精密机械加工中人的生理状态研究

为了提高操作者的工作效率和安全性.减少生产误差.采用传感器检测系统对精密机械加工中人体的生理信息变化(如脑电波、额部肌电位、脉搏、呼吸、身体动摇)进行了检测.检测的结果以及对结果的分析表明:在精密机械加工中,操作者的疲劳症状与生理信息存在着紧密的联系,这使得在人机工程学中通过操作者的生理信息变化来估计其疲劳成为了可能.     

脑电波、心电图的测量

我们采用自制的放大器对心电信号进行测量，并且使用DEWE－3010虚拟数字示波器、DASYLAB数据采集和信号处理软件、Excel软件来完成信号采集、信号滤和信号处理等工作，并进行了相关的误差分析，绘制出了完整的心电图，并为测量脑电波信号打下了坚实的基础。     

基于小波分析的频带局部能量的特征提取

提出了一种基于小波分析频带局部能量的特征提取法。利用Matlab软件仿真,把该方法分别运用于频率跳变信号、幅值衰减信号和含瞬态成分的信号,并与常规的频带能量特征提取法进行比较,均得到了更好的特征提取效果。该方法由于考虑了频率的时变性,与常规的特征提取法相比,更具优越性。     

一种发电机局放极性提取与类型识别方法

大型发电机局部放电信号的极性对于局部放电类型的识别有重要意义。数字化的局部放电在线监测设备受现场强干扰和采样频率的限制,采集的局部放电信号存在大量噪声和局放信息丢失,给信号极性的提取带来了很大困难。小波变换是时间和频率的局部转换,通过伸缩和平移运算对信号进行多尺度细化分析,是去除信号噪声的有力工具。采用FFT作出所采集信号的频域图,确定局部放电信号的频率段,取出该频率段的信号。再利用与局部放电脉冲十分接近的Meyer小波对取出的信号去噪。然后,对去噪后的信号统计一定放电电压范围的正负极性脉冲,并根据局部放电信号极性与放电类型之间的关系,确定局部放电的类型。     

基于Wigner高阶谱的ECG信号分析

采用二阶Choi-Wigner Ville变换来分析晚电位信号,解决了用时域或频域方法不能观测到晚电位的问题,并对消除交叉干扰项的问题进行了研究。该方法取得很好的效果,特别针对非高斯信号,它能给出更好的时频分辨率,给医生提供一种新的诊断工具。     

基于Hilbert-Huang变换的涡街信号处理方法

利用Hilbert-Huang变换(HHT)的固有模态分解特性，提出了一种涡街信号频率估计的新方法.采用压电传感器进行涡街信号的检测，通过分析信号经过固有模态分解后的时频特性，获得了不同模态所代表的噪声信号成分和实际涡街信号成分.模态中的一部分表示了信号中的噪声，而剩下的部分模态真实反映了信号的频率成分.在仿真的基础上，获得了去除噪声的部分模态瞬时频率与涡街频率的关系.研究结果表明，基于HHT的涡街频率估计方法，可以精确估计涡街信号频率并提高涡街流量计的抗干扰能力.该方法计算量小，能够满足涡街流量计在实际工程应用中的要求.     

基于小波变换的EEG噪声滤除算法设计与实现

对采样频率为1 ooo Hz的脑电波实测信号分别进行了基于快速傅里叶变换的频谱加窗滤波算法分析和采用小波变换的自适应阈值算法仿真对比分析．分析结果表明：采用传统的频谱加窗滤波算法,在信号噪声频带交叠的情况(如白噪声)中应用效果较差,无法滤除低频范围内与脑电信号混叠的白噪声;采用小波变换的自适应阈值算法的消噪效果明显好于传统的频谱加窗滤波算法,具有良好的应用价值．     

钙离子影响十二烷基磺酸钠捕收石英的机理研究

采用浮选实验、ZETA电位测定、红外光谱分析以及钙离子溶液的化学计算,研究了钙离子在阴离子捕收荆十二烷基磺酸钠(SAS)体系下对石英表面ZETA电位和浮选行为的影响.结果表明:Ca(OH)+是影响石英表面ZETA电位的主要原因,同时说明Ca(OH)+是钙离子活化阴离子捕收剂SAS捕收石英的主要活性成分.     

局部放电带电检测技术在GIS设备缺陷诊断中的应用

根据1起典型的GIS设备隔离开关内部安装工艺问题导致的悬浮电位局部放电缺陷诊断,通过射频巡检技术、特高频局部放电检测技术、超声波局部放电检测技术、六氟化硫气体成分检测技术等多种方法联合,确定缺陷性质并进行精确定位,指导针对性检修处理,阐述局部放电检测应用技术、故障精确定位方法以及缺陷解体检修验证过程的现场实际经验。通过分析,特高频与超声波局部放电检测技术能够高效、精确地发现GIS设备内部缺陷,这种技术的可操作性强,适宜全面推广。     

