基于嵌入式系统的诱发脑电信号采集仪器设计

本文在建立了一个脑电信号源模型的基础上,仔细分析了脑电信号放大器的干扰与噪声,并且提出了抑制干扰与噪声的一系列措施.然后根据脑电信号的特点着重讨论了前置放大器的设计,介绍了整个脑电信号采集系统的组成,以及软件设计方面的任务分析、数字滤波器以及关键的数据结构,最后讲解了诱发事件与诱发脑电信号的同步关系和数据的封装.     

脑电信号识别方法的研究

人类对大脑的探索已进入了数字化时代,随着脑信号检测技术的日益成熟以及人工智能算法的研究进展,脑信号的解读研究也展现出越来越多的成果.本文首先介绍当下大脑信号获取的医学方法,而后简述脑电信号的特征提取以及分类识别方法,接着列举脑电识别的前沿研究,最后对脑电信号识别的数据应用领域进行展望.     

共空间模式结合卷积神经网络的脑电信号分类

为了更好解码大脑的意图和思想并作出准确识别,结合共空间模式(CSP)和卷积神经网络(CNN)算法,对脑电数据进行空间滤波处理和时空域上的特征提取.脑电信号是一种具有时空特性的信号,设计了一种CNN网络结构来进行运动想象信号的分类.为了提高分类准确率,对CSP算法中m参数进行了选择.最后,将该算法应用于公共数据集,建立分...     

基于ASP.NET的研究生“三助”管理系统研究与实践

针对研究生教育管理模式的不断改进,使得研究生“三助”政策惠及到每个硕士研究生,传统的研究生“三助”管理模式已经不能满足需求。文中提出了基于ASP.NET技术的研究生“三助”管理系统的研究与实践。该方法基于微软的ASP.NET的Web应用程序开发,运用.NET框架技术和公共的类库,采用B/S 设计模式,将管理系统分为表示层、业务层和数据层,最终实现表示层,业务层和数据层之间的信息交互,完成研究生“三助”管理系统的实践。该管理系统的设计大大克服了传统研究生“三助”系统封闭,数据更新慢等缺点,使得研究生管理系统数据处理更加高效,数据公开更加透明。     

语言脑机接口康复系统中的参数优化研究

脑机接口可为失语症及运动障碍患者提供新的康复途径。本文设计了基于汉字默读的语言脑机接口实验,将9位被试脑电信号从时域、频域和空间域三方面进行特征选择和优化,用于汉字识别。采用事件相关谱扰动算法进行时频分析,以获取特征显著的时频区间,利用共空间模式进行空域分析,选择出最佳导联组并结合分类结果对电极优化选择。结果表明:默读汉字所引起的脑电信号时频能量变化主要分布在α波和β波,且随默读时间动态变化。特征选择时,改进时间与频率区间较固定时间与频率区间均能有效提高汉字的平均匹配准确率,若同时改进时间与滤波范围,匹配准确率提高范围达到3.37%。本文有助于语言脑机接口的理论研究,同时为语言康复训练提供新思路。      

CSSD＋AAR模型在脑电信号处理中的应用

针对BCI技术中的脑电信号处理方法和事件相关去同步化的特点,提出了一种结合时、频、空域的特征提取方法。结合CSSD和AAR模型来提取脑电特征,并对基于AAR模型系数的特征提取方法进行了探讨,最终选择卡尔曼平滑算法提取模型系数,然后将提取的特征用简单的线性分类器进行分类。实验结果表明测试集的分类正确率达到了94．08％,而且这种特征提取方法有很好的时间分辨率,适合于在线分类。这是一种正确率高,时间分辨率高,适合在线分类的好方法。     

基于运动想象的异步在线脑-机接口系统

目前,运动想象脑-机接口( motor imagery brain computer interface,MIBCI) 的离线分析和研究相对比较成熟,但是异步在线MIBCI始终具有挑战性。针对在线BCI系统的识别率和控制方式,提出了利用共空间模式(common spatial pattern,CSP)算法对运动想象(motor imagery,MI)进行特征提取并结合alpha波进行异步控制。构建了一种简单实用的自主控制小球运动MIBCI实验系统。有四名受试者参加了在线实验,其中有两名受试者在线运动想象识别正确率最高能达到100%。实验结果验证了本文所建系统的可行性和实用性。      

