基于离散小波变换和主分量分析的P300分类算法研究

提出了一种应用离散小波变换(DWT)结合主分量分析(PCA)进行特征提取,然后用支持向量机(SVM)对P300进行分类的算法.该算法首先在一定预处理基础上使用离散小波变换对P300脑电信号分解,然后选取蕴含P300大多数信息的特征尺度进行小波重构,从而达到去噪增强的效果.然后使用PCA进行特征的提取和集中.最后使用支持向量机对提取到的特征分量进行分类.该算法将小波分解和主分量分析结合起来进行特征增强与提取,实验结果表明,该算法能够达到令人满意的正确分类率.     

基于P300的便携式中文输入系统

目前有关中文BCI输入系统的研究仅有拼音输入和笔画输入两种,且都克服不了中文输入速率较低、不便携等问题.据此提出了基于P300的五笔中文输入系统.此系统通过低成本OpenBCI套件,使用Wi-Fi协议传输脑电数据,在移动设备上实现刺激界面,并使用卷积神经网络处理脑电信号.实验表明,该系统具有高中文输入速率、高准确率以及...     

脑机接口中基于MRP的半监督判决空间模式法

在脑-机接口研究中,如果训练样本少,判决空间模式法不能很好地提取运动相关电位特征。为此,文中在半监督框架下,采用自训练方法,引入分类置信度高的无标记样本,迭代学习MRP的空间判决模式。实验结果验证了所提算法的有效性。     

基于LSTM-Attention的P300事件相关电位识别分类研究

针对脑电信号中P300事件相关电位识别分类准确率较低的问题,文中提出了一种基于LSTM-Attention网络的P300事件相关电位的识别分类方法。在数据处理阶段使用SMOTE对脑电信号中P300电位数据进行数据增广,并基于DBSCAN聚类算法剔除合成数据中的无关噪声。在识别分类阶段,通过在LSTM网络后加入注意力机制和Dropout层搭建LSTM-Attention分类识别网络,并使用Sigmoid函数输出P300事件相关电位的识别分类结果。实验结果表明,文中方法能够有效对脑电信号中的P300事件相关电位进行识别分类,准确率和Dice系数均值分别达到了91.9%和91.7%,与传统方法相比准确性更高、泛化性能更强。     

基于P300特征的脑-机接口解码算法研究综述

脑-机接口是脑与外部设备连接进而实现信息交换技术,核心是发挥人脑的优势,直接通过人脑与外部环境进行高效互动,目前已成为世界各国的研究热点。P300是由特定刺激范式激发的事件相关电位中的一个典型成分,最初研究发现,当人脑受到某些小概率事件刺激时,会在脑电信号中出现一个潜伏期约为300 ms的正向波峰。由于P300成分具有刺激特异性,因此该特性已被广泛用来研究注意、辨认等认知功能,基于P300特征的脑电范式也已经成为三大主流范式之一。近年来,结合P300和脑-机接口的具有实用功能的应用大量涌现,与此相关的解码算法也被提出并不断改进,这为人们研究P300脑-机接口提供了便利。然而,P300脑-机接口的相关解码算法缺乏系统性总结,各类算法之间的特点也尚未得到明确比较。该文依据P300成分主要在顶枕区响应的特点,提出了基于非空间信息的P300脑电解码算法;依据P300成分在不同脑区响应特征不同的特点,提出了基于空间信息的P300脑电解码算法;依据近几年信息技术快速发展,深度学习已不断在P300脑-机接口中应用的特点,提出了基于深度学习的新型P300脑电解码算法;从以上三个角度入手,总结近年来P3...     

脑-机接口技术综述

脑-机接口是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道,通过这种通道,人就可以直接通过脑来表达想法或操纵设备,而不需要语言或动作,这可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力,以提高患者的生活质量.脑-机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术.本文对脑-机接口技术的发展、研究现状、工作原理以及涉及的关键技术进行了较为详细地综述,在总结脑-机接口技术存在问题的基础上,探讨了该领域进一步研究的方向.     

