视觉空间注意ERP的同步现象研究

脑的同步活动是大脑系统在脑功能区域整合或绑定的一个潜在机制。利用广义同步方法,计算大脑左右枕叶处电极ERP信号的非线性关联度来分析上下视野注意ERP的同步性的差异。实验结果表明注意与非注意以及上视野与下视野之间有明显差异。     

大鼠嗅觉区脑电信号检测与处理技术研究

设计一种大鼠嗅觉诱发电位的脑电信号（Electroencephalogram,EEG）采集和处理系统,系统可以对受到嗅觉刺激时的大鼠诱发脑电信号进行处理和分析.系统的检测电极置于大鼠大脑的嗅前核区和海马区,信号采集预处理电路包括前级信号放大器、高通滤波器、低通滤波器、可变增益信号放大器、50Hz陷波器等.系统控制模块采用MSP430低功耗芯片,采用nRF24L01无线通信模块将采集到的信号传给上位机,然后上位机程序对大鼠的嗅觉诱发信号进行处理、分析、显示.实验表明,系统能够较好的获取大鼠嗅觉诱发脑电信号.数据处理结果显示,有刺激时的脑电信号和无刺激时的脑电信号相比,信号幅值增大、复杂度降低.所以此系统可用于对爆炸物的探测.     

脑电相位同步性分析方法研究

脑电同步被认为是脑功能区域整合的表现.基于脑电同步产生的生理机制,从信号分析方法着手,研究了如何把希尔伯特变换应用到脑电同步性研究领域,并就此研究提出一种改进的小波分析方法.对真实脑电数据处理的结果证明了该方法在脑电同步分析中的有效性,并比较了2种方法的特点.从结果可以看出,希尔伯特相位同步分析方法更能反映数据的真实性,更符合生物信号的特性.     

一种基于盲源分离的眼电伪迹自动去除方法

为解决传统盲源分离算法(BSS)用于眼电伪迹去除大都存在伪迹过估计、需要人为辨别伪迹成分而不适合在线应用的不足,提出一种基于BSS算法的眼电伪迹自动去除方法.利用BSS算法对脑电信号进行分离得到独立成分,以相关系数作为判据,针对垂直眼电(VEOG)和水平眼电(HEOG)的各自特点确定不同的时间窗,寻找最优成分组合标定眨眼或眼动活动发生的时域区间,将找到的存在伪迹的成分区间置零并重建脑电(EEG)信号.通过真实P300脑电数据实验的结果表明:该方法能有效地自动去除眼电伪迹,且处理过程简单易行,克服了眼电伪迹过估计等问题.算法重建EEG信号与原始脑电(EEG)信号的平均相关系数分别从0.851 3和0.900 6提高到0.923 7,而均方误差分别减少了19.3%和16.6%,适合在线应用.     

微波致热超声成像系统的研究

生物组织在微波脉冲的激励下,会因热膨胀产生超声信号.正常组织与病变组织的电特性存在很大的差异,因此采用微波照射、利用接收的超声波成像的方式可以为检测组织的早期病变提供更大的可能.该文介绍了微波致热超声成像原理和系统的组建,从理论上分析了影响系统分辨率的因素.基于已搭建的初步实验平台,用处于单一背景下的简单目标为实验样品进行实验,利用采集的数据进行了成像研究.     

基于似然同步方法的非线性脑电信号分析方法

头皮脑电信号具有非平稳特性,相干等传统分析方法并不能很好地检测这些脑电时间序列间的依赖关系。广义同步中的似然同步算法对非平稳信号处理具有较好的效果,该文将它应用到实际脑电信号分析中。基于单向耦合Henon映射系统和实际脑电数据的仿真结果均表明,基于广义同步的似然同步方法适用测量非平稳信号间关系。针对健康被试静息态下,从闭眼到睁眼的过程中脑电信号间同步性的变化进行了研究,发现从闭眼到睁眼过程中,大脑的alpha波在几乎所有电极间的同步强度都显著地减弱,大脑的活动受到一定的抑制。上述结果也表明该方法在脑电数据分析中具有重要的意义,为其他的脑电研究提供一定的参考方法。     

基于脑功能网络连接的隐藏信息检测研究

大脑在视觉或听觉刺激作用下对是否隐藏的信息有不同的认知反应,而大脑的这种反应涉及到不同脑区的协同和信息流动。该文基于传统视觉刺激隐藏信息测试方法,设计了视听同步刺激的对比试验;并针对当前测试方法主要集中于脑中央区电极点的这一缺点,通过记录全脑区导联的信号来分析不同脑区神经活动的变化。首先用视觉刺激和视听同步刺激相关脑电位构建了脑功能网络,并计算脑网络聚集系数和特征路径长度作为基本特征量,同时构建了一种量子门节点神经网络分类器,将其应用于脑电特征的分类。实验结果表明,结合脑网络特征和量子神经网络分类器的方法,能够较为准确地识别隐藏信息,同时视听同步刺激效果好于视觉刺激。     

