脑机接口中基于ICA-RLS的EOG伪迹自动去除

眼电(EOG)伪迹是基于脑电(EEG)的脑机接口系统中最重要的干扰。为自动去除这种干扰,提出了基于ICA-RLS的EOG伪迹自动去除算法。首先,ICA将多个导联EEG信号分解成数目相等的若干个独立分量(ICs)。然后,计算并依据每个IC的峰态系数,自动地从ICs中识别出EOG分量。最后,识别出的EOG分量用作RLS自适应滤波器的参考信号,并用该滤波器对原始EEG进行滤波,在无需记录EOG情况下实现EOG伪迹的自动去除。用提出算法对2008年脑机接口竞赛数据进行处理,从去除伪迹后信号的观察、信息保留完整性和最终分类结果的计算进行评价。与标准的ICA算法相比,提出算法能够更好去除EOG伪迹,同时获取更高的分类正确率。     

数学形态滤波在去除脑电伪迹中的应用

针对脑电信号在采集过程中容易受到伪迹(噪声)干扰的问题,提出了利用数学形态滤波器去除脑电伪迹的方法。根据脑电信号和伪迹的不同性质,采用不同的结构元素组成两级数学形态滤波器,对受到工频干扰的脑电信号进行处理,并通过信噪比和均方误差对滤波效果进行评价。仿真结果表明,与一级数学形态滤波器和小波软阈值法相比,该方法不仅可以有效地抑制工频干扰,提高信噪比,还能够降低均方误差,较好地保持脑电信号的特征形态。     

基于小波变换的脑电特征信号自动检测方法

首先对原始脑电信号(EEG)进行小波分解来进行滤波.然后利用双正交样条小波对EEG进行二进小波变换,进而求出小波模极大值,最后通过一系列策略匹配出相应的模极大值对来确定出特征信号的起止点,从而达到自动检测脑电特征信号的目的.     

结合小波变换和独立分量分析的脑电特征提取

在多道脑电信号的独立分量分析 ICA (Independent Com ponent Analysis)过程中 ,脑电独立源在数量上的不确定性往往是造成分离结果不理想的主要原因。目前还没有找到解决此问题的有效方法。根据脑电信号自身的特点 ,提出了一种结合小波变换 WT(Wavelet Transform)和独立分量分析的脑电特征提取新方法— WICA。新方法的主要思路是先对每一道脑电数据进行小波分解 ,然后根据需要选择不同尺度的小波子带信号进行脑电独立分量提取。实验结果表明 ,WICA方法在一定程度上能够克服因脑电独立源的不确定性所带来的影响 ,并能获得较好的脑电特征提取效果。     

SSVEP-BCI抗自由眨眼稳定性的ANFIS方法

针对伪迹干扰下脑机接口稳定性问题,以自由眨眼动作下稳态视觉诱发脑机接口的稳定性为切入点,进行了稳态视觉诱发脑电信号去眼电伪迹(electroculography,简称EOG)研究。提出了一种基于自适应神经模糊推理系统(adaptive neuro-fuzzy inferency system,简称ANFIS)的无眼电电极下脑电信号眼电伪迹的自适应消除方法并进行实验,验证该方法对自由眨眼动作下稳态视觉诱发脑机接口稳定性的提高。该伪迹消除方法通过自适应神经模糊推理系统逼近眼电信号源至眼电伪迹的非线性变换函数,达到消除脑电信号中眼电伪迹的目的。算法通过前额叶区脑电信号获得替代性眼电信号源,经延时处理后,输入自适应噪声消除器中以消除各通道脑电信号中的眼电伪迹。通过自由眨眼动作下稳态视觉刺激实验,对该伪迹消除方法中各参数及函数的选择进行了研究,并将该方法与经典滤波和传统独立成分分析(independent component analysis,简称ICA)进行对比,证明了该方法在消除眼电伪迹的情况下保留了稳态视觉刺激的有效信息,识别正确率较经典滤波相比最高提高了6.25%,较传统ICA相比最高提高10%,保证了稳态视觉诱发脑机接口在自由眨眼动作下的稳定性。     

基于DD-DWT和Log-Logistic参数回归的癫痫脑电自动识别方法

针对现有癫痫脑电(EEG)识别算法分类模式单一、普适性不强的问题,提出了一种新的基于双密度离散小波变换(DDDWT)和Log-Logistic参数回归(LLPR)的脑电信号自动识别方法。不仅利用了DD-DWT算法的分解特性,还建立了脑电信号的LLPR模型,并将二者有机的结合,从而更好的发挥算法的优势。滤波后脑电信号由DD-DWT进行6层分解,提取各子频带系数的小波域能量波形,并结合LLPR模型计算尺度参数α和形状参数β以表征信号,将构成的特征向量送入遗传算法(GA)优化的支持向量机(SVM)得出识别结果,从而实现脑电信号的自动识别。所提方法在处理A\D\E与AB\CD\E两种多模式脑电分类问题时,识别率分别为98.90%和97.75%。实验结果表明,所提算法更符合实际应用需求,可以较好地解决多类脑电信号识别问题,具有良好的普适能力和分类性能。     

