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。     

基于HHT和SVM的运动想象脑电识别

对运动想象脑电信号(EEG)分类识别是脑-机接口(BCI)研究领域的重要问题。本文通过经验模式分解(EMD)将EEG分解为一系列内蕴模式函数(IMF),并对重要IMF的瞬时幅度提取AR模型参数,同时对所有的IMF进行Hilbert变换(HT)得到Hilbert谱,进而求得瞬时能量(IE)。将得到的AR参数和IE,结合时域均值和中值绝对偏差估计(MAD),组成初始特征,然后利用经遗传算法(GA)优化的支持向量机(SVM)进行分类,得到识别结果。对2008年BCI CompetitionⅣDataset 1中想象左手和脚运动的两组数据进行识别,在仅仅使用少数通道的情况下,识别正确率分别达到84.7%和85.8%,初步验证了该方法的有效性。     

Detection of motor imagery EEG signals employing Naïve Bayes based learning process

The objective of this study is to develop a reliable and robust analysis system that can automatically detect motor imagery (MI) based electroencephalogram (EEG) signals for the development of brain–computer interface (BCI) systems. The detection of MI tasks provides an important basis for designing a communication way between brain and computer in creating devices for people with motor disabilities. This paper presents a synthesis approach based on optimum allocation system and Naive Bayes (NB) algorithm for detecting mental states based on EEG signals. In this study, an optimal allocation (OA) is introduced to discover the most effective representatives with minimal variability from a large number of MI based EEG data and the NB classifier is employed on the extracted features for discriminating the MI signals. The feasibility and effectiveness of the proposed method is demonstrated by analyzing the results and its success on two public benchmark datasets. The results indicate that the proposed approach outperforms the most recently reported five methods and achieves 0.64–20.90% improvement on average accuracy. The performances of this proposed approach implies that it can be reliably used to detect EEG based MI activity and can be a promising avenue for EEG based BCI applications.     

基于改进GHSOM的运动想象脑电信号自适应识别方法

为解决运动想象脑电信号(MI-EEG)的识别方法泛化能力受限和自适应性差等问题,对传统的生长、分层自组织映射神经网络(GHSOM)进行改进,并提出一种主成分分析法(PCA)与改进的GHSOM神经网络(IGHSOM)相结合的脑电自适应识别方法。由于IGHSOM能够根据上一层扩展神经元的量化误差进行自动分层判断,使得其不仅对数据映射更加准确和详细,而且增强了网络的稳定性和自适应性。基于脑机接口(BCI)竞赛数据库,利用PCA进行特征提取,以IGHSOM为分类器进行实验研究。结果表明,该方法获得了较高的识别精度,验证了GHSOM改进策略及该识别方法的正确性和有效性。     

EEG controlled neuromuscular electrical stimulation of the upper limb for stroke patients

This paper describes the Brain Computer Interface (BCI) system and the experiments to allow post-acute (<3 months) stroke patients to use electroencephalogram (EEG) to trigger neuromuscular electrical stimulation (NMES)-assisted extension of the wrist/fingers, which are essential pre-requisites for useful hand function. EEG was recorded while subjects performed motor imagery of their paretic limb, and then analyzed to determine the optimal frequency range within the mu-rhythm, with the greatest attenuation. Aided by visual feedback, subjects then trained to regulate their mu-rhythm EEG to operate the BCI to trigger NMES of the wrist/finger. 6 post-acute stroke patients successfully completed the training, with 4 able to learn to control and use the BCI to initiate NMES. This result is consistent with the reported BCI literacy rate of healthy subjects. Thereafter, without the loss of generality, the controller of the NMES is developed and is based on a model of the upper limb muscle (biceps/triceps) groups to determine the intensity of NMES required to flex or extend the forearm by a specific angle. The muscle model is based on a phenomenological approach, with parameters that are easily measured and conveniently implemented.     