基于改进CSSD的脑电信号特征提取方法

针对脑-机接口系统在训练样本较少的情况下,存在脑电(EEG)信号特征值稳定性低、特征向量区分度差等不足,提出一种脑电特征提取方法,即正则化共空域子空间分解法(R-CSSD).该方法在传统共空域子空间分解(CSSD)算法的基础上引入正则化思想,通过正则化参数将目标实验者的训练数据与其他实验者(称为辅助实验者)的同类型训练数据进行有效结合,以构造正则化空间滤波器,完成对目标实验者运动想象EEG信号的特征提取,并进一步选用K近邻(KNN)算法实现脑电数据的分类.实验结果表明:在小训练样本情况下,R-CSSD方法有效提高了脑电信号特征值的稳定性,在提高分类正确率、降低时间消耗方面具有良好的性能.     

基于NTP和IEEE1588海底观测网时间同步系统

为了实现深海海底观测网时间同步,针对海底观测网通信网络拓扑结构,提出基于网络时间协议(NTP)和IEEE1588协议的时间同步应用方案.介绍NTP和IEEE1588(PTP)协议时钟同步原理.设计岸基站、接驳盒层、观测仪器层进行时间同步的硬件结构.该系统以岸基站PTP主时钟接收到的GPS/北斗双参考源的卫星信号为时间源,解码输出NTP同步信号和PTP同步信号经由光纤以太网通过深海光电复合缆进行远程传输,利用各层时间同步装置获取精确时间.开展实验室环境下的时间同步监测实验.结果表明,PPS信号时间同步精度小于500 ns,NTP时间同步精度小于400 μs,PTP时间同步精度小于3 μs.     

小波变换模极大值在诱发脑电提取中的应用

针对中潜伏期听觉诱发脑电的特点,利用信号和噪声的小波变换模极大值在分解尺度上的不同特性来滤除中潜伏期听觉诱发脑电信号中的EEG强噪声成份,重构出真实的中潜伏期听觉诱发脑电信号。通过仿真实验表明：采用小波变换模极大值技术,可以有效地提取信号,为信号特征选取提供可靠的特征分析数据。     

多传感器融合的穿戴式心率监测系统

为提高日常行为下心率监测准确率,用多传感器融合的方法分别融合与生物电生理和生物机械力密切相关的心电、脉搏波信号,实现基于Android平台的高可靠、穿戴式心率监测系统.使用本系统和ST-1212心电工作站进行了18例日常行为下不同动作不同强度的同步采集和分析实验.通过分析信号时域特征得到反映信号质量高低的信号质量指数,根据质量指数自适应调节卡尔曼滤波器对两路信号获得的心率做最优估计,最后通过卡尔曼滤波残差调节权重得到融合心率.结果表明,融合心率相比单从心电或者脉搏波信号所得心率准确度提高46%以上。该系统通过多传感器融合的方式能有效降低干扰对心率估计的影响,可相对长时间地进行心率低负荷连续监测.     

基于卡塞格林原理的火焰自由基测量系统

为了拓展火焰自由基荧光强度的测试方法,基于卡塞格林光学原理设计火焰非接触式定点测量系统,该系统可以实现对火焰自由基荧光强度的三维局部定点测量,具有定点聚焦及动态信号采集的功能.利用逆光路原理对自行设计的卡塞格林光线定点采集装置的聚焦功能进行验证,实验结果表明,该装置可以采集直径为0.382mm,长为1.628mm区域内的光线,具有三维高空间分辨率.基于甲烷部分预混火焰的OH基、CH基的光强随半径方向的分布数据分析,证明卡塞格林光线定点采集装置在火焰自由基荧光强度中定点测量的有效性与高空间分辨率特性.     

红外图像采集系统设计

采用NI公司的PCI-6115 DAQ卡及PC计算机构成PC-DAQ虚拟仪器系统,从而设计了一款图像采集系统.根据热成像原理,利用外部产生的时序信号作为采集系统的控制信号,控制采集的触发和时钟,编程实现了采集控制及显示波形的功能,对实验室研制的HgCdTe器件读出电路输出信号,并进行了采集实验,实验结果验证了该图像采集系统的可行性.     