基于相关性和稀疏表示的运动想象脑电通道选择方法

在基于运动想象(MI)的脑机接口(BCI)中,通常采用较多通道的脑电信号(EEG)来提高分类精度,但其中会有包含与MI任务无关或冗余信息的通道,从而影响BCI的性能提升。该文针对运动想象脑电分类中的通道选择问题,提出一种采用相关性和稀疏表示对通道进行选择的方法(CSR-CS)。首先计算训练样本每个通道的皮尔逊相关系数来选择显著通道,然后提取显著通道所在区域的滤波器组共空间模式特征拼接成字典,利用由字典所得到的非零稀疏系数的个数表征每个区域的分类能力,选出显著区域所包含的显著通道作为最优通道,最后采用共空间模式和支持向量机分别进行特征提取与分类。在对BCI第3次竞赛数据集IVa和BCI第4次竞赛数据集I两个二分类MI任务的分类实验中,平均分类精度达到了88.61%和83.9%,表明所提通道选择方法的有效性和鲁棒性。     

在线脑机接口中脑电信号的特征提取与分类方法

在脑机接口研究中,针对运动想象脑电信号的特征抽取,提出了一种基于离散小波变换和AR模型的方法.利用Daubechies类小波函数对脑电信号进行3层分解,抽取小波变换系数的统计特征;利用Burg算法提取脑电信号6阶AR模型系数.将这两类特征进行组合后使用神经网络、支持向量机、马氏距离线性判别进行分类并比较分析.采用BCI...     

基于小波变换的运动想象脑电信号分类

在脑-机接口的研究中,针对运动想象的两种思维任务的脑电信号的特征提取,提出了一种基于小波包变换的特征提取方法。该方法利用想象运动中,脑电信号Mu/Beta节律事件相关同步化/去同步化特性,采用BCI2003竞赛数据,输入Matlab的Classify分类函数进行分类,正确率达到88.57%。     

基于松散型WNN的运动想象脑电信号解码研究

基于运动想象的脑机接口可以控制外部设备,在医疗康复领域中有着重要的临床意义。为了提高运动想象脑电信号的分类准确率,提出一种松散型小波神经网络,即双树复小波变换与神经网络分开进行计算再组合。利用DTCWT对预处理后的脑电信号进行分解,计算复小波系数的多个特征值并构建特征向量,将组合后的特征向量送入神经网络中进行分类识别。实验结果表明,该算法在BCI Competition IV的数据集2a上的平均准确率为76.03%。通过与不同分类器和现有方法的比较,验证了松散型小波神经网络的有效性。     

基于回溯搜索算法的导联选择脑机接口研究

在脑机接口(BCI)中,传统的共空域模式(CSP)算法在提取特征信号与事件相关去同步/同步(ERD/ERS)的信息上得到了很好的效果。但是CSP算法受限于电极导联数、EEG信号的时间段和频带等因素,如电极导联数的增加,CSP算法容易过拟合,数据记录容易混乱,使得运算变得复杂,增加运算时间,降低数据分类正确率。所以,CSP算法存在局限性。使用回溯搜索优化算法(BSA)能够为CSP算法自动挑选出一组导联数组子集,并且以分类错误率作为BSA算法的目标函数进行实验。实验采用两类实验数据(第三、四届国际BCI竞赛数据集)进行交叉验证分类实验。实验结果表明,两类数据的导联数目大幅度减少,分类正确率有所提高。     

基于听觉E RP功能脑网络特征和SVM的测谎方法研究

基于图论理论的脑网络分析方法近年来在认知脑科学研究中起到了非常重要的作用,而基于事件相关电位（Event-Related Potentials,ERP）的传统测谎方法一直都专注于对某一特定通道上的脑电信号进行分析,针对传统方法中使用少数通道并不能够全面的反映人在说谎状态下大脑整体认知功能特征的缺点,本文提出了基于脑网络特征的测谎方法,通过听觉刺激诱发事件相关电位ERP,记录脑区多通道脑电信号,通过讨论各导联之间的相位延迟指数来构建脑功能网络,计算7类脑网络特征参数作为判别指标。分析被试在说谎和无辜状态下的网络特征参数,使用支持向量机对实验数据进行分类判断,结果表明：本文提出的方法有较高的判别准确率,优于目前判别方法的平均值,证明了本方法的测谎有效性。     

脑机接口信号处理的研究进展

目前,神经电刺激领域发展较为迅速,主要应用领域是对脑部核团进行电刺激,用于治疗或缓解患者相关病症,主要调整参数方式为主观调节,医生根据患者情况进行参数调节,让患者感受相关刺激后决定是否采用该参数,存在调整不精准、不适应、不及时等情况.随着市场需求增加,通信技术发展,远程医疗逐渐能够解决程控调整的及时性问题,但更本质的解...     