Improvement of mental tasks with relevant speech imagery for brain-computer interfaces

Brain-computer interfaces (BCIs) based on electroencephalography (EEG) have been attracted enough attention by researchers. In order to determine whether silent reading can improve mental tasks for BCI systems, this paper proposed a two-step experiment: mental tasks with speech imagery and mental tasks without speech imagery. Reading Chinese characters in mind is set as speech imagery. Since Chinese characters are monosyllabic, it is very convenient to read them in mind with related mental tasks simultaneously. Ten Chinese subjects are trained by two steps in this experiment. Feature vectors of EEG signals are extracted and classified by common spatial patterns (CSP) and support vector machine (SVM), respectively. Compared with just mental tasks, the accuracies between two tasks have been significantly improved by appending speech imagery, and the average of accuracies of ten subjects is increased from 76.3% to 82.3%. During the imagery period, the temporal stability of EEG signals is evaluated by Cronbach’s alpha coefficients. The steadiness of signals is different between mental tasks, and EEG signals are more stabilization with speech imagery. The stability of brain activity is conducive to the operation of BCIs.     

运动意识任务的模式识别方法研究

针对脑机接口研究中运动想象脑电信号的模式识别问题,提出了一种基于离散小波变换和AR双谱的特征提取方法.该方法首先利用Daubechies类小波函数对二路脑电信号进行3层分解,抽取小波系数的均值、能量均值、均方差三个特征;然后,采用5阶AR模型进行双谱估计,抽取双谱切片特征;最后,将这两类特征进行组合后使用马氏距离线性判别进行分类.利用BCI2003竞赛的标准数据,该方法使得EEG的识别正确率达到92.86%,与竞赛的最好结果(89.29%)相比提高了3.57%,为BCI研究中脑电信号的模式识别提供了有效的手段.     

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。     

新型EEG检测干电极设计制备和测试研究

设计制作了一款新型的脑电干电极,用于实现对EEG信号的检测。相较于传统的湿电极,该新型电极在测试过程中不需要导电介质,有效降低了实验准备过程的复杂度,可以大大缩短实验准备时间。而且,其接触电阻可以和湿电极在同一数量级,从而可实现长时间实时稳定测量EEG。利用聚吡咯石墨烯纳米复合物对电极探头进行修饰,对干电极与头皮的接触阻抗进行了阻抗谱测试,可以有效降低接触电阻,提高信号的稳定性和可靠性。采用自制干电极与碗状湿电极,在不同脑区进行了脑电信号检测的对比实验,信号线性相关度均在90%以上,将干电极检测的脑电信号分解,分解波段波形符合脑电信号特征波特征,证明该新型干电极可用于无发区和有发区脑电信号的检测。搭建了基于新型干电极的无线脑电采集分析系统,实现了简单的脑机接口设计,进一步证明了干电极的实用性。     

脑-机接口的研究现状与挑战

脑-机接口（Brain—computer interface，BCI）为人们提供了全新的与外界进行信息交流和控制的手段，具有非常重要的科学意义、学术价值和广阔的应用前景，是当今世界研究的热点。本文介绍了BCI的结构、类型和研究现状，分析了现有BCI系统存在的问题以及今后的发展方向。     

基于小波变换和时域能量熵的 P300特征提取算法

针对P300信号特征提取和分类过程中训练及测试速度相对较慢的不足,提出了一种基于P300带内带外特征的脑电信号特征提取方法,将时域能量熵和离散小波变换相结合,克服了P300信号识别中对电极数量和脑电信号叠加次数的苛刻要求.试验采用支持向量机作为分类器,在BCI Competition 2003和BCI Competition 2005的P300试验数据集上进行验证,结果表明,提出的方法只需对一导数据进行处理,只有2次叠加平均,就能得到很好的分类效果及较短的分类系统运算时间.     

结合ACF和TFBSS的心冲击伪迹抑制方法

同步脑电-功能磁共振成像(EEG-f MRI)可同时对大脑活动进行高时间和高空间分辨率观测,但磁共振扫描导致采集得到的脑电信号中包含心冲击伪迹,严重制约了同步EEG-f MRI应用的发展。为此,提出一种结合自适应梳状滤波器(ACF)与时频盲源分离(TFBSS)的心冲击伪迹抑制方法,首先估计脑电信号中心冲击伪迹的J峰位置,并根据该位置自适应调整梳状滤波器参数,对脑电(EEG)信号进行自适应梳状滤波,初步抑制其中的心冲击伪迹。然后利用TFBSS对心冲击伪迹作进一步抑制,最终获得较为清晰的EEG信号。采用临床EEG信号进行心冲击伪迹抑制实验,选择视觉效果、归一化功率谱比值和峰峰值比值评价性能。实验结果表明,所提出的方法能成功抑制心冲击伪迹;且相对于传统的心冲击伪迹抑制方法更有优势。     