立体深度运动感知的脑电信号研究

立体显示舒适度在很大程度上取决于立体深度运动变化。该文基于脑电EEG技术对两类深度运动的特征进行识别。首先通过主观实验确定脑电实验所用的两类视频素材,计算脑电信号在时域和时频域的点列r2值,并通过共同空间模式提取不同脑区和整个脑区的时频域差异最大的EEG信号的空域特征,采用支持向量机进行信号分类。仿真分析结果证明:刺激时大脑顶区脑电信号的α、β频带相对能量上升;对于两类深度运动,差异最显著的波段集中在顶区的α频带;Dorsal路径上具有相对较高的分类率。这表明,观看立体深度运动场景时,采用EEG去识别舒适度具有可行性。     

基于FPGA的双目视觉同步采集系统

该文提出一种象素级的双目视觉同步采集和传输系统,可满足立体视觉对左右视频输入严格同步的需求.该同步系统包含粗略到精确的两级同步设计:硬件电路级的粗略同步及基于硬件描述语言级的精确同步.通过双路视频采集与显示实验证明,该同步系统效果好、可靠性高.     

国内外脑电分析处理软件现状分析及发展趋势

脑电(Electroencephalogram,EEG)分析是脑科学研究的重要内容.随着脑科学研究及应用的迅猛发展,EEG数据急剧增加(EEG大数据),给EEG分析处理带来了极大的挑战,针对挑战,国内外相继研究了EEG的分析算法和软件,并处于进一步的发展中.本文首先对国内外已公开且具有一定知名度的EEG分析处理软件的现状进行了分析,指出了它们的功能、性能、特点和适用范围.最后指出EEG分析处理软件进一步的发展方向是:适应新的脑科学问题和应用,以及EEG数据的急剧增加,提供智能、开放、标准统一的EEG数据分析平台;增加智能的EEG溯源分析模块以缓解EEG低空间分辨率问题、EEG大数据深度分析模块、EEG与其他多模态融合模块、EEG脑机智能融合模块、EEG人工智能应用模块、其他重要的EEG智能分析工具(包括EEG微状态分析模块、EEG脑网络分析模块、EEG机器学习模块等).     

多频组合波电法的信号相干检测同步方案

针对电法勘探中同步的重要性的现有同步方法存在的问题、不完全同步的实质、同步信号与待测信号不完全同步相干检测对多频组合波电法相干检测的傅里叶变换结果的影响,研究了共时钟完全同步相干检测方案及其原理、具体实现过程．实验结果表明：利用共时钟完全同步方案可以使待测信号与采样控制信号完全同步,达到准确采集数据的目的,得到待测信号的精确傅里叶变换结果;本同步方案不仅可在多频组合波电法仪器中获得成功应用,还可以     

便携式测试信号分析系统

为了满足众多中小型机器的监测需求,开发了便携式测试信号分析系统,介绍了系统的硬件结构和软件设计。该仪器集数据采集、存储、分析和通信等多种功能于一体,具有体积小、重量轻、便于携带、操作简便等特点。它能够现场采集分析数据,并将数据传入PC机,进行进一步分析诊断,实现系统的监测维护。实验模拟结果证明,该仪器能广泛地应用于各种设备的监测、诊断中。     

基于卡尔曼滤波的ECoG信号去噪方法研究

脑电信号反映了生物体的大脑活动,在采集和处理过程中极易受到各种噪声的干扰,如眨眼、快速眼动、心电、肌电等,这些噪声给脑电信号的分析处理带来了很大的困难。本文提出了卡尔曼滤波模型和模型参数估计的方法,将其应用于脑电ECoG信号去噪预处理。实验所用的数据是公开的脑机接口竞赛实验数据（BCI Competition Ⅲ dataset Ⅰ）,分类正确率为92%。实验结果表明通过本方法去噪预处理后,分类正确率比竞赛第一名高,并且优于小波去噪与谱减法等预处理方法。     

基于卷积神经网络的多类运动想象脑电信号识别

针对传统多类运动想象（MI）脑电信号的识别方法须进行繁琐的预处理以及特征提取问题,提出基于深度学习的MI信号自动分类方法.在样本表示方面,提出将多通道脑电（EEG）信号转化为一维序列信号处理,在增加样本数量的同时又能够忽略与通道位置相关的空间信息的影响;根据输入信号的特点,采用多层一维卷积神经网络学习不同运动想象状态时脑电信号中的时频信息,自动完成特征提取和分类工作. 将所提出的方法在公共数据集上与多种方法进行比较,并完成对实际采集数据集的分类. 利用所提方法在不需要先验知识的条件下,对脑电信号进行端到端的学习. 结果表明该方法可以获得更高的多分类准确率以及降低个体差异对分类的影响. 所提出的方法有利于促进基于MI 的脑机接口系统的开发.