自适应脑机接口研究综述

脑机接口(BCI)不依赖于外周神经和肌肉,在大脑与外部设备之间建立起直接交流的通路。近年来,该技术在识别准确率和系统交互速率方面已取得巨大突破。然而,脑电(EEG)信号非平稳特性较强且用户主观状态波动较大,传统脑机接口技术对大脑活动的动态变化欠缺适应性,影响了脑机接口系统的控制稳定性,也限制了其智能化发展和应用。自适应脑机接口可根据大脑当前状态动态调整诱发范式和实时更新识别模型,从而增强脑控系统对非平稳大脑活动的适应性,提高其控制精度和鲁棒性,实现更加实用化的脑控系统,对推动脑机接口技术进一步发展极具意义。该文对自适应脑机接口的相关研究进行了回顾和总结,并对该技术未来发展的方向进行了展望。     

一种基于支持向量机的车牌字符识别方法

针对车牌字符图像受客观条件影响较大、样本数量不是很大、分类识别相对容易等实际情况。提出了一种对经过预处理的车牌字符图像采用SVM算法进行识别的方法。该方法将图像数据转变为文本数据作为输入样本，方法简单快速，克服了提取图像特征过程中过分依赖字符结构和图像质量的不足。并通过使用参数归整、交叉校验、选择适当的核函数等方法寻求最优参数．避免欠学习、过学习问题的产生。通过使用高速公路收费口的实拍汽车图像进行实验，验证了算法的有效性。     

基于P300电位的新型BCI中文输入虚拟键盘系统

 近年来各种信号处理技术随着计算能力的提高取得了巨大进展,推动了人机交互(HCI)技术的发展.脑机接口(BCI)是一种特殊的人机交互通道,在最近几年引起广泛关注.P300电位是一种事件相关电位,利用诱发人类P300的原理,可以实现基于P300的BCI系统.此类系统以往常用于英文字母的输入,本研究首次设计并开发了一套进行汉字输入的在线P300-BCI系统.系统利用汉字基于笔画的特性简化了P300诱发界面,并据此设计了相应的汉字虚拟键盘.利用此系统进行的在线输入实验表明,此中文BCI的设计是可行的,对系统的进一步完善将可以为汉语系的瘫痪患者的机能恢复提供新的选项.     

基于频谱相像系数的间歇采样转发干扰识别

正确的干扰识别是采取有效抗干扰措施的前提和基础,文中针对间歇采样转发干扰的识别问题,提出了一种基于频谱相像系数和支持向量机的干扰识别方法。通过对目标回波及干扰信号的模型及频谱进行分析,挖掘回波与干扰信号频域上的差异,提取频谱相像系数特征,并利用支持向量机进行分类识别。仿真结果表明:相像系数特征参数类间分离度好、不易受噪声及实验次数影响,将其作为干扰识别的特征参数,得到的识别准确率较高,可以为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。     

基于小波的模拟自然阅读事件相关电位的单次提取

选择合适的信号处理方法从脑电信号中提取用户的信息和命令,是改进脑计算机接口通讯速率的方法之一.由于自发脑电信号(electroencephalograph,EEG)是非高斯有色噪声,且自发脑电信号的频谱不规则、与有效信号的频谱相重叠,传统的滤波方法难以取得较好的效果.基于白噪声与有效信号的小波变换模极大值在不同尺度下的传播行为不一样的原则,本文提出了一个基于自回归模型和小波变换多尺度分析的模拟自然阅读事件相关电位的单次提取方法.经对实际脑电信号处理的实验表明,该算法能较好的提取脑电信号.     

基于支持向量机和核主成分分析的车牌字符识别

给出了一种结合核主成分分析(KPCA)和支持向量机(SVM)进行车牌字符识别的新方法.该算法通过KPCA进行字符的特征提取,并利用SVM分类器完成字符的识别.实验证明,KPCA在高维空间具有较强的特征选择能力,SVM的识别率也明显高于BP神经网络.     

