排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
脑电信号和眼电信号存在频谱混叠,目前的单通道脑电信号中眼电伪迹去除方法容易造成脑电信号失真。提出一种基于经验小波变换(EWT)和改进的自适应噪声完备经验模态分解(ICEEMDAN)的单通道脑电信号眼电伪迹去除算法。首先使用EWT将单通道脑电信号分解为δ频段和高频段信号,再用ICEEMDAN将δ频段信号自适应分解为多维本征模态函数(IMFs),设置样本熵阈值自动去除眼电伪迹信号,最后重构得到滤波后的脑电信号。基于半模拟脑电数据和真实脑电数据开展实验,结果表明所提算法相比于已有算法能够在去除眼电伪迹的同时更好地保留原始脑电信息。 相似文献
2.
3.
脑功能成像技术可以反映人体运动时的大脑生理变化,进而解码运动状态,但单模态信号反映的大脑生理信息存在局
限性。 为此,本文提出了一种基于 EEG 和 fNIRS 信号的时频特征融合与协同分类方法,利用脑神经电活动和血氧信息的互补
特性提高运动状态解码精度。 首先,提取 EEG 的小波包能量熵特征,使用双向长短期记忆网络(Bi-LSTM)提取 fNIRS 的时域特
征,将两类特征组合得到包含时频域信息的融合特征,实现 EEG 和 fNIRS 不同层次特征的信息互补。 然后,利用 1DCNN 提取
融合特征深层次信息。 最后,采用全连接神经网络进行任务分类。 将所提方法应用于公开数据集,本文所提的 EEG-fNIRS 信号
协同分类方法准确率为 95. 31% ,较单模态分类高 7. 81% ~ 9. 60% 。 结果表明,该方法充分融合了两互补信号的时频域信息,提
高了对左右手握力运动的分类准确率。 相似文献
4.
在神经康复训练中, 保持患者积极主动参与、提供适配其运动能力的训练难度, 对于取得良好的康复效果至关重要. 针对患者在长期康复训练过程中容易懈怠甚至出现惰性效应、运动能力有波动等挑战, 系统提出了一种脑肢融合的神经康复训练在线评价与调整方法. 首先, 从脑、肢体以及训练任务三个层面, 基于脑电(Electroencephalography, EEG)信号、肢体运动数据和任务评分, 建立了对患者神经参与程度、运动控制能力和任务完成情况的量化评价方法. 进而, 在任务操作难度、辅助或干扰力场以及视觉辅助等方面, 设计了康复训练任务内和任务间的在线调整方法. 通过一个针对手功能康复的灵巧操作任务, 实现了基于所提出的脑肢融合在线评价与调整方法的闭环神经康复训练. 开展实验, 招募16名受试者参加, 对比分析开环训练和闭环训练两种情况下的实验结果, 验证了所提出方法的可行性和有效性. 该工作可推广应用到脑功能障碍患者的运动康复训练, 进一步提高康复效果. 相似文献
1