鸽子运动意图的最大似然估计解码算法

神经信息解码是目前植入式脑机接口(brain-computer interface,BCI)神经信息处理研究中的难点和重点;解码效果的优劣以及解码算法的效率直接决定了脑机接口应用的有效性和实用性。为了解码十字迷宫内鸽子运动转向信息,利用高斯分布模型对神经元锋电位发放率的概率密度函数进行建模;并结合最大似然估计(maximum likelihood estimation,MLE)算法对鸽子的转向意图进行了预测;并将其结果与(support vector machine,SVM)法和群矢量(population vector,PV)法进行了比较。结果表明,MLE算法能够有效地解码鸽子的运动意图,解码正确率显著高于SVM法和PV法。这一结果也为进一步分析鸽子运动意图神经信息处理机制奠定了基础。     

基于三维场景及动画人物交互的网上虚拟审批大厅

政府的信息丰富了,网上办理的审批办事平台有了,能不能就如同医院里有导医,商场里有导购一样,公众也能在政务网站上有一位导航员陪伴,不厌其烦地带领浏览者进入虚拟的审批大厅,解答相关办事事项,不知疲倦地做到全天候的职守呢？     

佛坪保护区大熊猫保护与竹林问题的探讨

佛坪保护区经过几代人的努力,森林生态系统得到了完整的保护,生物多样性逐年提高,大熊猫数量和密度居全国之首,但与大熊猫息息相关的竹林却存在着健康问题和分布不合理问题。希望通过对大熊猫保护与竹林问题的探讨,唤起人们对大熊猫秦岭亚种(秦岭大熊猫)的关注。     

锋电位检测信号的EEMD去噪方法研究

神经元锋电位(spike)是研究大脑信息编码的基础,因其宽带、小幅值等特点而极易受噪声干扰。针对spike信号的间歇性及非平稳性,采用经验模态分解(EMD,Empirical Mode Decomposition)的改进算法--整体平均经验模态分解(EEMD,Ensemble Empirical Mode Decomposition)对spike检测信号进行分解并结合小波阈值法进行去噪。EEMD能将信号中间歇性成分有效分离出来,解决了EMD产生的模态混叠问题。基于仿真和实测数据将其与EMD去噪方法及多元小波去噪法进行比较,结果表明:EEMD去噪方法不仅有效提高了spike检测信号的信噪比,而且降低了spike波形的畸变。在3种去噪方法中,EEMD去噪方法效果最为显著,对仿真信号的信噪比平均提高了4.177 2d B。为随后spike信号的分类和信息编码奠定了良好基础。     

膨胀型阻燃剂五氧化二磷-季戊四醇-三聚氰酰胺聚合物在防火涂料中的应用

以五氧化二磷(P2O5)、季戊四醇(PT)和三聚氰胺(M)为原料制得膨胀型阻燃剂,将其用于制备氯化橡胶防火涂料,实验证明:膨胀型阻燃剂的膨胀度与阻燃剂的组成有关,最佳配比为n(P2O5):n(PT):n(M)=1.0～2.0:1.0:1.7～2.7;膨胀型阻燃涂料的阻燃隔热性与阻燃剂的组成有关,阻燃剂组成为n(P2O5):n(PT):n(M)=2:1:2.5时效果最好;膨胀型阻燃涂料的阻燃隔热性与阻燃剂的添加量有关,添加量达一定量后,阻燃剂用量增加阻燃效果变化不大.     

基于ReliefF算法与偏最小二乘方法的鸽子转向运动解码

针对微电极阵列记录的局部场电位(LFP)信号包含大量的噪声和冗余信息,而且信号特征维数高,从而影响解码正确率的问题,结合Relief F算法与偏最小二乘(PLS)方法,解码了动物的转向运动行为。设计了鸽子的十字迷宫目标导向实验,采集鸽子弓状皮质尾外侧(NCL)LFP神经信号,提取信号的特征,利用Relief F算法对各个特征赋予相应的权重值,根据权重阈值选取合适的特征构成特征子集;并用PLS对特征子集提取主成分,最后用支持向量机(SVM)进行解码,并将解码结果与单独使用Relief F算法和PLS算法比较。结果:LFP信号经Relief F-PLS特征提取后,五组鸽子实测数据的解码正确率分别达到95.00%、80.00%、95.00%、92.50%、85.71%,高于单独用Relief F或PLS算法的解码正确率,而且所提取的特征数更少。说明Relief F-PLS方法结合了Relief F和PLS的优点,提高了解码正确率;而且提取的特征数更少,有效地去除原始特征中的干扰特征和冗余特征,验证了该算法的有效性,为相关研究探索了一条新路径。     

时变自回归模型在清醒大鼠局部场电位特征分析中的应用

同步和去同步状态是清醒大鼠脑活动的两种典型状态,分析不同状态下局部场电位(LFP)的时频特性差异是提取刺激响应特征的基础。针对LFP信号的非平稳特性,采用时变自回归(TVAR)算法建立LFP状态空间模型;并利用卡尔曼滤波迭代方法对模型系数进行动态更新。然后基于TVAR系数计算LFP的功率谱,对不同状态的LFP信号进行时频特性分析。研究结果表明,利用TVAR模型结合卡尔曼滤波算法获得的时频功率谱与基于短时傅里叶变换方法的结果相比,具有更高的时频分辨率,而且通过对LFP的时频分析可以有效捕捉大脑活动状态的动态变化,对于大脑功能机制的解析具有重要意义。     

基于ReliefF-PLS的鸽子转向运动解码研究

针对微电极阵列记录的局部场电位(LFP)信号包含大量的噪声和冗余信息,而且信号特征维数高,从而影响解码正确率的问题,结合ReliefF算法与偏最小二乘(PLS)方法,解码了动物的转向运动行为。设计了鸽子的十字迷宫目标导向实验,采集鸽子弓状皮质尾外侧(NCL)LFP神经信号,提取信号的特征,利用ReliefF算法对各个特征赋予相应的权重值,根据权重阈值选取合适的特征构成特征子集,并用PLS对特征子集提取主成分,最后用支持向量机(SVM)进行解码,并将解码结果与单独使用ReliefF算法和PLS算法比较。结果：LFP信号经ReliefF-PLS特征提取后,五组鸽子实测数据的解码正确率分别达到95.00%、80.00%、95.00%、92.50%、85.71%,高于单独用ReliefF或PLS算法的解码正确率,而且所提取的特征数更少。结论：ReliefF-PLS方法结合了ReliefF和PLS的优点,提高了解码正确率,而且提取的特征数更少,有效的去除原始特征中的干扰特征和冗余特征,验证了该算法的有效性,为相关研究探索了一条新路径。