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。     

三自由度仿人型假手及其肌电控制策略

为了弥补当前商用单自由度假手康复功能的局限性,基于欠驱动原理设计了一种新型的三自由度仿人型假手.采用3枚电机分别驱动假手的拇指、食指以及其余三指,完成了15个活动关节在抓取物体时的调控.基于假手自由度的配置,采用支撑向量机方法,讨论了人手共19种姿态肌电模式的识别,并将其应用于假手的实时控制.实验结果表明,基于肌电信号能以较高成功率识别人手部的多种姿态,并可以直接应用至假手的动作控制,体现了较高的灵活性.     

基于心电和脑电的驾驶疲劳检测研究

驾驶疲劳是引发交通事故的重要原因。驾驶疲劳检测不仅具有重要的理论研究价值,同时也将产生重大的社会、经济效益。该文通过心电信号计算驾驶过程中的不同阶段的心率和脑电信号,经过功率谱估计后,计算得到功率谱频段比值,作为疲劳检测的指标。模拟驾驶实验中,对驾驶前后两个阶段的19位被试者的生理指标作统计显著性检验,实验结果表明,该文提出的心电和脑电指标可以有效地对驾驶的疲劳和清醒状态进行检测。     

脑电信号的压缩与恢复

在预测编码和统计编码的基础上,根据脑电信号的特点,提出了一种可行的脑电信号压缩的方法,实验结果证明其具有良好的压缩效果。     

酒精脑电信号降维去噪方法的研究

脑电信号数据维度高,且极易受到噪声干扰。除环境噪声干扰外,自身伪迹干扰对脑电的影响更严重,因此,对采集到的原始数据进行去噪处理是有必要的。常见的脑电去噪方法 (如FastICA、奇异性检测、差分谱法等)并不适用于采样点数有限的酒精脑电去噪,经过实验,去噪后的酒精脑电信号特征损失严重。针对酒精脑电数据特点在传统脑电信号预处理方法的基础上,提出了一种基于主成分分析算法(Principal components analysis,PCA)和奇异值迭代分解法(Singular Value Decomposition,SVD)相结合的方法对酒精脑电信号进行去噪。通过PCA算法成功将64维脑电信号降至15维,减少了脑电信号处理的计算量,对提取的主成分进行4次奇异值迭代分解,达到了对脑电信号去噪的同时保留了更多信号特征的目的。     

基于BCI的下肢辅助康复系统的研究

脑-机接口作为一种新颖的人机接口方式,为人脑和外界事物进行信息交流和控制提供了一种全新的通道。该文把脑一机接口技术成功的应用到医疗康复中,利用运动想象时大脑感觉运动区域产生的事件相关同步和事件相关去同步现象来分析左右手运动想象时的脑电信号特征,进而来判断想象者的运动意图,从而实现脑电信号对下肢辅助康复设备的控制,为中风患者做下肢的运动康复性训练。     

ICA+CSSD的脑-机接口分类

针对复杂的脑电问题,介绍了一种对单次思维脑电信号提取、分类的方法。该方法的主要思想是将独立成分分量和共空域子空间分解方法以及支持向量机学习方法结合起来,用于提取脑电信号特征。该方法分别被用于BCI Competition 2003 Data set IV和BCI Competition Ⅲ Data set I,正确率分别达到了89%和92%。实验证明独立成分分量算法和共空域子空间分解方法能够很好地结合起来进行脑思维的分类,分类正确率很高,是一种快速、稳定可行的分解方法。     

基于CNN脑电信号伪迹检测与去除的EEMD方法

为了去除在脑电信号采集过程中受到的干扰,在传统方法的基础之上,提出了一种基于卷积神经网络(CNN)脑电信号伪迹检测与去除的方法。该方法通过CNN模型对脑电信号电压幅值计算后的特征进行提取,完成Softmax分类器对脑电信号的检测分类。采用EEMD算法将含噪脑电信号分解为若干个本征模式函数IMF分量,通过Hilbert特征法提取出噪声占主导的高频IMF分量,再由FastICA的方法将剩余信号分离,达到眼电伪迹的去除。实验表明,CNN方法检测准确率高达80%以上,CNN与EEMD的结合提高了脑电信号伪迹去除的有效性。     