电机控制系统的设计与实现

设计了一个通过PC机控制电机的系统,上下位机通过串口通信实现命令和数据的传递,能够实现对远程电机的控制。在VisualC＋＋6．0环境下,开发了一套界面友好的上位机应用软件;上位PC机把用户的操作意图转换成控制命令,通过串口传送到下位单片机;下位机解析命令后发出控制信号,通过放大驱动电路去控制电机的启动、正反转、加减速和停机。     

基于Web的异地协同生产计划与控制策略研究

动态联盟作为敏捷制造的组织形式是实现敏捷制造的关键技术之一。文章提出了基于敏捷制造模式下的动态联盟企业异地协同生产调度与控制的框架模型，并详细探讨了生产调度的协同控制方法和核心问题，借助Internet/Intranet构建了一个协同生产调度与控制的实施模型，为制造业进行分散网络化集成产品开发与制造提供了一种参考模型。     

基于ARM嵌入式的智能小车的控制系统设计

为了实现智能小车的多功能控制,采用功能强大的嵌入式ARM对小车进行模块化设计,并使用在ARM芯片上移植WindowsCE操作系统。该小车具有的主要功能模块有：操作杆控制,遥控器遥控控制,超声波智能避障,运行轨迹自主优化和运动速度平稳控制等。     

Finger movement inference using M1 neural activities

The paper presents the neural decoding result of finger or wrist movements using the primary motor cortex (M1) neural activities prior to its movement.It is well known that the observations of motor co...     

基于MSP430和模糊PID油田注水流量控制系统

介绍了一种基于MSP430单片机的低功耗油田注水流量控制系统,该系统以阀门为控制对象,利用MSP430的Timer A模式,产生PWM输出控制信号,实现电机的PWM控制,从而通过控制注水阀门的开度,调节注水流量.采用模糊自调整PID控制,实现油田注水流量的闭环调节,同时,利用GPRS模块将数据远距离传送给PC机,实现远程控制,在低功耗设计上,除了在硬件上选用低功耗芯片外,还利用软件设计进一步降低了功耗,仿真结果表明:采用PWM和模糊自调整PID控制流量具有良好的动态、稳态性,从而证明了这种设计的合理性和优越性.     

驾驶员脑电特征与手臂操纵驾驶行为研究

为了进一步研究脑电信号与驾驶行为的关系,通过脑电采集设备与惯性运动捕捉系统同时捕捉驾驶员脑电信号数据与操作手臂运动参数。分析驾驶员手臂驾驶方向盘的过程中,脑电信号的变化与操作手臂运动方向之间的关系。利用共同空间模式(CSP)与小波包分解(WPD)的方式,提取左右运动相关的C3和C4导联特征,结合手臂运动关节的加速度进行相关性分析。实验结果表明:在实际的驾驶行为中,左右转向过程,C3、C4导联出现持续的ERD/ERS现象,为脑机接口控制量化标准提供基础。     

遥控履带小车视频监控系统设计

无线遥控履带小车系统的设计是多种专业知识的大融合,在军事、科研和工业中有较大的发展前景。小车上电池电压、光电、碰撞、电动机电流传感器、反碰撞系统和编码器的应用,保证了小车行走时的安全及运行状态各个参数的实时反馈。通过无线网络对履带小车进行实时控制与视频采集,上位机能够及时存储所得的视频及控制数据,便于以后对小车性能及目的地视频进行分析。在人无法进入的恶劣条件下,小车对目的地画面进行实时传送,为分析目的地的情况提供了可靠的依据。     

视觉诱发电位脑-机接口实验范式研究进展

近年兴起可实现人脑直接对外信息交流和控制、让"思想"立即变"行动"的脑-机接口(BCI)新技术已在脑科学、神经计算、人工智能与机器人等多领域显示诱人前景。实验范式设计是研究与开发BCI系统的首要关键步骤。针对常见的各类视觉诱发电位(VEP)实验范式,从首个传统反应式VEP-BCI实验范式入手介绍了其诱发平台、实验流程和整体性能研究现状与存在问题及发展瓶颈;比较分析了近些年研究开发的多种改进型VEP-BCI实验范式,并展望了可能的实验范式发展新动向,希冀为研究开发高性能BCI提供新思路。