本高精度心电采集电路, 采用芯片 AD8232 采集并放大心电信号, 引入 100 Hz 低通滤波器、 0. 05 Hz 高通滤波器及 50 Hz 陷波电路。 实验表明,高频干扰衰减 60 dB(10 倍频), 50 Hz 噪声衰减了 41. 08 dB。 该电路有效地滤除了单导联心电信号中掺杂的共模干扰、 肌电干扰、 基线漂移和工频干扰等, 提高了单导联心电采集精度, 可应用于家用医疗监护、 便携式可穿戴式心电监测设备。     

基于脑电的立体视频加速度的特征识别

构建一种能够自适应提取脑电特征的PMEMD-2JSD-CSP模型,明确了立体视频的两类匀加速深度运动的可分性.利用部分噪声辅助多变量经验模态分解(PNA-MEMD)对脑电(EEG)信号进行分解得到本征模态函数(IMF),应用基于詹森-香农散度(JSD)的有效因子对IMF进行两次不同范围的自适应筛选,筛选结果按照权重叠加构成重构信号.利用共空间模式(CSP)对重构信号进行空域特征提取,支持向量机(SVM)对特征进行分类,分类正确率最高为73.16%,证明了该模型对两类EEG信号特征提取的有效性.     

关于“集中警觉”状态的40HzEEG检测的新方法

40HzEEG活动的检测在认识功能障碍的诊断中是非常有用的。但40HzEEG阵发波信号的检测相当困难。在目前的文献中,无例外的采用了窄带滤波与定阈值的方法来识别阵发波信号。如果阈值选择不当,阵发波的误识和漏识的问题可能发生。本文提出了一种新方法。这种方法将自适应技术同AR模型参数识别相结合建立了一套40HzEEG信号检测,处理及分析的完整系统及方法。报告了20例受试者左、右大脑半球的40HzEEG活动的情况。初步的结果表明这种方法是有效的。     

40HZ脑电信号检测理论在脑电混沌态分析中的应用

在脑电信号的混沌态分析中引入阵发性４０ＨＺ脑电信号检测理论，用以判断受试者是否合作，并决定可用于混沌状态分析的数据段，文中对阵发性４０ＨＺ脑电依赖从理论、检测方法的实现、实际应用等几个方面进行了讨论。     

微机控制的脉冲MIG/MAG焊接电源的研制

主电路采用IGBT为主控开关功率转换器件 ,利用 16位高性能单片机 80C196KC ,对微机控制脉冲MIG逆变弧焊电源的组成和控制原理进行实时精确控制的研制 ,并做了可靠性与抗干扰设计 .研制结果表明 :该焊机脉冲频率带宽大 ,为 0 .5～ 2 5 0Hz ,响应速度快 ,抗干扰能力强 ,能够满足全位置焊接的需要 .     

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。     

基于颈腰部肌电及脑电信号的疲劳驾驶检测

为了有效判别驾驶员的疲劳状态,结合生物力学分析提取了驾驶过程中的颈腰部肌电信号EMG和头部脑电信号EEG,并分析其特征参数在驾驶过程中的变化规律.结果表明:颈肌样本熵、颈肌复杂度、腰肌样本熵、腰肌复杂度、脑电样本熵、脑电复杂度这6个生理信号的特征参数值都随着驾驶时间的延长而逐渐降低,通过主成分分析可实现特征参数间的合理组合.基于多元回归理论,建立了能够有效预测疲劳驾驶的数学模型.状态验证结果表明,该模型对疲劳状态判别的正确率可达95%以上.     

Effects of sleep deprivation on gamma oscillation of waking human EEG

This study compares and evaluates the effect of sleep deprivation （SD） on human brain cognition by analyzing the recorded EEG data under normal and 24 h sleep deprived states. EEG auditory event-related potentials were collected from 14 healthy volunteers, and the statistical values of wavelet-transformed EEG in gamma band were decomposed by parallel factor analysis （PARAFAC） to identify where the differences appeared in the time, frequency and spatial domains. The results showed that the changes of brain states caused by SD appeared around 40 Hz at about 400 ms after stimulation on prefrontal and frontal lobes. Negative effects of SD on neuronal activity and oscillation were observed. The analysis of the EEG data by the wavelet transform and PARAFAC can be an integrated way to estimate the change of brain states in the three domains.     

短时认知过程中40Hz脑电事件相关电位分析

研究了正常人在安静和思维状态下阵发性40Hz脑电事件相关信号（40Hz ERP)的特征变化,探讨阵发性40Hz ERP与年龄、性别、文化程度和智力测验得分之间的关系,同时对40Hz ERP不同参数进行比较。结果表明：正常人在安静状态下阵发性40Hz ERP低于视空间测试。思维活动时阵发性40Hz ERP增加幅度与简易精神状态量表（MMSE）和韦氏成人智力量表（WAIS）得分呈正相关。