基于皮层神经元模型的经颅磁声电刺激神经网络放电活动仿真分析

基于脑皮层真实神经元模型搭建皮层神经网络,对模型在经颅磁声电刺激下的电活动响应特性进行仿真分析.采用短时傅里叶变换方法对不同刺激方式和经颅磁声电刺激不同刺激参数下神经元局部场电位信号进行时频联合分析.结果显示,经颅磁声电刺激方式可达到与神经元自身突触激活和阶跃电流刺激方式相近的刺激效果;神经元不同位置在经颅磁声电刺激下的电活动响应有所区别,胞体附近膜电压变化最为明显,且局部场电位能量强度最大;随着调制频率和刺激电流两个参数的增大,神经网络的局部场电位信号能量强度均呈现先增强后减弱的趋势.这表明经颅磁声电刺激可对神经电活动产生促进与抑制两种效果,改变刺激参数可以实现对生物体神经活动的调节.研究结果有助于揭示经颅磁声电刺激的神经作用机制,为其应用于神经调节和神经系统疾病治疗提供理论依据和参考.     

个体化频带滑动窗特征的轻度认知障碍诊断研究

轻度认知障碍(MCI)是老年性痴呆诊断的关键阶段,脑电(EEG)信号特征可以反映MCI患者的认知状态,帮助实现早期诊断。现有研究在EEG特征提取过程中,针对脑电各节律,大多采用固定的时间窗完成分段处理,忽略了不同节律的特征差异,从而影响诊断效果。针对该问题,本文提出了一种新的组合滑动窗优化算法,该算法通过迭代振幅调整傅里叶变换(IAAFT)对零模型的构建方法进行了改进,以此得到评估大脑动态特性指标K_PLI,通过对EEG各频段信号采取多种滑动窗组合,并以K_PLI指标引导,得到适合不同频段的最佳滑动窗组合。在最佳滑动窗组合基础上,对各频段组合提取相位滞后指数(PLI),进行连续小波变换(CWT)特征,通过ResNet-MLP双通道分类网络实现MCI诊断。结果显示,使用个性化组合频段滑动窗对88名受试者(32名MCI患者,36名阿尔茨海默症患者以及20名正常对照组)实现了诊断分类,得到了82.2%的分类准确率,比固定窗的分类提高了10%(得到了72.2%的分类准确率)。结果表明,基于个体化脑电节律特征组合能够更好提取MCI的特征,提高轻度认知障碍诊...     

光伏发电系统建模及关键技术分析

本文运用Matlab建立了单相光伏发电并网不可调度系统的软件模型,包括光伏电池部分、直流升压器、PWM逆变器,并分析和建立了最大功率点跟踪（MPPT）模块和锁相环（PLL）模块。最大功率点跟踪方案采用了变步长的扰动观察法,有效缓解了固定步长的扰动观察法中快速和损耗之间的矛盾。锁相环模块采用软件锁相,采集电网电压和电流的相位信号并通过指令电流的控制实现锁相。最后对系统在独立供电和并网供电两种不同工作方式下进行了建模仿真和对比分析。     

虚拟瞬时功率应用于数字锁相环设计与分析

传统锁相环无畸变电压的抑制能力,在畸变电压条件下易造成误动作,为此提出基于虚拟瞬时功率数字锁相方法。该方法通过对虚拟瞬时功率信号低通滤波与变参数PI控制,得到参考电流信号,利用其相位超前基波正序电压90°这唯一稳定点对基波正序电压进行锁相。在电压畸变条件下,该方法能够快速准确跟踪A相基波正序分量的相位。仿真与实验结果表明,该锁相方法动态响应速度快,稳态精度高,对电压畸变有很强的抑制能力。     

光伏并网中的一种变步长细分锁相算法研究

在光伏并网逆变器中,常规锁相控制方法往往受电网频率波动的影响,使得锁相环处于不稳定状态,从而导致整个并网逆变系统性能降低,甚至不能正常工作.为解决上述问题,提出了一种变步长细分软件锁相方法,即在实时检测电网频率和相位波动的基础上,通过对相位调节步长的二次细分和动态调整,使锁相环的跟踪精度不再受开关频率限制,从而不仅提高了锁相环的相位跟踪精度,而且增强了锁相环的稳定性.最后将该方法应用于30kW光伏并网发电系统中,实际测试结果验证了该方法的有效性.     

