立体深度运动感知的脑电信号研究

立体显示舒适度在很大程度上取决于立体深度运动变化。该文基于脑电EEG技术对两类深度运动的特征进行识别。首先通过主观实验确定脑电实验所用的两类视频素材,计算脑电信号在时域和时频域的点列r2值,并通过共同空间模式提取不同脑区和整个脑区的时频域差异最大的EEG信号的空域特征,采用支持向量机进行信号分类。仿真分析结果证明:刺激时大脑顶区脑电信号的α、β频带相对能量上升;对于两类深度运动,差异最显著的波段集中在顶区的α频带;Dorsal路径上具有相对较高的分类率。这表明,观看立体深度运动场景时,采用EEG去识别舒适度具有可行性。     

基于多级特征融合的运动意向识别方法研究

针对提取的多通道EEG(脑电信号)的CSP(共空间模式)算法在空间滤波上具有很好的性能,但是CSP算法无法体现EEG信号的时域和频率特性,导致分类器的准确率不高和泛化性能不好的问题.提出了一种新的加权正则化的DTCWT(双树复小波变换)与CSP的特征提取方法(R-DTCWT-CSP),充分结合脑电信号的时-频-空域特征信息,减少冗余通道的无用的信息.在国际竞赛BCI Competitions 2008的四分类数据集上,采用多种分类器对比得到分类准确率最好的分类器,网络搜索算法进一步优化参数,最后选取准确率较好的四个分类器组合成一种投票机制的分类器对脑电信号进行分类.识别准确率最高达到94.23％,这表明方法是可行有效的.     

基于多通道表面肌电信号的手势识别方法研究

为验证基于表面肌电信号控制智能假手的可靠性,构建一种基于网格划分(Grid Search)优化支持向量机(SVM)的手势动作识别模型.从Ninapro数据集中截取部分动作信号数据,通过提取5种时域特征和基于小波包的时频域特征,利用SVM和Grid Search-SVM对不同种手势动作进行分类,并对比分类模型的可靠性.实验结果表明,在训练集数据量不同时,分类效果不同;且在训练程度相同时,优化后的分类模型较未优化模型分类效果更好,平均准确率相比提高了21.37％.该模型的建立为以后实时控制智能假肢奠定了基础.     

基于小波变换共空间模式的脑电信号解码

针对运动想象脑电信号实现任务少、识别准确率低等问题,提出了一种基于小波包分解的共空间模式脑电信号特征提取方法。该方法通过长短期记忆网络进行脑电信号解码,采用独立成分分析的方法将运动想象信号进行盲源分离,采用小波包分解方法将每个通道脑电信号按频率分为8组。计算每组信号的功率值,采用递归特性消除方法去除对分类不重要的10个节点特征,将被选择的节点信号采用1对1共空间模式提取空域特征,将特征矩阵输入长短期记忆网络进行脑电信号解码,得到4类运动想象信号分类结果。采用本文方法对公开的脑机接口竞赛数据集(包括左手想象信号、右手想象信号、舌头想象信号、双脚想象信号)前3位受试者数据进行验证,结果表明：本文方法的识别准确率分别为90.28%、94.25%、96.55%,平均识别准确率达到93.69%。与其他方法对比,本文方法识别准确率较高。用识别的脑电信号作为解码控制信号,控制虚拟太空环境中的空间机械臂顺时针或逆时针运动,达到抓取空间中目标物体的目的。     

基于音乐诱发脑电的抑郁症识别研究

抑郁症是最常见的精神类疾病之一,临床诊断存在困难,有必要寻找一种客观、高效的方式来辅助抑郁症的快速识别.通过融合中性、负性、正性音乐刺激下的不同脑电图(EEG)数据,提出一种新的抑郁识别方法来区分轻度抑郁症患者和正常对照组.在接受不同音乐刺激的同时同步记录抑郁症患者和正常对照组的脑电信号;然后从各模态的脑电图信号中提取线性和非线性特征,得到各模态的特征;此外,采用线性组合技术融合不同模型的脑电特征,构建全局特征向量,找出最佳的特征子集.最后比较了各分类器K-NN、DT和SVM的分类精度.实验结果表明,基于音乐刺激诱发脑电建立有效的抑郁症识别模型,KNN分类器的分类准确率最高达86.93％,可为抑郁症的辅助识别提供客观的指标和依据.     