海底隧道纵坡变化对驾驶人脑电信号影响分析

为明确海底隧道纵坡坡度变化对驾驶人脑电信号的影响,通过开展实车实验,运用脑电仪、坡度记录仪及录像机等设备,采集车辆通过海底隧道变坡区时,驾驶人的脑电信号及海底隧道纵坡坡度数据．选取脑电信号功率谱与脑电功率为参量,分析驾驶人经过海底隧道变坡区时脑电信号活跃水平的变化规律;按照不同上下坡对变坡区进行分组,分别建立海底隧道纵坡坡度变化与脑电信号β波功率变化的数学模型．结果表明,驾驶人在经过变坡区时,大脑活跃水平明显提升,额叶区是对纵坡坡度变化最敏感的脑区;纵坡坡度变化与驾驶人脑电信号β波功率变化正相关,纵坡坡度变化越小,脑电信号β波功率变化越小,驾驶人心理压力越小,行车安全性越好．     

多自由度仿人型假手设计

为了突破目前假手功能的局限,提高使用者的认可程度,设计了集成化的多自由度假手.它的手指设计采用了两种四连杆机构,基关节和中关节之间采用欠驱动连杆传动,能进行自适应抓取;中关节和远关节之间采用耦合连杆传动.手里有三个驱动电机,食指、拇指分别由一个电机驱动,其他三个手指由一个电机驱动.手指上安装了位置和力矩传感器.控制系统由两个DSP控制板组成,不仅实现了基于两路肌电信号的假手动作识别,并且可以进行手指的位置和力矩控制.抓取实验显示这个假手具有很高的抓取能力和灵巧性.     

基于EMG的假手实时力跟踪控制

针对商业假手灵活性及智能化水平较低的问题,进行了具有力矩/位置感知的五指假手及其控制方法的研究.以人体前臂肌电信号（EMG）为控制源,以力传感器检测指尖法向力,通过SVR支持向量机（Support Vector Regression,SVR）构建了指尖力的预测模型;采用网格搜索法确定模型的参数,缩短了训练时间,提高了模型的泛化能力.通过在线预测,结合带有二阶微分跟踪器的模糊PID控制方法实现了指尖施力实时跟踪;速度快,超调小,鲁棒性强,提高了假手的控制水平.     

A five-fingered underactuated prosthetic hand： hardware and its control scheme

A five-fingered underactuated prosthetic hand controlled by surface EMG (electromyographic) signals is presented in this paper. The prosthetic hand was designed with simplicity, lightweight and dexterity on the requirement of anthropomorphic hands. Underactuated self-adaptive theory was adopted to decrease the number of motors and weight. The control part of the prosthetic hand was based on a surface EMG motion pattern classifier which combines LM-based (Levenberg-Marquardt) neural network with the parametric AR (autoregressive) model. This motion pattern classifier can successfully identify the flexions of the thumb, the index finger and the middle finger by measuring the surface EMG signals through two electrodes mounted on the flexor digitorum profundus and flexor pollicis longus. Furthermore, via continuously controlling a single finger's motion, the five-fingered underactuated prosthetic hand can achieve more prehensile postures such as power grasp, centralized grip, fingertip grasp, cylindrical grasp, etc. The experimental results show that the classifier has a great potential application to the control of bionic man-machine systems because of its fast learning speed, high recognition capability and strong robustness.     

虚拟现实灵巧手姿态力度控制算法与仿真

针对灵巧手虚拟现实的控制,提出了数据手套控制手指关节角度,肌电信号进行抓取力度控制的方法.建立了虚拟现实灵巧手模型,根据神经网络算法实现前臂肌电信号对抓取过程中的拇指尖力预测.实验改变拇指接触状态,预测力模型与实际力度对比,验证模型的有效性.该研究可用于智能假肢控制及上肢康复训练、遥操作机器人等领域.     

利用访问向量的内部威胁感知方法简

The hierarchy-based access control model and access vectors are defined by using the access control relationship. A method is developed for quantizing the insider threat on resources and actions in the information system. Then a full real time assessment is obtained by using access vectors. Compared with other models, this model improves the precision and objectivity of the quantization without a prior knowledge of the system. Experimental results show that the access vector based on the hand hierarchy-based access control model can effectively assess the insider threat in real-time and can be used to build the insider threat sense system.     