基于非正交信号发生器的单相锁相环研究

提出了一种单相逆变电压的锁相算法,利用当前和前一周期的采样数据及锁相相位,构造电压矢量。引入PI控制器调节单相正弦信号和锁相相位的相位差,达到稳态时相位差为零的效果。该方法可广泛应用于单相不间断电源系统(UPS)及光伏逆变器等逆变电源。最后,通过Matlab仿真及样机实验验证了算法的可行性。     

基于DFT的改进并网逆变器锁相方法

提出了一种基于离散傅里叶变换(DFT)的改进软件锁相方法,克服了基于正弦信号相乘的瞬时鉴相方法信噪比极低及基于过零点检测的周期鉴相方法对过零点波形依赖性高的缺点。该方法采用调频和锁相两个过程共同作用实现锁相环(PLL)功能,在电网波形严重畸变、频率和电压闪变等异常状态时,能快速锁定目标信号基波分量的相位,实现较高的基波功率因数。通过5 kW样机的实验验证了该锁相方法具有很高的可行性。     

基于 AVMD 的非线性经颅电刺激伪迹去除方法

经颅交流电刺激( transcranial alternating current stimulation, tACS) 是一种应用广泛的无创脑刺激方法。 由于非线性 tACS 伪迹的干扰,很难直接获取刺激时神经电活动的真实情况。 为此,提出一种自适应变分模式分解( adaptive variational mode decomposition, AVMD)方法用于去除非线性 tACS 伪迹。 该方法利用希尔伯特变换(Hilbert transform, HT)提取伪迹包络,然后 利用窗口傅里叶变换(window Fourier transform, WFT)确定 VMD 分解的模态数。 再利用 VMD 分解原始数据得到多个本征模态 信号。 最后根据各模态信号的幅度特征重构真实脑电成分。 在模拟数据和公开实验数据上测试 AVMD 方法的性能,分别采用 重构脑电与真实脑电之间的相关系数(模拟数据)以及重构脑电和 sham 脑电统计特征的平均绝对误差(实验数据)进行方法性 能评价。 结果表明,对于模拟数据,在调幅深度 ma∈[0. 001,0. 01]、相位调制深度 mp∈[0. 001,0. 01]和刺激频率 f arti∈[10, 100]的条件下,重构脑电和真实脑电的平均相关系数分别为 0. 988 5、0. 893 5 和 0. 948 4。 对于实验数据,重构脑电和 sham 脑 电之间统计特征的平均绝对误差在刺激频率为 11 Hz 时分别为 0. 989 6(峰度)、2. 991 8(均方根幅度)、0. 175 1(样本熵),在刺 激频率为 62 Hz 时为 0. 940 7(峰度)、2. 473 1(均方根幅度)和 0. 084 1(样本熵)。 与移动叠加平均法( superposition of moving averages, SMA)、自适应滤波法(adaptive filtering, AF)和经验模态分解法(empirical mode decomposition, EMD)相比,AVMD 方法 表现出更稳定更好的非线性 tACS 伪迹去除性能。 该方法的提出为闭环 tACS 刺激仪器的开发提供支持。     

电网谐波背景下单相并网逆变器的锁相方法

针对分布式电源接入的配电网因临近非线性负载而含有大量低次谐波的问题,提出了一种适用于单相并网逆变器的锁相方法。该方法的核心是一个由主模块和多个谐波模块组成的交错耦合反馈结构,其中主模块是依据梯度下降法来估测基波幅值频率的锁相环(AFPLL),谐波模块是简单的二阶陷波滤波器(NF)。该复合结构可有效消除传统锁相方法在处理畸变电压信号时存在的稳态误差。分别通过畸变电压锁相实验、相位突变实验、幅值突变实验和频率突变实验,评估了该锁相方法的稳态和动态性能。实验结果表明,所提出的锁相方法不但在电压信号严重畸变时具有较高的锁相精度,而且在电压信号发生突变时也具有较快的响应速度。     

自适应校相的锁定放大器设计

针对强噪声通信环境的微弱信号检测问题,利用锁相放大器技术将输入的微弱信号与相位可变的参考信号相干解调滤波提取信号信息。系统由信号预处理电路、参考信号移相电路、相敏检波电路、窄带低通滤波器组成,其中参考信号移相电路为相敏检波电路提供相干的参考信号,相敏检波电路将交流信号变为直流信号,窄带低通滤波器去除宽带噪声,通过多次测量和最小二乘线性拟合提高精度。该系统信噪比SNR增益大于60 dB,信号幅度在10 μV～1 mV,并且混杂有噪声时检测误差不超过6%。     

A parametric feature extraction and classification strategy for brain-computer interfacing.

