基于多通道脑电信号的因果网络情绪识别

情绪是由大脑内多个通道共同作用产生的,格兰杰因果检验作为情绪识别的主流方法,在计算任意2个通道之间的因果关系时容易忽略其他通道的影响。面向多通道脑电信号,提出一种基于条件格兰杰因果检验（CGC）的因果网络情绪识别方法。利用CGC算法计算不同情绪下大脑全通道的因果关系,据此构建因果网络,并通过分析各通道的入/出度和介数拓扑属性找到关键通道,得到简化的因果网络进行情绪识别。将节点之间的因果连接关系作为特征分别输入SVM和KNN分类器进行分类训练,实验结果表明,简化网络的识别率分别为75.3%和78.4%,验证了所提方法的有效性。     

基于小波变换的汽车电子漏电信号检测系统设计

汽车电子漏电信号具有较强的微弱性和瞬时性。当前的漏电信号检测方法无法避免这种微弱性和瞬时性的特点,导致漏电信号检测准确性较低。设计并实现了一种新的汽车电子漏电信号检测系统。该检测系统由硬件部分和软件部分构成。在硬件设计方面重点介绍了基于PCI1712数据采集卡的漏电信号采集模块和滤波电路;软件部分由LADVIEM和MATLAB仿真软件共同编程完成,重点阐述了小波变换滤波器的设计方法,并给出部分漏电信号采集程序。实验结果表明,该系统能够有效提高汽车电子漏电信号检测的准确性和检测效率。     

基于功率谱熵和频带能量的运动意识任务分类研究

提出以信号功率谱熵和频带能量作为组合脑电特征向量,运用时变线性分类算法对左右手运动意识任务分类的方法.C3、C4电极脑电信号8～24Hz功率谱熵和频带能量随时间变化的规律很好地反映了ERD/ERS现象,将两种特征组合用于分类,得到了满意的结果.由于功率谱峰熵和频带能量计算比较简单,稳定性好,识别率高,可在线识别左右手想象运动.     

脑电信号的数字处理技术研究

针对μV级脑电信号高频干扰和50 Hz工频干扰及对线性相位性的要求,应用频率采样技术设计了0～40 Hz FIR低通滤波器:并克服了传统FIR 50 Hz陷波器滤波阶数要求过高和对频率不稳定干扰信号缺乏鲁棒性的弊端,设计出50 Hz自适应陷波器.Matlab仿真后的波形图和功率谱图表明,该技术能很好地抑制高频干扰和50 Hz工频干扰信号.将经过仿真后的算法通过编程在DSP芯片上进行了实现.     

脑电信号中眼电伪迹的自动去除算法

为实现眼电伪迹的自动去除,提高算法的有效性和稳健性,提出一种眼电伪迹自动去除算法。采用样本熵和一种通用的伪迹判决方法对眼电伪迹进行自动识别,通过脑电信号的重构实现眼电伪迹的去除。实验结果表明,对于不同长度的真实脑电信号,该算法均能准确地去除眼电伪迹,较好地保留其他的脑电信号成分,且可以完全自动地去除眼电伪迹,适用于实时场合。     

驾驶员疲劳状态生理信号的DFA

通过去趋势波动分析(DFA)研究驾驶员疲劳状态的心率变异性信号和脑电信号特征.22名被试在驾驶模拟器上进行模拟驾驶作业,采集驾驶过程中的心率变异性和脑电信号并进行离线分析.Wil-coxon符号秩检验用于分析清醒和疲劳两种状态间DFA标度指数的差异,受试者工作曲线(ROC)分析用于确定DFA区分疲劳驾驶和清醒驾驶的能力.结果表明:疲劳状态时,心率变异性和脑电信号的标度指数显著增加(Wilcoxon符号秩检验,p＜0.01);心率变异性和脑电信号标度指数的ROC下面积最大分别为0.75和0.78.DFA的标度指数具有应用于驾驶疲劳监测系统的前景.     

基于表面肌电的运动意图识别方法研究及应用综述

表面肌电信号 (Surface electromyography, sEMG) 是人体自身的资源, 蕴含着关联人体运动的丰富信息, 用它作为交互媒介以构建人机交互 (Human-robot interaction, HRI) 系统有天然的优势.通过肌电信号实现人机自然交互的关键是由肌电信号识别出人体运动意图, 通常包括离散动作模态分类、关节连续运动量估计及关节刚度/阻抗估计等三方面内容.本文详细归纳基于表面肌电的运动识别方法研究成果, 总结当前研究的特点; 随后, 介绍基于表面肌电的运动识别技术的应用现状, 并探讨制约其推广的主要问题; 最后, 展望该技术的未来发展.     

基于AD8232的心电实时监测及分析系统设计

为了方便对患者心电信号进行实时监测,实现对心脏疾病的及时预防及诊断,利用一款基于ATmega328p微控制器的Arduino开发板、一块心电监测前端模块AD8232及上位机软件LabVIEW开发出一套心电实时监测系统,并利用LabVIEW设计出多种软件滤波方法来抑制心电信号中的噪声。由于心电信号的时频特性能提供反映患者心脏活动动态行为的信息,该系统还包括基于LabVIEW设计出的多种用于心电信号实时分析的程序,使被试心电信号所包含的生理特性能够及时地被分析出来。利用所开发的心电实时监测分析系统对被试的心电信号进行采集和分析,发现系统能够非常灵敏、准确地检测心电信号,并对信号噪声有着很好的抑制能力。此外系统能够对信号进行各式的实时分析,且分析结果可靠,能够运用于临床诊断。利用该系统对心电信号进行实时采集和分析,其测量结果准确、去噪效果良好、分析结果可靠,为今后心电实时监测分析系统的设计提供了借鉴。     

平稳小波变换在膈肌肌电降噪中的应用

为了去除膈肌肌电中的心电干扰,提出了一种基于平稳小波变换的“逆向”硬阈值的降噪方法.首先,对临床的膈肌肌电信号进行平稳小波变换,根据小波系数检测QRS并确定心电干扰范围;其次,逐层估计心电周期范围的小波系数均方差,并且通过均方差计算各个心电干扰的阈值;最后,对各层心电干扰范围小波系数进行“逆向”硬阈值处理,并进行小波逆变换得到降噪后的信号.实验结果表明,该方法能够有效地去除膈肌肌电信号中的心电干扰,并且能够较好地保留膈肌肌电信号的信号特征.     

LM算法在神经网络脑电信号分类中的研究

在脑机接口(BCI)中,脑电信号(EEG)的特征提取和分类识别可以通过多层前馈神经网络的大量学习来实现,但是基于误差反向传播的BP神经网络标准算法收敛速度慢,在训练中效率不高,分类正确率也很有限。针对这些问题,文中提出使用一种快速稳定的Levenberg-Marquardt算法来代替BP算法进行神经网络的学习训练,并利用BCI 2008竞赛的Graz数据集B进行了对左右手想象运动脑电信号分类的MATLAB仿真实验。该方法使得脑电信号分类的正确率达到87.1%,比BP算法的正确率78.2%要高,并且具有更好的收敛性。该算法为脑电信号的分类提供了有效的手段。