基于小波包分解的意识脑电特征提取

针对2种不同意识任务(想象左手运动和想象右手运动)的脑-机接口(brain-computer interface,BCI)设计,提出了基于小波包分解的特征提取方法。首先深入研究了小波包变换,结合事件相关去同步化(event-related desynchronization,ERD)/事件相关同步化(event-related synchronization,ERS)现象,提出以小波包分解系数来考虑特征,然后对C3、C4导联脑电信号进行小波包分解系数方差和相对能量2种特征的提取,最后采用最简线性分类器进行分类。结果表明,2种特征对应的最大分类正确率均达到了85%,对应时间分别为4.34 s和4.39 s。因此,在保证分类正确率的前提下,所提方法更加简单和有效,为大脑意识任务分类提供了新思路。     

单通道视觉诱发脑电的单次提取方法研究

针对单通道脑电信号单次提取识别率较低的问题,提出了一种正交B样条小波变换与Fisher线性判别相结合的方法,提高了视觉诱发电位P300的单次提取识别率。首先采用相干平均和小波变换的方法对脑电信号进行预处理,然后根据脑电信号的时-频特性及视觉诱发电位的锁时关系,提取出表征P300的8维小波系数模板,再次利用模板对单次样本进行特征提取,最后根据Fisher线性判别对测试样本进行分类识别,判断单次输入是否为视觉诱发脑电信号。实验结果表明,该方法对单次样本P300的平均识别率为95.10%。     

眼动联合脑电技术的产品形态感性认知特性研究

为产品感性形态设计的认知特征提供客观生理层面的深入剖析。运用眼动、脑电技术,以家用充电桩形态为刺激对象,基于语义差异量表设计并实施眼-脑感性认知实验,并记录被试“极‘不符合’、有点‘不符合’、‘不确定是否符合’、有点‘符合’、极‘符合’用户感性期望”5种感性认知结果下的眼-脑生理信息,剖析认知特性。研究结果表明：在产品形态极“符合”用户感性期望时,被试行为反应时最短,首次注视时间最少,且能产生中央-顶区联合皮层和顶区较强烈的P₃、 LPP波幅。在产品形态极“不符合”用户感性期望时,被试行为反应时、首次注视时间增加,后颞N₂成分幅值最大;在产品形态“不确定”是否符合用户感性期望时,被试中央区产生的N₄波幅增大。从感性意象认知的神经加工机制出发,行为、眼-脑生理信息均能客观有效区分用户不同感性意象的认知状态,视觉、脑认知特性可为设计提供认知本源性的底层支持。     

小波相关分析在脑-计算机接口系统中的研究

脑电信号本身很微弱、并伴有很强的背景噪声，但其中蕴藏着多种生理现象，有着非常重要的临床价值。针对特定思维诱发脑电信号的特点，提出一种确定其分布情况及提取其波形的方法。首先使用离散小波变换对诱发脑电信号进行多层分，解，然后使用小波奇异点理论和小波相关分布，准确地确定诱发脑电信号的分布情况，并根据分析的结果重构出诱发脑电波形。在实际的脑-计算机接口系统中，为确保系统的准确性提供了有利的保证。     

光学合成孔径复原图像的振铃探测与消除

针对相位平移误差使光学合成孔径图像的复原出现的振铃效应,提出了一种结合视觉感知的振铃探测与消除方法。首先,提出并利用梯度方向随机度和局部方差值两项指标计算得到图像纹理区;然后,根据不同阈值的Canny算子检测出全边缘与主边缘,并将主边缘邻域内的全边缘作为待筛选的边缘振铃;最后,结合人类视觉系统的纹理掩盖效应分别得到振铃区与平坦区。此外,在图像分区基础上,选择亮度相似度因子作为自适应参数,利用双边滤波进行图像处理。实验显示:处理后Lena图像的峰值信噪比提高了10.8%,分辨率板的结构相似度提高了0.057。结果表明:该方法能够对图像以像素精度分区,可以在保持边缘与纹理的同时,有效消除振铃效应,提高图像复原质量。     

基于数控机床自动排屑过滤系统的技术研究

在绿色制造技术的大环境下,对数控加工中切屑的收集、切削液的回收处理再利用以及排屑系统的智能检测控制进行了研究,通过多级过滤、油水分离、智能控制等手段对系统平台进行了技术攻关,研制了一种集成化、低成本、高控制精度,能用于各种不同加工环境的自动排屑过滤系统,提高了排屑过滤效率,节约了切削液。     

一种自动除尘系统控制模块的设计

喷雾除尘技术中,传统的除尘系统自动化程度不高.对传统系统进行改进,着重设计了控制模块,激光粉尘仪、PLC、变频器等的联合应用可以实现以下功能:实时监测粉尘浓度;根据检测结果,自动调节水压、气压以控制喷雾液滴的大小,从而对不同大小的粉尘实施针对性的降尘作业;当粉尘浓度不超标时,系统停止作业,节能环保.     