Parametric modeling strategies are explored in conjunction with linear discriminant analysis for use in an electroencephalogram (EEG)-based brain-computer interface (BCI). A left/right self-paced typing exercise is analyzed by extending the usual autoregressive (AR) model for EEG feature extraction with an AR with exogenous input (ARX) model for combined filtering and feature extraction. The ensemble averaged Bereitschafts potential (an event related potential preceding the onset of movement) forms the exogenous signal input to the ARX model. Based on trials with six subjects, the ARX case of modeling both the signal and noise was found to be considerably more effective than modeling the noise alone (common in BCI systems) with the AR method yielding a classification accuracy of 52.8+/-4.8% and the ARX method an accuracy of 79.1+/-3.9 % across subjects. The results suggest a role for ARX-based feature extraction in BCIs based on evoked and event-related potentials.     

基于多层注意力机制的4DC-BGRU脑电情感识别

为了提高脑电情感识别的准确率，提取更丰富的特征信息，提升网络模型稳定性，提出一种改进的基于多层注意力机制的脑电情感识别模型。在特征提取方面，将原始脑电信号转换成四维空间 频谱 时间结构，提取丰富的脑电信息。在网络模型方面，构建双路卷积神经网络学习空间及频率信息，有效提取多尺度特征，增加网络宽度来学习更丰富的特征信息；在卷积层及池化层后融入批量归一化层，防止过拟合。最后，构建多层注意力机制 双向门控循环单元模块处理时间特征并配合Softmax分类。采用双向门控循环单元学习更全面的上下级特征信息。利用多层注意力机制使四维特征中不同时间切片与整体时间切片之间产生关联。该文在DEAP数据集唤醒度和效价两个维度进行了评估实验，二分类平均准确率分别为96.38%和96.73%，四分类平均准确率为93.78%。实验结果显示，与单路卷积神经网络及其他文献算法相比，该文算法的平均准确率有所提高，表明该算法可以有效提升脑电情感识别性能。     

锁相环技术的研究进展

电锁相环(PLL)在无线通信系统、导航、雷达等领域中都占据相当重要的作用,它影响了整个系统的数据处理速率、时钟相位信息的提取等。光学锁相环(OPLL)具有高速实时接收、功耗低、抗背景光干扰能力强、抗多普勒频移等优势,是相干光通信系统的关键电路模块,其性能直接影响光通信系统性能,光锁相环的研究主要针对其参数进行优化和改进。综述了由电锁相环到光锁相环技术的研究进展,在对其原理和关键组件介绍的基础上,详细介绍了电锁相环和光锁相环的分类和参数指标,比较各类光锁相环的性能,总结了无线光相干通信系统中的光锁相环技术,最后对其未来的发展方向进行展望,可为锁相环技术在不同领域的研究和发展提供参考。     

基于可变遗忘因子的递推最小二乘法锁相环研究

电网电压相位角的准确获得,是变流器并网运行关键的指标之一。当三相电压出现频率、幅值或者相位突变时,传统锁相环算法往往出现相角估计不准,动态性能较差等问题。本文提出基于可变遗忘因子的递推最小二乘法锁相环算法,该方法通过对电网电压不平衡引起的相电压的角度、幅值和偏移量进行实时补偿来检测相角,实现提高系统鲁棒性和系统稳定性的目的。通过仿真和实验加以证明,结果表明该算法可以有效提高锁相环的精度和可靠性,提高系统的抗干扰能力。     

电力系统实时相位同步方法的研究和比较

本文较全面地综述了过零点检测、锁相环、加权最小均方差估计和变换角检测等常用的相位同步方法及其改进型的工作原理、理论成果和应用情况.同时分析、比较了噪音、谐波、频率波动和三相不平衡等电能质量扰动对上述较为普遍使用的相位同步方法检测精度的影响,确定了各种相位同步方法的优、缺点和适用范围.最后结合分布式发电和相量测量单元等新技术的出现提出了一些关于相位同步方法的值得深入讨论的问题.     

