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.     

基于小波提升算法的脑电节律提取

小波变换在信号处理中有着广泛的应用,能同时分析时域和频域方面的信息,但是传统的小波变换依赖于傅立叶变换,有大量的卷积运算,运算速度较慢.该文讨论了第二代小波变换的原理,并采用它来处理脑电信号.提升算法作为构造第二代小波的关键技术,通过预测确定高频信息,更新后得到正确的低频信息,它不依赖于傅立叶变换,大大提高了运算速度.通过分析提升算法的基本原理,用第二代小波变换实现了对脑电信号的节律(δ、θ、α、β)提取,并得到了令人满意的效果.     

基于HOC-SVM的运动状态下脑电的特征提取与分类

研究人脑在不同运动状态下的脑电信息,不仅能够揭示出各种运动状态对于大脑活动的影响,也是工程技术人员设计脑-机接口与神经修复系统的关键技术之一。文章根据脑电信号的μ节律变化,首次将表征时间序列摆动特性的高阶过零分析(Higher Order Crossing,HOC)方法运用于运动状态下的脑电信号的特征提取并结合支持向量机(Support Vector Machine,SVM)对输入的高阶过零特征量进行了有效的分类。将该方法提取的特征量与基于统计学的特征量分别用SVM进行分类,结果表明本方的识别率明显高于基于统计学特征量的方法。说明基于HOC-SVM方法在脑电信号的特征提取与分类中有较强的可行性和实用性。     

基于移动平台的运动想象脑电分析方法研究

BCI系统的研究,经过二十多年的发展,已经慢慢地走出实验室,面向应用。为更方便对运动功能障碍人士进行帮助,把传统BCI系统移植到移动平台上就显得尤为重要。本文利用AR模型把时域信号转换到频域,然后利用Fisher距离进行特征提取,利用定义的线性分类器进行分类。结果表明,利用本方法能很好地识别三种不同运动想象类型。     

脑电相位同步性分析方法研究

脑电同步被认为是脑功能区域整合的表现.基于脑电同步产生的生理机制,从信号分析方法着手,研究了如何把希尔伯特变换应用到脑电同步性研究领域,并就此研究提出一种改进的小波分析方法.对真实脑电数据处理的结果证明了该方法在脑电同步分析中的有效性,并比较了2种方法的特点.从结果可以看出,希尔伯特相位同步分析方法更能反映数据的真实性,更符合生物信号的特性.     

冰毒成瘾者脑电信号的分类研究

冰毒是新型毒品的一种,它可以引起大脑功能异常甚至致人死亡。目前对冰毒成瘾者的脑电信号的分析主要通过ERP分析,还鲜有对冰毒成瘾者的脑电信号进行分类。该研究对两类受试者的脑电信号进行ERP分析,选定P300范围并提取出每次实验下处于该范围内脑电信号的时域、频域和小波系数作为分类特征来进行模式识别,分类结果显示准确率达到80%以上。此外,分类准确率达到75%以上的5个电极中4个位于额叶区域,这说明相比较于其他脑区,冰毒对额叶的影响最为严重,因此冰毒可能损伤大脑的执行认知功能。C3电极基本映射于初级运动皮层区域,说明冰毒可能对冰毒成瘾者的运动执行功能也产生了一定影响。上述结果为进一步研究冰毒对大脑的神经活动造成的影响提供了研究思路。     

基于脑电“微状态”的驾驶员脑负荷研究

驾驶疲劳影响驾驶员的警觉度和注意能力,同时严重影响道路交通安全。该文在实验室驾驶平台中模拟疲劳驾驶的基础上,提出了一种评估驾驶过程中大脑工作负荷的方法。实验结果表明,当大脑工作负荷较小时,在theta频段左前额高电势微状态出现的频率升高;当大脑工作负荷较大时频率降低。以此为指标,可以对驾驶员的放松和警觉状态进行检测。     

基于贝叶斯估计的小波脑电信号去噪算法研究

针对传统脑电去噪算法易丢失细节特征、峰值信噪比低、计算量大等问题,对脑电信号70～200 ms的尖波部分和持续时间小于70 ms的棘波部分,采用拉普拉斯分布为去噪模型,利用贝叶斯估计方法对小波变换后的系数进行估计,将估计后的信号进行重构,以达到去噪的目的.采用信噪比、均方根误差、作为去噪的评价指标,对比贝叶斯估计算法、全局阈值算法、改进阈值算法和自适应阈值算法的优缺点.通过对比发现贝叶斯算法的信噪比远高于其他算法,该方法获得了较大的峰值信噪比增益,而在四组均方根分析数据中,贝叶斯估计算法取得的误差较小,去噪效果更好.在能量和功率谱的分析中,充分验证了贝叶斯估计算法的去噪优越性,有效保留了原始信号的高频和低频部分的细节信息.     

