分布式脑电信号采集系统研究

通过脑电信号对学生学习状态进行分析是一种先进、客观的新方法。目前对脑电信号的采集还处在单对单的形式,不适用于多人脑电信号的同时采集的学习情景。因此,本文提出了一种可以同时采集多人脑电信号,并且通过无线方式汇总的分布式脑电信号采集方案。测试结果表明,所设计系统可以同步采集多人脑电信号,并进行存储分析,较好地反应了学生的学习状态。     

基于基因优化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,提出了一种基因优化算法(GO).GO算法在变异的基础上实现自下而上、由微观到宏观的自组织优化,可以在提高分类精度的同时很大程度上节省在线数据处理的时间.为检验提出方法的有效性,将其与基于AGA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,实验结果表明基于GO的分类精度明显高于其他方法,获得了最好的模式识别性能.     

基于小波包分解的脑电信号特征提取

在脑机接口研究中,针对脑电信号的特征抽取,提出一种基于小波包分解的方法,利用Fisher距离准则,选择具有较大可分离性的特定子带小波包系数和能量作为有效特征,构成特征矢量,并采用BCI2003竞赛数据,通过对该特征矢量的可分性和识别精度2个指标的评估,表明了所提出方法的有效性。     

无先验参考的脑电信号伪迹去除方法

在深入分析脑电信号各伪迹成分特征的基础上,结合传统滤波方法,提出了一种不需要眼电信号参考的脑电信号伪迹去除方法。脑电信号原始数据可视作由纯净脑电信号、环境噪声、动作杂波及人体自身伪迹成分所构成的混合信号,利用传统滤波方法去除环境噪声及动作杂波,结合盲源分离算法提取人体自身伪迹成分并完成伪迹成分自动识别与去除以及纯净脑电信号的重构工作,以实现纯净脑电信号有效提取过程。经实验验证,该无先验参考的脑电信号伪迹去除方法切实可行,可有效去除伪迹,提高脑电信号信噪比。     

基于独立分量分析的脑电信号消噪

脑电信号中往往含有各种形式的噪声干扰信号。这些干扰成分包括眼电、心电伪迹以及工频干扰等。由于干扰信号和脑电信号在频域上相互重叠,因此用时域或频域滤波的方法难以有效地消除脑电信号中的干扰成分。独立分量分析(Independent Component Analysis,ICA)是20世纪90年代发展起来的一种新的盲源分离方法(Blind Source Separation,BSS),将ICA方法应用于实测脑电信号的处理,获得非常理想的消噪效果。     

硬盘磁头电信号动态测试实验研究

根据硬盘磁记录工作原理可知,磁头输出电信号的强弱直接反应了磁头飞行高低的变化,因此本文通过测试硬盘在低频率振动下磁头电信号的变化情况来分析磁头的飞行状况.结果表明当激振频率小于25Hz时,其电压输出值的波动很小,输出结果具有一定的规律性.当频率大于50Hz时,电压输出波动幅度就比较大.磁头在磁盘表面的振动幅度也比较历害...     

止回阀的动态响应

止回阀是管路系统的重要组成之一,其主要作用是防止流体倒流、泵及其驱动电机反转,以及防止容器内流体的泄放。理论上讲,止回阀的结构是简单的,它包括一个或几个关闭件,其关闭件的动作主要是由流体控制的。过去最普通的止回阀是旋启式止回阀。在这类止回阀中,当阀门关闭时,流体的速度方向立即改变。随着反向速度的减小,压力迅速升高,使阀门加速关闭,最后阀瓣撞击阀座产生更高的压力。近年来,止回阀冲击问题的重要性越来越     

基于小波包变换和聚类分析的脑电信号识别方法

为了实现脑-计算机接口(brain-computer interface,BCI)系统,对大脑C3,C4处采集的二路运动想象脑电信号的特征进行了提取和分类.在分析小波包频带划分特点的基础上,利用小波包能量进行特征提取并使用基于马氏距离的线性判别分析进行了左右手运动想象模式分类,结果表明该方法提取的特征向量较好的反映了运动想象脑电信号的事件相关去同步(event-related desynchronization,ERD)和事件相关同步(event-related synchronization,ERS)的变化时程.另外,该方法识别率高,适合脑-计算机接口的应用.     

基于改进GHSOM的运动想象脑电信号自适应识别方法

为解决运动想象脑电信号(MI-EEG)的识别方法泛化能力受限和自适应性差等问题,对传统的生长、分层自组织映射神经网络(GHSOM)进行改进,并提出一种主成分分析法(PCA)与改进的GHSOM神经网络(IGHSOM)相结合的脑电自适应识别方法。由于IGHSOM能够根据上一层扩展神经元的量化误差进行自动分层判断,使得其不仅对数据映射更加准确和详细,而且增强了网络的稳定性和自适应性。基于脑机接口(BCI)竞赛数据库,利用PCA进行特征提取,以IGHSOM为分类器进行实验研究。结果表明,该方法获得了较高的识别精度,验证了GHSOM改进策略及该识别方法的正确性和有效性。     

基于不同频率声音刺激的脑电信号分析方法研究

本文主要研究在不同频率声音刺激下的脑电信号特征.通过设计实验方案获取脑电数据,利用小波变换将脑电数据分解为不同频带信号,实现各频带信号的功率谱计算,应用模极大值检测脑电信号中的突变点,提取大脑在不同频率声音刺激下的特征,分析了人脑与声音刺激的关系,实验结果对脑机接口以及盲人导行等研究具有重要价值.     