基于Bi-LSTM的脑电情绪识别

为解决脑电(electroencephalogram, EEG)情绪识别这一项具有挑战性的任务,提出一种基于双向长短时记忆网络(bidirectional long short-term memory, Bi-LSTM)的脑电情绪分类模型并探索大脑情绪机制,唤醒度准确率最高为76.78%,效价度准确率最高为77.28%,与其他模型比较,Bi-LSTM模型在脑电情绪识别上有出色的表现。通过Bi-LSTM模型对比不同频段、脑区和特征疏密度的准确率来探索大脑情绪机制,表明大脑中情绪相关性最高的频段、脑区和特征疏密度分别为α和β、顶叶区与额叶区、50和15。     

基于时频组合特征的PSO-SVM手势识别方法

为了提高基于表面肌电(sEMG)信号的手势识别的准确率,提出了时频组合特征和粒子群算法优化支持向量机(PSO-SVM)相结合的手势识别方法.将手势sEMG信号的时域特征和频域特征进行线性组合,组合后的时频组合特征作为分类特征,采用经PSO优化的SVM分类器对8类手势进行分类.结果显示,基于时频组合特征均方根值-平均功率频率(RMS-MPF)、绝对均值-平均功率频率(MAV-MPF)的手势识别率,优于它对应的时域特征、频域特征的手势识别率,同时也优于时频域特征的手势识别率.表明了基于时频组合特征RMS-MPF、MAV-MPF的PSO-SVM方法对手势识别有良好的分类效果.     

基于深度卷积神经网络的睡眠分期模型

针对现阶段数据和特征决定睡眠分期模型的分类精度上限的问题,提出深度卷积神经网络模型. 在模型主体构建方面,并行卷积网络可以自动学习原始信号的时域特征和频域特征,特征融合网络通过空洞卷积和残差连接进行多特征融合,分类网络基于融合后的特征进行睡眠分期. 利用生成少数类过采样技术（SMOTE）减少类别不平衡对分类效果的影响,结合两步训练法对模型进行优化. 实验使用Sleep-EDF数据集的原始单导脑电信号（Fpz-Cz通道）对模型进行20折交叉验证,得到总体精度和宏F₁分别为86.73%和81.70%. 提出的深度卷积模型在没有任何先验知识的情况下,对脑电信号进行端到端的学习,分类准确率优于传统的深度学习模型.     

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。     

基于实时识别焦虑情绪的音乐重构

焦虑是在被威胁的环境中产生复杂心理的过程,长期处于焦虑状态会对自身的健康产生严重的影响。该研究分析脑电来探究不同音乐对焦虑情绪的舒缓作用,并根据脑电图(EEG)实时的变化重构出更多缓解焦虑情绪的音乐。通过设计实验诱发焦虑情绪,利用Fast ICA、HHT和切比雪夫滤波器法等算法对EEG进行处理,获得能够实时识别焦虑情绪的特征向量,即alpha和beta波的功率比,并获取其阈值范围,通过采集处于焦虑状态下的人聆听不同风格音乐下的脑电信号数据,根据阈值范围得到使情绪变好的音乐片段,通过BP神经网络对所获得的音乐片段进行分类,在每个类别下,利用隐马尔可夫链学习音乐片段,构建以音符为状态空间的隐马尔科夫模型,来组合音乐片段,创造新的音乐。     

一种基于视觉的表面质量检测方法

结合边缘检测技术和数学形态操作,提出了一种基于视觉的铝带表面检测方法。应用中值算法滤除缺陷图像噪声后,用边缘算子提取缺陷边缘,经形态学处理后得到完整缺陷目标,然后提取缺陷的形态特征,进行缺陷分类。实验结果表明:这种方法不仅能有效地识别缺陷,还能准确地判别缺陷类型和缺陷位置。     

