脑电信号多重粗粒化复杂度分析方法研究

为了准确地描述脑电信号的精细结构和复杂成分,提出了基于多重粗粒化的脑电信号复杂度方法。根据脑电信号幅值微弱,幅值跨越大,一定幅值范围的脑电具有特定认知和生理意义的脑电特性,采用多重赋值,可尽量保留对信号复杂结构的描述;基于统计学特点(以百分比为阈值)对已经归一化的信号划分幅值域,进行粗粒化,基于传统方法计算复杂度。该方法有效地克服了经典LZC复杂度不能描述脑电精细结构的不足。提出了当脑电信号在粗粒化后出现局部周期,且达到一定阈值后(如beta波或具有相似幅值特性的脑电信号达到一定阈值),4重复杂度值小于10重复杂度值的假设,初步建立了脑电节律与多重LZC的联系。仿真计算和实际数据验证表明,多重LZC方法结果更准确、合理,而且能反映脑电节律成分特性。     

ICA及其在消除心电信号中肌电伪迹的应用

针对肌电干扰容易在心电信号中产生伪迹,在特殊身体条件下尤其明显,这一现象提出基于最大似然估计(MLE)的独立分量分析(ICA)方法来消除心电信号中的肌电伪迹.建立了基于最大似然估计的目标函数,研究了用于目标函数优化的固定点迭代算法,给出了ICA的具体实现步骤,实现了对所有独立分量的并行同步提取.最后引人了相空间理论衡量股电伪迹的消除效果.结果表明,利用独立分量分析有效地实现了心电信号中肌电伪迹的消除.     

闭眼与开眼静息状态下脑电α波的差异研究

利用128导脑电仪采集了11个健康被试者的闭眼与开眼静息状态下的高分辨率脑电信号,对闭眼与开眼情况下α 波(8～13Hz)功率的差异进行了分析。计算两种情况下全脑脑电信号的平均功率,统计检验了两者的全脑平均功率;应用标准 低分辨率电磁断层成像方法对头皮功率值进行定位,利用t检验得到两种情况下具有显著性差异的α波功率在大脑中的位置。 结果表明,闭眼情况下α波功率显著高于开眼,具有显著性差异的大脑位置包括额叶、顶叶和枕叶等区域。     

基于样本熵算法的抑郁症患者脑电特征分析

为寻找抑郁症患者早期诊断指标,采集了5例未经抗抑郁药物干预的抑郁症患者和6例正常被试者静息状态下的脑电数据,采用样本熵算法,研究抑郁症患者脑电时间序列复杂度。结果表明,2组数据睁眼状态都比闭眼状态的样本熵数值大,说明睁眼状态的时间序列复杂度要高于闭眼状态。抑郁组的睁眼状态和闭眼状态样本熵数值分别比正常组大,说明抑郁组睁眼和闭眼状态时间序列复杂度比正常组高。研究表明,样本熵的处理方法能有效区分抑郁症患者和正常对照组,样本熵可作为判别抑郁症的生物学指标,为抑郁症的早期诊断提供一种辅助方法。     

EMD及其在脑电分析中的应用研究

基于经验模态分解(EMD)的数据分析方法,是一种针对非线性、非平稳信号处理的新方法.使用EMD法可以将任意复杂的数据信号分解为多个有限的、数据量较小的“本征模函数”(IMF).这些本征模函数很适合求其Hilbert变换.信号的局部能量和瞬时频率都可以从其本征模函数中推导出来.这个完整的能量-频率-时间关系称为Hilbert谱,它是一种分析非线性、非平稳信号的理想方法.介绍了EMD法的原理和实现过程,给出了多个实例的本征模函数和Hilbert谱.并展示了它在非稳态信号处理中的特性.同时,还探索将这种基于EMD的分析方法应用于脑电信号的分析中,并给出了脑电信号的部分本征模函数(IMF)分量及Hilbert振幅和频谱图.试图用一种新的方法分析复杂的非平稳脑电信号.     