基于深度迁移学习的时变拓扑下电力系统状态估计

针对电力系统拓扑实时变化导致数据驱动状态估计器不可用的情况,提出一种基于深度迁移学习的数据驱动状态估计方法.将原拓扑海量历史数据训练得到的模型作为基础模型,当新拓扑实时量测数据更新时,加载和保存基础模型中特征提取层的权重和参数,只需要微调模型的全连接层,即可获得适应于新拓扑的神经网络,提高了数据驱动状态估计模型的自适应性和泛化性能.通过对IEEE标准系统和中国某实际省网的算例测试,并将其估计结果与加权最小二乘法和加权最小绝对值法进行比较.结果表明,在考虑拓扑时变性的情况下,该算法与上述2种物理算法相比具有更优的估计性能和估计效率.     

近场声源三维定位MUSIC算法研究

信号到达方向(DOA)估计是阵列信号处理的最主要目的之一,基于语音阵列的DOA估计与传统的窄带远场信号的DOA估计在信号模型和处理方法上有很大区别.本文把经典的MUSIC算法推广到语音阵列处理中,实现了声源三维定位.该算法的基本思想是:把宽带语音信号通过短时傅立叶变换转换为独立离散频率点,利用MUSIC算法求出每个/部分频率点的空间谱矩阵,然后加权平均这些空间谱矩阵.通过搜索该平均空间谱矩阵,找到信号源的位置.最后,在16元均匀圆环阵的情况下,选用双语音信号源进行了仿真.仿真结果表明,该算法定位性能优良.     

基于卷积神经网络的脑电信号情绪分类方法

情绪作为人脑的高级功能,对人们的心理健康和个性特征有很大的影响。通过对脑电情绪数据集进行情绪分类,能够为今后实时监控正常人或抑郁病人的情绪提供进一步理论及实践依据。因此文章运用公开的脑电情绪数据集所提取的微分熵特征,并使用传统的滑动平均和线性动态系统方法,采用深度学习中的卷积神经网络作为基本前提,设计了一个卷积神经网络的脑电信号情绪分类模型,其包括4个卷积层、4个最大池化层、2个全连接层和1个Softmax层,并采用批归一化使参数搜索问题变容易,抑制模型过拟合。实验结果表明,利用该模型对SEED数据集的3种情绪识别的平均准确率达到了98.73%,精确率、召回率和F1分数分别为99.69%、98.12%和98.86%,ROC曲线下面积达0.998。与最近的类似工作相比,该文提出的卷积神经网络结构对于脑电信号情绪分类具有一定优越性。     

Wavelet preprocessing for automated neural network detection of EEGspikes

The purpose of this study was to investigate the feasibility of using a wavelet transforms (WT) as a preprocessor for an artificial neural network (ANN) based EEG spike detection system. The study aimed at decreasing the input size to the ANN detector, without decreasing the information content of the signal and degrading the detection performance. Since routine clinical EEG requires recordings from many channels (generally 32 or 64), input size becomes a critical design parameter for real-time multichannel spike detection systems. For a sliding window of 20 points, more than 600 input lines will be necessary for a 32-channel system, which is not easily manageable with current ANN technology. One approach to this problem is to use a single ANN module for each EEG channel and integrate the outputs across channel information with a second module. The authors have successfully developed a 16 channel prototype of such a system working in real-time. This system used a 20 point (100 ms) sliding time window and employed a floating point digital signal processor for real-time operation. Adding more channels to this system would be difficult for real-time operation. In addition, the authors' recent studies showed that the best detection performance is attained with a 30 point (150 ms) time window, further increasing the computational load. Thus, the development of a preprocessor to reduce the input size without significantly reducing the information content would be very helpful in developing large multichannel EEG spike detection systems     

DSP在电动车应用中的几个关键问题

为了深入研究DSP在电动车领域的应用,设计了基于TMS320 DSP2407A的轮式驱动电动车控制系统,提出了全桥调制时的相电流检测方法、转子位置检测方法和轮式驱动的通信系统设计。控制系统采用一个CPU控制两个电机的简单易行模式,相电流检测实现单电流传感器检测三相相电流的新技术,转子位置检测通过DSP直接处理位置信号并软件优化获得准确的转子位置,通信系统采用CAN和RS232总线完成数据实时通讯。试验证明,通过合理设计各关键工作子系统,并在整车系统及平台上进行紧密串连,使电动车获得了卓越的整体工作性能。