基于SIDE模型的网络去个性化现象研究

去个性化效应的社会认同模型（Social identity model of deindividuation effects,SIDE）对去个性化现象的解释明显区别于传统去个性化理论的观点,并且SIDE模型从认知维度与策略维度这两个方面对去个性化现象作出了全新的解释。用SIDE模型来解释与分析网络中的去个性化现象,思考网络中产生去个性化现象的深层原因及其影响,并对网络中不合理的去个性化现象提出建议。     

基于DSP的电能质量分析装置的研制

解决电力系统的电能质量问题,首先需要对电能质量的各项指标进行全面的监测和分析,在此基础上才能有针对性地改善电能质量。依据我国的6项电能质量国家标准,作者设计了一台基于DSP的电能质量分析装置。并从电能质量基本概念入手,在硬件、软件两方面对该装置进行了较为详细的介绍、分析和讨论。     

Study on copper adsorption on olivine

The copper adsorption on olivine supplied by A/S Olivine production plant at Aheim in western Norway has been studied. The factors Which affect the uptake of copper have been evaluated. The results reveal that the equilibrium pH in aqueous solution has the greatest influence on the copper adsorption thanks to the competitive adsorption between proton and copper ions, and the adsorption of copper to olivine increases rapidly with the pH increasing from 4 to 6. The initial copper concentration and olivine dose also possess significant effect on copper adsorption. The adsorption efficieny of copper increases with the increase of olivine dose or the decrease of initial copper concentration at the same pH. The ionic strength effect on the adsorption has also been investigated, but it owns little effect on the adsorption process of copper due to the formation of inner sphere surface complexation of copper on olivine. The experimental data show that olivine has a high acid buffer capacity and is an effective adsorbent for copper.     

基于神经网络的股票交易数据的预测研究

运用前馈神经网络预测时间序列的分析方法对股票数据进行了预测.通过对前馈神经网络时间序列数据预测网络模型的建立方法及预测方法讨论,基于BP网络对股票数据进行实际预测.预测精度明显高于传统方法,说明此种方法是可行的.BP网络可用于股票数据预测,其预测精度较高,但实际预测时,如何选择和确定一个合适的神经网络结构需进行反复实验.     

基于PLC的翻杯机械手设计

介绍了一个使用PLC控制步进电机和气爪实现玻璃器皿的翻转和传送的装置,该装置具有低成本,效率高,定位精度高的优点,可以广泛应用于双工位控制.该机械手巧妙地采用偏心机构,同时实现了玻璃杯的传送和翻转,避免了传统机械手成本高,定位精度不高,控制程序复杂的缺点.     

混凝土的硫酸盐腐蚀研究

通过实验室干湿循环加速硫酸盐对混凝土的腐蚀,对受腐蚀混凝土试件的抗压强度、混凝土与钢筋的粘结性能进行了测试.实验表明,SO42-与Mg2 的双重作用加速了混凝土的腐蚀,同时混凝土受硫酸盐腐蚀后脆性增大,延性及与钢筋的粘结性能均降低.     

试论校园文化建设

校园文化建设是学校教育教学和社会精神文明的重要组成部分,关系到学校育人目标的实现;应在遵循正确原则的基础上切实抓好建设工作.     

基于小波分析的RINEX级GPS数据预处理软件的实现

基于小波分析理论,以RINEX级GPS数据预处理为视角,以提高单测站定位精度及基线解算质量为目的,采用VC＋＋和MATLAB为开发平台,运用面向对象的编程方法,及动态连接库技术,实现了RINEX级GPS数据预处理软件GPSPPS．该软件实现了基于原始观测值信号、基于组合观测值信号和基于残差信号3种预处理模式．因软件采用了双层次的分解合成手段,从而可以独立于后处理软件．此软件已用于“中国大陆构造环境监测网络”基准站勘选中GPS数据的质量检查,取得了较好的效果．     

标底刍议

"标底"在工程招投标中很重要,这是由于国内目前工程建设部门的工程招投标,不论是通过公开招标,或是邀请招标,还是议标的方式,在其评标过程中标底占有很大的分量.这种以底标为基准对投标商的报价进行打分评判的招标方式,我们通常叫它为标底法.这种方法目前还没有一个统一标准对报价进行评分(或评判),但不外乎以下几个标准,各有千秋.