基于脑电信号空域特征的紧急制动行为识别

基于脑电信号对紧急制动行为的分类识别和预测,是开发以人为中心的智能辅助驾驶系统的关键问题。为实现对驾驶过程中紧急制动和正常驾驶行为的分类识别,提出了基于PLV的特征表示方法来构建功能性脑网络,结合对网络特征参数的统计分析,确定显著性差异的特征参数,以及通过对数欧式距离提取脑电信号空域特征,并结合机器学习算法完成对紧急制动和正常驾驶行为的分类识别。实验结果表明,针对17名被试的紧急制动和正常驾驶的分类准确率均高于84%,最高准确率达到95.7%;对功能性脑网络的分析结果表明,在两种驾驶行为过程中,脑区间的交互都涉及全脑区,且在紧急制动过程中,脑区间的交互主要出现在额-中央-颞叶区,这与紧急制动下大脑更专注于判断决策相符。研究结果对理解驾驶过程中,尤其是紧急制动过程中驾驶员对应脑区间的依赖关系,以及开发智能辅助驾驶系统在驾驶过程中提前识别紧急制动意图具有一定的参考价值。     

纵向数据单指标模型的广义经验似然统计推断

基于广义估计方程和二次推断函数方法,提出了纠偏的广义经验似然方法对纵向数据单指标模型进行统计推断,获得了模型中指标参数分量的极大经验似然估计和纠偏的广义经验对数似然比统计量.证明了相关估计量在一定条件下具有渐近正态性,且纠偏的广义经验对数似然比统计量依分布收敛于χ2分布,利用所得结果,可以构造未知参数的置信域及相关的假设检验.     

混沌信号非相干的一种检测技术

混沌信号对初始条件的敏感,使得目前混沌信号在通信系统的收发端难以建立同步,实际应用中基于同步的混沌信号相干检测技术还不很成熟。通过采用一种基于概率统计的方法,应用最大似然法和贝叶斯公式,在CSK(ChaosShiftKeying)系统的接收端重构发射端混沌映射,实现混沌信号的非相干检测。在一定的信噪比条件下,理论推导和计算机仿真结果是一致的。     

大脑认识功能障碍类疾病的计算机辅助诊断

大脑认识功能障碍类疾病一般伴随有集中警觉状态的障碍式缺损。基于短程非周期３６￣４４Ｈｚ（中心在４０Ｈｚ）频率的脑电活动是集中警觉状态的可靠指征。本文采用匹配滤波法滤出４０Ｈｚ脑电信号,使其从高幅宽带的头皮肌电噪声信号中提取出来。４０Ｈｚ脑电模板信号的获取是通过采用中心频率分别为４０Ｈｚ和６０Ｈｚ的两个窄带数字滤波器,并对滤出的４０Ｈｚ和６０Ｈｚ的信号相比较而得到。临床实验表明：集中警觉状态时,正常     

基于CNN脑电信号伪迹检测与去除的EEMD方法

为了去除在脑电信号采集过程中受到的干扰,在传统方法的基础之上,提出了一种基于卷积神经网络(CNN)脑电信号伪迹检测与去除的方法。该方法通过CNN模型对脑电信号电压幅值计算后的特征进行提取,完成Softmax分类器对脑电信号的检测分类。采用EEMD算法将含噪脑电信号分解为若干个本征模式函数IMF分量,通过Hilbert特征法提取出噪声占主导的高频IMF分量,再由FastICA的方法将剩余信号分离,达到眼电伪迹的去除。实验表明,CNN方法检测准确率高达80%以上,CNN与EEMD的结合提高了脑电信号伪迹去除的有效性。     

基于双锁相环路的非正弦时域正交调制外同步方法

针对非正弦时域正交调制信号难以同步的问题,从该调制信号的时域并行、频谱交叠特性入手,提出了一种基于双锁相环路的外同步方法。该方法使用与调制信号频域分离的带通PSWF脉冲序列作为辅助同步序列。接收端同步捕获时,首先利用窄带锁相环完成载波同步,在此基础上,通过相干解调得到基带PSWF脉冲序列,最后通过数字脉冲锁相环实现码元同步。仿真结果表明,该方法具有同步捕获快、稳定性好、抗噪声能力强的优点,尤其适用于并行调制路数较多的情况。     

基于脑电实验的眨眼次数与疲劳相关性研究

眨眼次数可以反映一个人的疲劳程度,但目前对于这一结论的客观验证研究较少。脑电信号是已被证实的疲劳检测的可信标准。利用脑电信号与眨眼次数的相关性,为基于眨眼次数的疲劳检测方法提供了理论依据。设计实现基于脑电的疲劳检测实验,采集被试脑电信号的同时记录被试的眼部图像数据。利用小波变换对脑电信号进行特征提取,分析被试在实验过程中疲劳程度变化情况。同时,处理被试眼部图像数据,统计被试眨眼次数,分析变化趋势。对脑电数据和眨眼次数进行相关性分析,客观验证了眨眼次数随疲劳程度增大而增加的结论。     