基于样本熵与时频分析的手部抓握运动意图预测

针对上肢外骨骼控制信号产生与外部设备响应存在时间滞后导致脑机接口(BCI)系统实时性差的问题,采集被试手部自主抓握前运动相关皮质电位(MRCP) ,提出基于非线性复杂度特征样本熵 (SampEn)与线性幅值特征融合算法的手部运动意图预测方法. 从时频、神经复杂度分析不同大脑状态之间存在的差异,通过特征融合实现对手部抓握运动意图的预测. 基于特征融合意图离线预测准确率最高可达88.46%,可以在人体手部自主运动发生时刻?1 400 ms实现对手部运动预测. 与平静时期手部静止状态相比,被试产生手部抓握运动意图时脑电信号的功率谱与复杂度均产生明显变化,为基于手部运动意图预测提前驱动机器人实现人机协同提供控制策略.     

HIT/DLR仿人假手拇指机构的研究

为了使假手在外观和抓握方式上更加仿人化,基于欠驱动原理系统地设计了仿人假手的拇指．它由一个电机驱动,2个关节组成．其设计和以往假手的拇指有较大的不同：倾斜于手掌放置,其电机、带轮和谐波减速器全部嵌入在手掌内部;可以在抓握时沿空间上一锥面运动;将欠驱动原理在手指的运用上,从平面运动拓广到空间的运动．这使得假手拇指在外型和运动方式上和人的拇指极其相似．并对拇指的空间连杆机构进行了运动学分析,以确定其结构参数．实验表明,所设计的仿人拇指和人的拇指极其接近,并且在抓握时和其他手指配合,具有很强的自适应能力,能够实现对复杂物体的包络、精确抓握和力量抓握．使该假手更加美观、仿人、实用．     

基于脑电实验的眨眼次数与疲劳相关性研究

眨眼次数可以反映一个人的疲劳程度,但目前对于这一结论的客观验证研究较少。脑电信号是已被证实的疲劳检测的可信标准。利用脑电信号与眨眼次数的相关性,为基于眨眼次数的疲劳检测方法提供了理论依据。设计实现基于脑电的疲劳检测实验,采集被试脑电信号的同时记录被试的眼部图像数据。利用小波变换对脑电信号进行特征提取,分析被试在实验过程中疲劳程度变化情况。同时,处理被试眼部图像数据,统计被试眨眼次数,分析变化趋势。对脑电数据和眨眼次数进行相关性分析,客观验证了眨眼次数随疲劳程度增大而增加的结论。     

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。     

欠驱动假手手指抓取力的研究

为了满足欠驱动手进行复杂作业的需要,基于欠驱动原理建立了手指对物体的抓取力模型和基于力的阻抗控制策略.对应于任一手指姿态,抓取力模型可以准确得到基关节抓握力矩和手指各指节抓取力的关系;采用基于力的阻抗控制策略,实现了基关节抓取力控制.实验证明,手指能够稳定地抓取鸡蛋这样比较滑、容易碎、形状复杂且有一定质量,需要稳定和平衡抓取力的物体,其成功率达80%以上.而这是单纯用手指的基关节力控制很难做到的(成功率只有不到20%).手指抓取力模型和阻抗控制策略的建立大大增强了假手进行复杂作业,抓取复杂物体的能力.     

MIMO 雷达迭代降维稳健波束形成方法

Aiming at the transmitted and received steering vectors mismatch problem, an iterative dimension-reducing robust adaptive beamformer for MIMO radar is presented. The General Linear Combined(GLC) method is applied in MIMO radar to obtain the enhanced covariance matrix estimation, and the transmitted and received steering vectors mismatch model is established. The cost function is established based on the desired signal output power maximum principle to estimate the transmitted and received steering vectors. The bi-iteration method is proposed to solve the cost function and it is merely necessary to find out two low-dimensional convex quadratically constrained quadratic programming(QCQP) problems in per iteration. Simulation results show that the proposed method can obtain the higher output signal-to-noise-plus-interference(SINR) under the condition of severe steering vector mismatch than the conventional robust beamformers, and that the proposed method can converge fast so that it has the lower computational complexity.