一种基于重采样双向2DLDA融合的人脸识别算法

针对人脸识别中普遍存在的光照、表情等变化带来的识别问题和小样本问题,本文提出了一种利用重采样技术融合双向2DLDA特征的人脸识别算法Resampling Bidirection 2DLDA(RB2DLDA).二维线性判别分析中,2DLDA利用垂直方向上的类内和类间协方差信息进行识别,E2DLDA利用水平方向上的类内和类...     

一种基于关节角度的步态识别新方法

基于行走运动的关节角度变化包含更丰富的个体识别信息的观点,提出利用下肢关节角度进行步态识别的新方法。依据人体解剖学的先验知识,通过对下肢运动分析定位盆骨、左右膝、左右踝关节点,提取相邻关节点连线与竖直线的夹角作为运动关节角度。识别时,考虑到NN,KNN等传统步态分类器分类能力较弱的缺点,采用针对小样本问题具有很好分类效果的支持向量机对步态特征向量进行分类。CASIA步态数据库上的仿真结果证明该方法具有较高的识别性能。     

基于加权合成核与三重Markov场的极化SAR图像分类方法

马尔可夫随机场(Markov Random Field,MRF)广泛用于处理遥感图像的分类问题,然而MRF在构建极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像模型时未考虑其非平稳特性且对初始分类较为敏感,为此本文提出了一种基于加权合成核与三重马尔可夫随机场(Triplet Markov Field,TMF)的极化SAR图像分类方法.该方法依据训练样本在特征空间上的距离,提出了加权合成核函数权重系数的自适应确定方法以提高初始分类的精度和普适性;为充分考虑极化SAR图像的非平稳统计特性,利用TMF对极化SAR图像进行统计建模以实现贝叶斯分类.实验结果表明,与基于MRF的极化SAR图像分类方法相比,本文所提方法可获得更高的分类精度和更平滑的同质区域分类结果,而且本文方法能更好地保持图像边缘信息.     

基于生物视觉模型的人脸识别设计

针对人脸特性,对标准模型的S2层模版提取方法和匹配算法进行改进,并重新定义了C2层特征的平移不变范围,分类器采用简单的多类线性支持向量机(SVM).对ORL和Yale标准人脸库的分类识别结果表明,改进的模型能高效快速地进行人脸识别,识别率分别达到99.86%和97.23%.     

基于支持向量机方法的噪声图像分割

图像分割是计算机视觉领域的关键技术之一。支持向量机方法被认为是好的学习分类方法之一,特别在小样本、高维情况下,具有较好的泛化性能。针对噪声图像的分割,提出了模糊权重支持向量机方法。分割实验表明,与经典支持向量机方法相比,模糊权重支持向量机方法具有更强的抗噪性。     

基于纹理特征与ν-SVM的车牌汉字识别

车牌汉字识别是车牌字符识别中的难点,文章通过对二维Gabor小波特征以及支持向量机（Support vector machine,SVM）分类器进行详细的分析,采用二维奇对称Gabor小波作字符特征滤波函数,并通过基于ν-SVM的多类分类器对数据进行训练及分类,设计了一种能够应用于实际系统的汉字字符识别方法。     

基于PSO-SVM算法的雷达点迹真伪鉴别方法研究

为解决虚假目标点迹对雷达跟踪性能的影响,本文提出了一种基于PSO-SVM算法的雷达点迹真伪鉴别方法,进一步对目标点迹和杂波点迹进行真伪鉴别,有助于滤除杂波剩余点迹,提高雷达处理容量和跟踪性能。本方法利用点迹形成过程中生成的特征参数,先利用PSO算法对SVM算法参数进行优化选择,再利用参数优化后的SVM算法对雷达点迹进行真伪鉴别。最终,目标点迹鉴别准确率达到了95.18%,杂波点迹鉴别准确率达到了89.94%,整体的点迹鉴别准确率达到了92.13%。实验结果表明：该算法有较高、较稳定的点迹鉴别准确率,前期较多的杂波点迹被鉴别为目标点迹的缺陷也得到了较好的改善。