Hybrid differential coherent bit synchronization algorithm for the weak GNSS signal

The low signal-to-carrier ratio and frequency deviation affect the bit synchronization in the GNSS receiver. In this paper, a hybrid differential coherent bit synchronization algorithm is presented, which uses the short coherent time to improve the signal gain and adopts the large distance differential coherent method to enhance the discrimination between bit edge and others. The results show that the proposed algorithm maintains a good frequency deviation tolerance, and achieves good synchronization performance under 50Hz frequency deviation. Compared with previous methods, the proposed algorithm improves the sensitivity of bit synchronization by 3～7dB.     

正常和癫痫脑电信号之间非线性程度差异

利用量化延迟向量方差方法研究了正常和癫痫脑电信号之间非线性程度的差异,并比较了不同替代数据产生方法得到的脑电信号的非线性度结果。比较结果表明正常和癫痫脑电信号虽然均具有非线性,但癫痫脑电信号的非线性程度要强于正常脑电信号。据此,提出正常和癫痫脑电信号之间的非线性程度差异可以用作描述癫痫发作的特征。     

Evaluation of Product Placement with Attention on Eye-Tracking and EEG

Advertising evaluation can not only evaluate the subconscious behavior of consumers and help consumers to avoid irrational consumption, but also improve the utilization of advertising resources. To deal with this topic, electroencephalogram (EEG) data and eye movement data from 18 subjects is collected. The power spectra of beta band and theta band are used to calculate the EEG attention index, while the eye attention index is calculated by the statistics at fixation on the interesting area. Therefore the fusion attention index is obtained by fusing the EEG signal and eye movement data in the feature level. The results indicate that the memory of the advertisements is synced up with the attention of the products. And the fusion attention index has a higher significant difference than the other two indexes.     

P300信号分类的多样本融合支持向量机算法

脑电信号是大脑受到自发或诱发刺激所产生的一种变化的脑电活动,利用结合了多样本融合思想的支持向量机（SVM）算法,在不同受试者的多样本数据上对诱发脑电信号中的P300信号进行了分类识别。首先对实验数据进行预处理和特征提取,然后利用SVM算法训练分类模型,最后通过融合多个样本的预测结果对测试数据的P300信号进行识别。结果表明,相比单样本SVM算法该方法对检测数据有较高的分类准确率,能够成为P300脑电信号预测的较好方法,具有应用前景。     

大脑局部电位信号与呼吸的关系模型研究

由于脑电波信号由无数神经放电构成,使得研究大脑与生理动作刺激之间的关系极具挑战性。根据脑电波与呼吸之间的机理特征,该文采用小波变换分解并重构了局部电位信号的主要成分,采用主成份方法分析了与呼吸相关的脑电波主要成分,分析了子波段与呼吸的强弱关联关系与周期性关系。引入径向基函数神经网络方法辨识了脑系统的呼吸与局部电位信号关系模型。     

心理意识真实性的事件相关同步研究

为揭示"说谎"与"说真话"时脑电信号的差异,该文对测谎实验中自发脑电信号的事件相关同步（ERS）进行了深入研究。分别对脑电的delta、theta节律的事件相关同步进行了详细分析,发现delta和theta节律的ERS可以反映说谎相关的心理状态,其中delta节律的ERS与P300高度相关,而theta节律的ERS效应与经典的P300效应尽管在时间上有一定的重叠,但具有不同的头皮分布特性。通过对比Fz、Cz和Pz 3个电极的主效应,发现theta同步的最大主效应位于前额中线的Fz电极,而P300的最大主效应在枕区中线的Pz电极。这说明theta节律的ERS与P300成分可能从不同角度反映了说谎心理的认知加工过程。     

基于相位同步指数的运动想象脑电平行坐标可视化分类

脑电相位同步可以反应大脑不同功能区域之间的连接性能,是当前脑科学研究中最活跃的课题之一。平行坐标作为信息可视化的主流技术,在可视化数据分析和模式识别领域有广泛应用。本文以脑机接口竞赛的运动想象脑电数据（Data Ⅲ）为对象,以平行坐标可视化技术为手段,基于相位同步指数和线性判别分类器对左右手想象意识任务进行识别。结果表明,信息可视化技术为脑机接口系统的实现提供新的思路。