一种基于EEG和sEMG的假手控制策略

针对残臂较短或残臂上肌电信号测量点较少的残疾人使用多自由度假手的需求,提出一种基于脑电信号（Electroencephalogram,EEG）和表面肌电信号（Surface electromyogram signal,sEMG）协同处理的假手控制策略.该方法仅用1个肌电传感器和1个脑电传感器实现多自由度假手的控制.采用1个脑电传感器测量人体前额部位的EEG,从测量得到的EEG中提取出眨眼动作信息并将其用于假手动作的编码;采用1个肌电传感器测量手臂上的sEMG,并针对肌电信号存在个体差异和位置差异的问题,采用自适应方法实现手部动作强度的估计;采用振动触觉技术设计触觉编码用于将当前假手的控制指令反馈给佩戴者,从而实现EEG和sEMG对多自由度假手的协同控制.为验证该控制策略的有效性进行了实验研究,结果表明,提出的假手控制策略是有效的.     

智能化履带滑模机测控系统设计

履带滑模机是用于滑模摊铺路缘石、边沟和人行道的新型路面施工机械,测控系统是其施工的核心。为江苏四明工程机械有限公司的滑模机研制了一套智能化测控系统,通过CAN总线实现滑模机控制板、操作板和传感器的通信;通过对80个按键的处理和40路输出的控制,实现了手动控制、自动控制、参数设置和工作状态监测4大功能;友好的人机界面设计便于用户操作。实际调试表明,该系统具有操作简单、功能完善、性能可靠等优点。     

基于情绪感知的机器人辅助主动康复训练任务控制方法

在现有机器人辅助康复训练过程中,患者与康复机器人之间的交互控制主要以感知患者主动"运动"参与为主,未能考虑患者"心理"层次的主动参与,具有一定的局限.针对此问题,以康复训练过程中患者挫败、兴奋及厌烦为目标情绪状态,提出一种基于情绪感知的机器人辅助主动康复任务控制方法.该方法首先提取机器人辅助主动康复过程中患者目标情绪生理响应及性能数据特征;其次,基于径向基核的支持向量机设计目标情绪分类器,并研究与患者目标情绪变化相一致的机器人辅助康复任务自适应控制方法;最后,运用Barrett公司4自由度WAM^{m TM}康复机器人构建试验系统平台,选取12例临床脑卒中患者,对方法有效性进行试验验证.     

基于工作空间测量的居家脑卒中患者上肢康复训练评估系统

由于脑卒中患者不便进行自主居家康复训练与评估,提出一种基于工作空间测量的居家脑卒中患者上肢康复训练评估系统。该系统根据上肢的工作空间设计了上肢康复训练运动协议,指导患者进行康复训练;设计虚拟场景,提高患者的积极性;根据上肢末端运动轨迹,拟合上肢工作空间范围包络面,分析工作空间相对表面积(RSA),运用动态时间规整算法(DTW)计算患者与正常人上肢运动角度的差距;并建立基于自适应网络模糊推理系统(ANFIS)的上肢评估模型。招募13位受试者进行康复训练与评估实验,结果分析表明,该上肢评估模型对样本的正确识别率为95%。该系统可以引导患者进行无医生监督的居家康复训练与评估,是一种简单便捷的康复训练评估方法。     

精心预设 精彩生成——对高中信息技术课堂有效教学的思考

随着素质教育理念的不断深入,对课堂教学提出了更高的要求,打造高效课堂是提高学习效率,掌握更多知识的主要方式。信息技术是一门应用非常广泛的课程,在高中阶段学好信息技术,对学生获取更多的信息,培养自主学习能力具有非常重要的意义。如何提高高中信息技术课堂的有效性,是教师们一直都在思考的问题。     

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.     

基于焦虑情绪与混杂控制的机器人辅助临床康复实验

现有基于患者主动参与的机器人辅助康复训练方法,大多以感知患者"运动"参与为主,而忽略了"心理"层次主动参与,且人机交互控制方法未能同时将机器人连续变量运动控制或医师离散事件决策控制这种混杂特性融于统一框架内,具有一定的局限。针对此问题,提出一种基于焦虑情绪识别与混杂控制的机器人辅助临床康复控制方法。该方法首先分析机器人辅助康复过程中不同强度焦虑情绪生理响应特征的显著性及差异性;其次,运用基于径向基核的支持向量机设计焦虑情绪分类器;再次,基于混杂控制理论设计与患者焦虑情绪强度相一致的人机交互控制器;最后,选取3例脑卒中患者,运用Barrett公司WAMTM机器人构建临床康复实验平台,验证所提方法有效性。     

基于自适应子带功率谱熵的语音端点检测算法

在语音处理中,鲁棒性端点检测是语音处理最重要的领域之一,首先提出了一种子带功率谱熵(SPSE)的特征参数,然后,该参数结合Wuetal提出的自适应子带方法(ABS);发现了一种新颖的鲁棒特征参数-自适应子带谱熵(ASPSE),它能成功地在不同的背景噪声下检测语音端点。实验结果表明,在不同的噪声环境和信噪比下,ASPSE参数非常有效,而且该算法优于其它算法。     

基于动态插补方法的上肢康复机器人运动控制

为提高康复训练机器人运动控制性能,提出了基于动态插补策略的控制系统设计方法.首先采用分段平滑标准差方法提取患肢运动特征并通过模糊推理实时评估患肢物理状态;然后运用动态插补决策机制选择适宜的插补方法进行运动控制;最后利用位置阻抗控制实现训练运动.该方法避免了传统单一插补方法的局限性,能够有效地融合不同插补方法的特性.在由WAMTM构建的康复机器人平台上进行实验,结果表明,本文方法在扰动情况下具有更优的运动控制性能.     

基于混杂理论的机器人辅助康复治疗控制方法

现有机器人辅助康复治疗控制方法大多是分别从机器人连续变量运动控制或医师离散事件决策控制角度设计控制器,未能将系统这种混杂特性融于统一框架内,具有一定的局限.为更好解决上述问题,本文在分析机器人辅助康复过程的连续与离散混杂特性的基础上,以渐进抗阻肌力训练过程为例,提出一种基于混杂理论的机器人辅助康复治疗控制方法.该方法通过定义肌力训练过程中离散系统控制状态、控制输出向量及连续系统状态转换产生的离散事件,设计了基于混杂自动机的离散事件决策控制器.临床实验结果表明,混杂系统理论应用于机器人辅助康复过程具有较好的有效性和实用性.