脑电反馈放松训练系统研究及有效性验证

近年来,快节奏的生活导致人们的情绪障碍的发病率逐年增加。为缓解人们紧张、焦虑的情绪,本文搭建了以脑电在线实时反馈为形式的放松训练系统,通过提取脑α波指数相对总功率作为反馈值并以视觉动画的形式反馈给用户。最后对20名健康被试者进行脑电反馈放松训练以验证该系统的有效性。结果表明:实验组放松训练后被试者焦虑自评量表SAS得分明显降低,具有显著差异性(t=2. 411,P0. 05)。通过对训练前后静息脑电α波指数相对总功率分析得到,在实验组中,训练后测的α波指数相对总功率较前测有明显提高,具有显著性差异(t=-4. 256,P0. 05);但对照组无此现象。以上结果说明该训练系统能够达到使被试者放松、情绪反应趋于平和的效果。     

基于SSVEP_SSA融合的混合脑机接口研究

针对目前基于体感选择性注意范式的脑机接口控制指令数少,信息传输率低等缺点,提出了一种全新的多模态混合脑机接口系统。该系统融合稳态视觉刺激(SSVEP)和体感选择性注意范式(SSA),在外部视觉和体感刺激的作用下,诱发大脑产生稳态视觉电位和事件相关去同步现象。同时,为了解决传统脑电信息特征提取中需要大量先验知识等问题,引入深度学习算法对混合脑机接口信息进行意图解码,该方法将多通道的时域信息转换成具有时-频-空域三维特征的二维特征图。对8名受试者的离线实验显示,平均识别准确率达到81. 35%,确认了所提出的基于SSVEP_SSA融合的多模态混合脑机接口是可行的,实现了脑机接口(BCI)系统的指令集扩展和高精度解码。     

面向康复与辅助应用的脑 机接口趋势与展望

无需肢体神经肌肉接触便可实现人与外界机器设备信息交互、使"思想"变成"行动"的脑-机接口(BCI)是脑神经科学与工程技术结合的新产物,亦是临床神经功能康复与运动辅助控制的新技术,可望为部分或完全丧失语言交流与肢体运动控制能力患者(如脑卒中、脊髓损伤、脊髓侧索硬化等疾病)提供全新的增强治疗与康复手段,但目前实际应用尚存在信息处理效率欠高、康复训练时间过长、控制模型通用性差等技术瓶颈。综述了上述技术难点并以运动想象(MI)BCI和BCI拼写器(Speller)为典型介绍了其可能的模型优化策略和解决方案,最后展望了未来BCI发展方向。     

近海赤潮藻全自动分析工作站的研制

本文介绍了以伞新的分析技术--双特异分子探针技术为基础的近海赤潮藻全自动分析工作站.该工作站是将生物技术、机械设计、计算机控制技术、检测技术等有机融合为一体的船载型机电一体化系统.该工作站采用三自由度机械手作为传输机构,集成了海水采样预处理系统及生化分析所需的仪器模块,实现了赤潮藻采样、处理、分析的全自动化.与现有分析手段比较,采用本工作站可大大提高榆测的实时性、准确性及产量,减轻了检测的劳动强度和由于手工重复性劳动带来的人为误差,现已经成功运行.     

二氧化氯发生器自动控制仪的研制

根据当前城市供水中水净化处理对二氧化氯消毒剂的产生和投加的需求．本文介绍了一种采用单片机系统进行数据采集和检测、并进行处理和控制的二氯化氯发生器自动控制仪的研制，实现了对二氧化氯的产生和投加进行全自动控制，适用于供水企业进行水净化处理时使用。     

光学玻璃磁流变抛光液的研究与材料去除实验

根据磁流变抛光液的评价标准,合理选取了磁流变液的各成分,配制了三种型号磁流变抛光液。用配制的抛光液对K9玻璃进行了定点抛光实验,证明了该磁流变液性能良好,达到了预期的材料去除效果。得到了材料去除率曲线规律,以及单位时间材料去除深度微观空间形貌,为建立磁流变抛光材料去除函数模型提供了依据。     

计算机自动测试系统的应用

该文简述了计算机自动测试系统的特点,介绍了计算机自动测试系统的组成方式,以热处理炉炉温均匀性自动测试系统为例,详细分析了热处理炉炉温均匀性自动测试系统的系统结构以及工作原理。介绍了计算机自动测试系统数据处理过程、接口总线的应答方式,分析了热处理炉炉温均匀性自动测试系统采用RS232C通信方式的实现过程。