基于ELM和近似熵的脑电信号检测方法

脑电癫痫波的自动检测与分类对癫痫病情的诊断具有重要意义。提出了一种基于极端学习机(extreme learning ma-chine,ELM)和近似熵的脑电信号检测方法。首先,计算脑电信号的近似熵作为非线性特征,并与利用小波变换技术提取的线性特征波动指数相结合,组成特征向量,然后将特征向量送入单隐层前馈神经网络,采用ELM学习算法训练网络。实验表明,与BP(backpropagation)和SVM(support vector machine)算法相比,ELM在训练时间和识别精度两方面性能最佳,对用于实验的脑电数据检测识别率达到98%以上。     

非线性振动理论在脑电信号分析中的应用

基于脑电信号的非线性振动理论,对脑电图EEG(Electroencephalogram)动力学模型的相关维数和李亚普诺夫指数进行了分析.数值仿真结果表明:当改变兴奋性神经元集群的兴奋性输入参数时,该EEG模型具有极限环、倍周期分岔、混沌等复杂的动力学行为,得出混沌存在于EEG模型中的结论.     

多类运动想象任务脑电信号的KNN分类研究

针对基于多类任务的运动想象脑电信号的特点,使用共空间模式特征提取方法分别在"一对一"和"一对多"2种特征提取方法下提取了4类任务(想象左右手、双足以及舌头)运动想象脑电信号的特征。设计了基于多类任务模式的k最近邻分类器,针对多类任务分类过程中会出现不同类别的样本点数相等的情况,通过判断距离的方法改进了分类器,对2种特征提取方法下的共空间模式特征进行分类,分类结果的平均最大Kappa系数分别达到了0.55和0.59,说明了该特征提取及分类方法对该数据集的有效性。     

脑电信号的混沌分析和小波包变换特征提取算法

针对脑电(EEG)信号的手部动作模式信息处理,提出一种混沌分析和小波包变换相结合的特征提取方法.用眼动辅助来采集手部动作时的脑电信号,对采集的C3、C4 、P3和P4脑电信号消噪后分别用混沌分析和小波包变换的方法进行特征提取,前者提取混沌特征的最大Lyapunov指数和关联维数,组成8维向量;后者提取脑电信号的4种特征节律波,分别计算其相对能量,组成16维向量;最后把两种方法提取的向量组成24维特征向量,输入SVM分类器,实现基于EEG信号的手部动作模式的识别.对不同个体上翻、下翻、展拳、握拳4种手部动作的识别实验表明,平均识别率均在80%以上,明显优于其他方法识别的结果.     

想象多力度单侧手运动的脑电信号分类研究

目的传统脑机接口实验范式多为左右手运动想象,无力度分级,命令单一,为增加脑机接口命令数,使中风患者在康复期间设计获得更好的治疗方案,设计了想象三种力度下的单侧手运动实验并对其进行分类。方法 9名受试者被要求想分别以三种力度(50%、30%、10%最大自主收缩力)握紧单侧手,同时记录脑电及肌电信号,对脑电信号预处理后进行空间滤波和特征提取,再对处理后的数据进行带通滤波并提取特征,利用线性判别分析作为分类器。结果\结论采用两级特征提取分类方法,平均分类正确率达到72.4%,证明通过分析想象不同力度单侧手运动的脑电信号能够扩展脑机接口命令数。     

基于脑电信号的汽车前脸造型特征设计决策

为解决汽车前脸造型设计决策的问题,比较了用户感知燃油车与电动车前脸造型特征的差异,探讨了汽车前脸正性和负性表情对消费者偏好决策的影响,提出一种采用脑电测量技术评价用户反馈的方法。以Neural Scan脑电仪为数据采集工具,采集了40位用户观看传统汽车与电动车表情并做出是否购买决策的脑电数据,通过事件相关电位分析,发现用户对传统车的情绪感知优于电动车,用户偏好购买正性表情的汽车。回归分析结果发现,P300和LPP两个脑电成分对用户购买决策有显著影响。研究结果表明：电动车车脸设计应加大拟人化效果,脑电测量可作为设计决策的客观依据。     

一种基于滑动均值滤波的疲劳脑电信号识别方法

利用神念科技脑电产品Mind Wave设备来采集脑电信号,通过设计窗口均值滤波及自适应补偿算法,并结合T检验来对脑电信号进行处理,以识别出脑电信号的疲劳度程度。在Min GW和Eclipse开发环境下,利用Java语言实现脑电信号识别系统,实验结果验证了该方法的有效性。     

脑卒中后抑郁患者脑电信号长时程相关性分析

为调查单侧半球损伤的脑卒中后抑郁患者脑电宽频振荡的长时程相关特性,利用去趋势波动分析这一可量化反映脑电信号长时程相关性的方法,研究了18例脑卒中后抑郁患者(8例左半球受损,10例右半球受损),22例脑卒中后无抑郁患者(12例左半球受损,10例右半球受损)宽频带(0.6~46 Hz)脑电信号在0.2~3 s时间尺度下的长时程相关特性。研究发现,虽然左半球受损抑郁患者较右半球受损患者抑郁情况更为严重,但是仅有右半球受损抑郁患者脑电信号长时程相关性在抑郁相关的脑区有显著性减弱,这暗示了不同半球受损脑卒中患者PSD发生的机制不同,PSD与脑卒中受损部位间存在着复杂的关系。