视觉P300脑机接口中的SOA扰动现象

异步操控性是脑机接口走向实际应用的关键技术之一.其关键点在于寻找一种可有效区分脑机接口工作状态和空闲状态的指标.建立了针对P300脑机接口的刺激起始异步(SOA)扰动模型,在仿真实验和实测数据中观察到SOA扰动谱线,并根据所提出的模型给出了合理解释.研究了SOA扰动的频域特性,结果表明,当SOA位于220 ms附近时,SOA扰动的强度最大,而当SOA低于150 ms时,SOA扰动强度将急剧减小.同时SOA扰动所具有的锁相性使得可以通过时域相干平均法进一步提高信噪比.SOA扰动可作为脑机接口处于工作状态的标志,为异步脑机接口的实现提供了一种新的研究思路.     

基于静息态fMRI低频振幅的首发抑郁症与功能脑区关联研究

利用功能磁共振成像(Functional magnetic resonance imaging, fMRI)技术,研究静息态下首发抑郁症患者脑功能的改变。 采用Siemens3.0T磁共振仪对5名首发抑郁症患者和1名性别年龄相仿的正常对照志愿者进行 静息态fMRI采集,采用低频振幅（Amplitude of low frequency fluctuation, ALFF）的 方 法分析数据,进行双样本t检验后分析静息态脑功能的差异。结果发现,抑郁症组大脑 左侧小脑6区、左侧颞下回、双侧尾状核、右侧舌回、左侧眶部额上回、右侧中央沟盖、右 侧前扣带和旁扣带脑回、右侧额中回、右侧岛盖部额下回、右侧补充运动区、左侧顶上回、 右侧中央后回、右侧背外侧额上回ALFF降低。首发抑郁症患者大脑的额叶、颞叶、扣带回及 尾状核等位置存在功能异常,这些区域的异常与情绪、认知、记忆等领域有关,与抑郁症息 息相关。     

基于空-时加权全变差正则项的视频复原算法

该文改进空-时全变正则项,提出了基于空-时加权全变差的视频图像重建算法。通过空-时加权全变差正则项的引入,获得新的视频重建模型,并提出了基于分裂 Bregman迭代算法的模型快速求解方法。仿真和数值实验表明,该文算法能够有效地实现高斯白噪声背景下视频序列去模糊问题,而且能够较好地保持复原图像序列的边缘和细节信息,避免传统TV算法产生的过平滑而失去细节信息的缺点,获得更加自然和细节的复原图像。     

α稳定分布噪声环境下DLMP算法的收敛特性分析

本文给出了分数低阶统计量的一个定理,对DLMP算法的收敛性进行了数学分析和理论证明.包括:DLMP算法代价函数的收敛性证明以及DLMP算法步长因子μ值的选取分析.当p=2时,DLMP算法的代价函数,算法估计结果的无偏性以及算法的步长因子μ值的选取范围均与基于二阶统计量的DLMS算法保持了统一.证明了DLMP算法为DLMS算法在α(1＜α≤2)稳定分布噪声环境下的推广.     

基于改进粒子滤波的PSK信号时延和码元联合估计算法

提出了一种基于自适应重采样的粒子滤波算法用于对PSK信号的时间延迟进行估计,可以消除由于状态噪声方差设置过小而产生不准确的后验概率分布和设置过大引起的估计误差增大的问题.同时,考虑已有算法无法实现较小时间延迟准确估计的问题,提出了一种码元正向与反向检测相结合的算法,可实现一个码元周期内任意时间延迟的准确估计.另外,对载频偏差进行精确估计并补偿.仿真结果表明这种新方法与原算法相比能够实现更精确的时间延迟估计与更低码元检测误码率     

无源雷达目标信号时延与多普勒频率联合估计

提出一种基于STFRFT的无源雷达目标时延与多普勒联合估计新方法。首先,给出了一种STFRFT时频分辨率量化方法及其数学表达式;其次,利用STFRFT的投影包络对回波信号时延与Doppler频移进行了联合估计;最后,讨论分析了脉内信噪比、高斯窗参数等对所提方法估计性能的影响。仿真结果表明,与CAF方法相比,所提方法更容易获得高精度的时延与Doppler频移的联合估计,具有更高的可靠性。     

脉冲噪声环境下基于宽带模糊函数的双基地MIMO雷达目标参数估计新方法

以Alpha稳定分布作为噪声模型,研究了脉冲噪声环境下宽带双基地MIMO雷达系统中参数估计问题.针对在脉冲噪声环境中,基于传统的信号模型和算法效果显著退化的问题,本文提出了基于分数低阶统计量的宽带模糊函数算法.首先根据分数低阶宽带模糊函数的峰值点实现对多普勒频率尺度因子和时延的联合估计.接下来基于分数低阶宽带模糊函数构造两个子阵.通过采用改进的MUSIC算法和ESPRIT算法实现了收发角的联合估计.仿真实验表明本文算法具有很好的性能.     

非平稳确定性信号与非平稳随机信号统一分类法的探讨

根据信号通过线性系统可产生新信号的理论,对非平稳确定性信号与非平稳随机信号的统一分类方法进行了深入研究,分别给出格林函数描述的线性时变系统法、调制函数作用于边界稳定线性系统的自激振荡正弦波法、随机输入线性时不变系统与边界稳定的与不稳定的线性系统组合法。这3种分类法便于对非平稳确定性信号与非平稳随机信号进行统一分类研究,并具有比较全面与系统性好的优点。