左右手运动想象脑电模式识别研究

如何提高左右手运动想象脑电信号的分类率是脑机接口研究领域的一个热点话题。基于美国EGI64导脑电采集系统得到3名健康被试的脑电数据,首先,采用独立成分分析（Independent Component Analysis,ICA）对采集的数据进行去噪处理;然后,利用离散小波变换方法对分解C3/C4处的EEG平均功率信号,选用尺度6上逼近系数A6的重构信号作为脑电特征信号;最后,用Fisher线性判别分析法（Fisher Linear Discriminant Analysis,FLDA）、支持向量机方法 （Support Vector Machines,SVM）和极限学习机分类方法 （Extreme Learning Machine,ELM）分别对特征信号进行分类。分类结果表明：极限学习机分类方法得出的平均分类率要高于Fisher方法与SVM方法的平均分类率,可以达到92%,而且运行速度也高于另两种分类算法。     

冲压工艺特征图形数据转换和识别系统的研究

从冲压模具CAD与冲压工艺CAPP的智能集成的自动特征识别的关键技术出发,采用通用数据接口IGES作为数据传递,面向WIN98／NT／2000进行开发了一套板材成型工艺特征图形数据转换和识别系统。本系统可以对各种造型软件所产生的中性文档*．igs的数据进行读取,重新规整使之适合整套专家系统的后续工艺类比、制订、更新。根据形状特征与冲压加工特征间存在着单映射的关系,充分利用模型中的几何信息和拓扑关系采识别零件的特征。通过对读入的IGES三维线框文件进行预处理,使之满足特征识别的需要,采用基于几何推理的特征识别技术实现了对冲压件主型面特征、冲孔特征、翻孔特征的识别与提取。     

基于提升小波的地震数据压缩编码算法

提出了一种基于提升格式小波的地震数据压缩算法,该算法针对地震数据信号及其噪声的特点,首先利用提升格式小波对地震数据进行小波变换,然后结合嵌入式零树编码的思想,对变换后的小波系数采用改进的SPHT算法进行编码.研究结果表明:本文所提出的算法能实现海量地震数据的快速编码,达到了对地震数据的高保真压缩;本算法实现的编解码时间快,同时解压的地震剖面图视觉效果要优于目前的离散小波压缩算法.     

表格手写数字自动录入软件系统的研究

阐述了一种实用的表格自动处理系统的实现方法．并针对表格自动处理系统中的一些问题提出了新的算法，如表格体的倾斜校正快速算法、手写数字多余横向笔画的去除算法等．这些算法的提出使整个表格处理系统的处理效率和处理精度都得到了一定的提高．     

层次结构通用型专家系统

本文论述了一个基于层次知识结构的一般性系统的设计思想和设计方法.凡其知识可以概括为层次结构的领域,均可使用本系统,完成知识的表示、组织、扩充和利用.目前系统的知识利用操作有交互式检索浏览、自然语言(英语)问题回答、决策咨询三种.系统已在医疗诊断和农业生产咨询两个领域中显示了其实用性,是一个层次结构型通用的专家系统.它表明基于知识的模式识别的原理可以应用到人工智能专家系统的设计中.     

减小声音信号噪音干扰的处理方式的研究

研究能够减小声音信号中噪声成分的一种处理方式其原理基于模糊模式识别理论和信号的功率谱及其自相关函数互为博里叶变换对的理论．该方式可较好地达到减小噪声和防止子音失落的目的．     

事故树自动生成专家系统的实现研究

本文简要介绍了事故树及其分析法，对事故树自动生成专家系统的实现方法进行了研究；给出了系统运行示例，并对结果进行了分析讨论。     

基于模式识别的采煤机滚筒自动调高系统的研究

本文讨论了一种采煤机切割状态的模式识别方法。选定调高油缸中的压力信号为特征信号，提取其均方差为特征变量，在此基础上编制的控制软件，在采煤机－－工作面相似模型上进行试验，取得了令人满意的结果。①     

异常脑电信号的序域识别

本文采用一种新的快速有效的尖棘波识别方法——序域识别法.它通过FWT 变换把脑电信号从时域变换到序域,提取信号的序域功率谱特征并利用树分类器对尖棘波进行识别,有效识别率为85.5%.     

数据压缩在人脸识别中的应用

提出一种基于DCT正变换和小波变换按照灰度值近似压缩的一种图像信息压缩方法和图像复原方法,对人脸识别中的图像进行数据压缩处理后进行归一化,并根据归一化向量的特征值所对应的特征矩阵存储图像,将位图存储过程变换为数据文件的存储,节约了存储空间.最后用Lucy-Richardson算法对压缩后的图像进行了恢复,以测试压缩过程中对图像冗余信息的删除是否有效,测试结果表明该方法对人脸识别中图像进行数据压缩是有效的,并且达到了人脸识别对图像精度的要求.     

基于SOPC技术的皮肤症状自动识别系统的设计

采用NiosⅡ软核嵌入式处理器,以FPGA器件作为硬件基础,辅以必要的接口电路,结合图像处理和模式识别算法,完成整个皮肤症状识别系统的设计.该系统具有设计灵活、图像处理速度快和扩展性好等优点.