基于独立分量分析算法的局部放电信号去噪方法研究

针对局部放电监测信号中多种干扰噪声的消除难题,提出结合经验模态分解的独立分量分析算法,进行变压器局部放电信号的去噪。针对独立分量分析进行信号分离时需要多元信号的要求,首先提出利用经验模态分解算法构造参考信号,然后通过独立分量分析算法进行信号分离。利用该方法进行变压器局部放电信号的去噪,较好地恢复出窄带干扰及白噪声下的局部放电脉冲信号的波形、波形之间相对幅值关系以及脉冲极值所对应的时间点等局放信息,在仿真及实测数据的处理中都取得了较好的效果,验证了该方法的有效性和优越性。     

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。     

运动想象机制研究

运动想象已被广泛地应用在BCI系统上。传统对脑电信号分析主要集中在特征提取和分类上,本文分别从左右想象脑电信号的频域、时域和脑地形图上进行分析,从而获取左右想象脑电信号的特征。     

ICA+CSSD的脑-机接口分类

针对复杂的脑电问题,介绍了一种对单次思维脑电信号提取、分类的方法。该方法的主要思想是将独立成分分量和共空域子空间分解方法以及支持向量机学习方法结合起来,用于提取脑电信号特征。该方法分别被用于BCI Competition 2003 Data set IV和BCI Competition Ⅲ Data set I,正确率分别达到了89%和92%。实验证明独立成分分量算法和共空域子空间分解方法能够很好地结合起来进行脑思维的分类,分类正确率很高,是一种快速、稳定可行的分解方法。     

冰毒成瘾者脑电信号的分类研究

冰毒是新型毒品的一种,它可以引起大脑功能异常甚至致人死亡。目前对冰毒成瘾者的脑电信号的分析主要通过ERP分析,还鲜有对冰毒成瘾者的脑电信号进行分类。该研究对两类受试者的脑电信号进行ERP分析,选定P300范围并提取出每次实验下处于该范围内脑电信号的时域、频域和小波系数作为分类特征来进行模式识别,分类结果显示准确率达到80%以上。此外,分类准确率达到75%以上的5个电极中4个位于额叶区域,这说明相比较于其他脑区,冰毒对额叶的影响最为严重,因此冰毒可能损伤大脑的执行认知功能。C3电极基本映射于初级运动皮层区域,说明冰毒可能对冰毒成瘾者的运动执行功能也产生了一定影响。上述结果为进一步研究冰毒对大脑的神经活动造成的影响提供了研究思路。     

Deep linear discriminant analysis for two-stage brain-controlled character spelling decoding

In order to make full use of visual and auditory perception channels and realize efficient brain-controlled character spelling, a two-level spelling paradigm based on the region is proposed. In the first level of the paradigm, the target region is selected based on the motion-onset visual evoked potential, and the code division multiple access method is introduced to improve the selection rate. In the second level, the target character is encoded based on the hybrid motion-onset visually evoked potential and auditory P300 to make full use of the visual and auditory hybrid effect to improve the accuracy of target character selection. In order to decode the collected EEG signals effectively, a classification recognition algorithm for EEG signals combined with a deep linear discriminant analysis is proposed. Experimental results show that the average classification accuracy of the deep linear discriminant analysis algorithm in the classification recognition of two-level EEG signals is 61.7% and 74%, respectively, which is obviously higher than that of the traditional method and the two convolutional neural network methods. Therefore, the algorithm can effectively improve the decoding performance of the two-level brain computer interface induced by the audio-visual hybrid.     

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。     

基于HOC-SVM的运动状态下脑电的特征提取与分类

研究人脑在不同运动状态下的脑电信息,不仅能够揭示出各种运动状态对于大脑活动的影响,也是工程技术人员设计脑-机接口与神经修复系统的关键技术之一。文章根据脑电信号的μ节律变化,首次将表征时间序列摆动特性的高阶过零分析(Higher Order Crossing,HOC)方法运用于运动状态下的脑电信号的特征提取并结合支持向量机(Support Vector Machine,SVM)对输入的高阶过零特征量进行了有效的分类。将该方法提取的特征量与基于统计学的特征量分别用SVM进行分类,结果表明本方的识别率明显高于基于统计学特征量的方法。说明基于HOC-SVM方法在脑电信号的特征提取与分类中有较强的可行性和实用性。     

基于BCI的下肢辅助康复系统的研究

脑-机接口作为一种新颖的人机接口方式,为人脑和外界事物进行信息交流和控制提供了一种全新的通道。该文把脑一机接口技术成功的应用到医疗康复中,利用运动想象时大脑感觉运动区域产生的事件相关同步和事件相关去同步现象来分析左右手运动想象时的脑电信号特征,进而来判断想象者的运动意图,从而实现脑电信号对下肢辅助康复设备的控制,为中风患者做下肢的运动康复性训练。     

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。     

利用卷积回声状态网络实现脑电情感识别

针对多通道脑电(EEG)的情感识别,提出了一种卷积回声状态网络(CESN)模型。首先构造EEG信号的特征矩阵序列;然后通过卷积操作提取各个样本的高层抽象特征,形成一维特征向量序列;利用具有自反馈功能的蓄水池结构,捕获向量序列的动态时序信息;最后用岭回归来实现情感识别。在情感分析专用生理信号数据集上进行实验的结果表明,EEG信号的动态时序性蕴含着与情感状态相关的区分性信息,所提的CESN模型能够有效地挖掘这种信息,并用于情感分类,解决了卷积神经网络中因使用反向传播算法而导致的局部最优和训练时间过长的问题。