运动想象与其子过程相关脑电特征的数学分解和融合

现有的基于运动想象的脑机接口（Motor Imagery-Brain-Computer Interface,MI-BCI）研究主要将每个运动想象过程作为一个整体来识别,但是这样的控制是不精细的,因此提出MI子过程的概念,通过把MI分解为子过程,对MI及其子过程相关脑电特征进行数学分解和融合,以提高解码的精细度、精度和鲁棒性。研究证明,一个连续完整的MI过程可以分解为若干子过程,反之,若干子过程可以融合为一个连续完整的MI过程。该研究可望为MI-EEG-BCI系统的精细控制提供思路。     

脑机接口中基于MRP的半监督判决空间模式法

在脑-机接口研究中,如果训练样本少,判决空间模式法不能很好地提取运动相关电位特征。为此,文中在半监督框架下,采用自训练方法,引入分类置信度高的无标记样本,迭代学习MRP的空间判决模式。实验结果验证了所提算法的有效性。     

基于运动想象脑机接口的AuFBCSP方法

针对基于运动想象的脑机接口问题,提出了一种新的特征提取方法,即加强的滤波带宽共同空间模式方法。与传统的滤波带宽共同空间模式方法相比,文中提出的方法充分考虑了被试在进行运动想象时发生事件相关去同步时段的特异性,从而得到更多的特征,并利用这些特征分类,取得更高的准确率和kappa值。在特征的选择上,利用BCI的竞赛数据,将基于互信息的方法和基于准确率的方法进行对比,发现基于准确率的特征选择方法优于基于互信息的特征选择方法。     

基于耳周围EMG信号的舌-机接口编解码技术研究

人-机交互（Human-Computer Interface, HCI）是将人的意图或运动转为机器指令的技术。其中,利用生物电信号来实现人与外部设备之间实时通信的HCI系统可反映人体内部状态和预期行动,已广泛应用于健康监测、医疗诊断、航空航天、假肢和辅助设备的开发等多个领域。研究表明,基于肌电（Electromyography, EMG）的HCI系统稳定性强、实用化程度高,具有广阔的应用场景。其中,舌头运动具有高度的灵活性和可控性,诱发信号强且易于检测,因此通过舌动来控制外部设备的舌-机接口（Tongue-Computer Interface, TCI）具有重要的研究价值。然而现有研究的舌动信号采集方式仍然无法同时满足自然场景下高用户舒适度、精识别准确率和多控制指令集等方面的需求。为此,本研究设计了7种不同的舌头运动方式,分别为舌头“从左到右”、“从右到左”、“向上”、“向下”、“吐舌”、“卷舌”和“说‘talk’”运动,并采用更为便捷、舒适的电极放置方法获取了22名受试者的耳周围舌动EMG信号。本研究通过时、频域特征和共空间模式（Common Spatial Pattern, CSP...     

一种基于WRCE-CSP的运动想象电位识别方法

针对脑一机接口系统中运动想象脑电信号（Electroencephalography,EEG）的模式识别问题,提出了加权节律成分提取（WeightedRhythmicComponentExtraction,WRCE）与共空间模式（CommonSpacePattern,CSP）相结合的特征提取方法,并使用Fisher线性判别分析进行分类。采用2003年的BCI竞赛数据Datasetm对该方法进行评估,测试数据的分类正确率达到86．13％,比使用传统CSP方法进行特征提取时的分类正确率提高了5．71％,表明该方法可有效地应用于运动想象EEG的模式识别中。     

脑-机接口中基于ERS/ERD的自适应空间滤波算法

在与运动相关的脑-机接口(Brain-Computer Interface,BCI)研究中,如果样本规模小,共同空间模式(Common Spatial Patterns,CSP)滤波算法对离群点(可能为噪声)敏感,鲁棒性不好.为此该文提出自适应空间滤波(Adaptive Spatial Filter,ASF)算法,抽取滤波后脑电信号的方差作为特征,并寻找最优滤波器使两类特征中心的比值最大.与CSP不同,ASF是迭代算法,具有软判决机制,能够依据历代更新后的滤波器,自适应地降低离群点对各类特征中心计算带来的影响.采用BCI competition 2003和2005中两套数据集进行实验,结果表明:尤其是在训练样本少的情况下,相对于CSP,ASF所提取的特征分类效果更好.