基于小波系数非线性连续函数衰减的脑电信号去噪

环境噪声和工频噪声的干扰对脑电信号(EEG)的进一步处理和分析带来极为不利的影响。针对传统小波系数软阈值消噪方法去噪后产生的波形失真和硬阈值消噪方法去噪后产生的振荡现象,提出了一种新的小波系数非线性连续函数衰减处理算法。通过小波系数的非线性衰减处理,使低值端小波系数连续函数的变化介于硬软阈值函数之间,有效避免了处理后的波形失真和振荡。通过实验数据比较,证明处理后的脑电信号信噪比和均方误差均优于传统的小波去噪处理方法。     

基于多核学习的下肢肌电信号动作识别

为了提高下肢肌电控制系统中多运动模式识别的准确性,提出一种基于多核学习(MKL)和小波变换尺度间相关性特征提取的多类识别方法.根据多核学习理论,采用二叉树组合策略构造基于多核学习的多类分类器.对下肢4路表面肌电信号进行离散平稳小波变换,用小波系数尺度间的相关性提取特征向量输入构造的多类分类器,对水平行走时划分的支撑前期、支撑中期、支撑末期、摆动前期、摆动末期这5个细分运动状态进行分类.实验结果表明,所提的多模式识别方法能够以较高识别率区分多个细分运动状态,得到比标准的单核支持向量机(SVM)分类器更好的准确性.     

基于神经网络的智能下肢假肢自适应控制

下肢假肢的膝关节是一种具有高度非线性、时变、强耦合的阻尼系统,传统控制方法很难达到良好控制效果.针对这一问题,提出将神经网络(NN)应用于下肢假肢控制.以学习矢量量化(LVQ)神经网络为基础,提出神经网络模型参考自适应控制方法.该方法通过选择适当的参考模型和自适应算法,利用参考模型输出与实际系统输出之间的误差信号,由自适应算法计算当前的控制量以控制智能下肢假肢,达到自适应控制的目的.该方法不需要进行性能指标的变换,容易实现且自适应速度快,仿真结果表明了该方法的有效性.     

集控式足球机器人目标快速识别及定位

针对足球机器人视觉系统的实时性要求，研究了基于颜色的快速图像分割方法及综合运用动态窗口技术、移动网格技术、交叉线法确定物体质心技术在动态环境下对多个目标进行快速识别及定位。实验结果验证了算法的有效性。     

运动想象脑电的块选择共空间模式特征提取

共空间模式(CSP)作为一种空间滤波方法已在脑电信号(EEG)的特征提取上得到了广泛应用,而对脑电信号的通道和频带进行合理选择可以有效改善共空间模式特征在运动想象脑机接口(BCI)中的分类性能.针对已有选择方法中未充分考虑通道间差异性的问题,本文提出一种对通道和频带同时进行选择的块选择共空间模式(BS–CSP)特征提取...     

表面肌电信号的AR 参数模型分析方法

根据实际肌电信号的随机性特征，对其建立AR(Autoregressive)模型，得到其AR模型的各项参数，分析此系数和对应肌肉活动所确定的肢体动作之间的关系，从而得到基于动作模式的表面肌电信号(EMG)AR模型参数分析方法。     

基于EEMD与DSS-ApEn的脑电信号消噪方法

为了在消除信号中噪声的同时尽可能保留有效信息,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)和降噪源分离(De-noising Source Separation, DSS)与近似熵(Approximate Entropy, ApEn)相结合的脑电信号消噪方法。利用EEMD分解算法将含噪脑电信号分解为若干个内蕴模态函数(Intrinsic Mode Functions, IMF)分量,滤除最高频分量后的IMF分量应用DSS分离出各独立源信号,再选择频谱近似熵最大的独立源信号作为去噪信号。仿真和真实脑电信号的消噪实验表明,与独立EEMD消噪方法以及基于EEMD与改进提升小波消噪方法相比,本文提出的方法消噪效果更好。     

多类运动想象脑电信号的两级特征提取方法

共同空间模式（Common spatial pattern,CSP）是运动想象脑机接口（Brain-computer interface,BCI）中常用的特征提取方法,但对多类任务的分类正确率却明显低于两类任务.通过引入堆叠降噪自动编码器（Stacked denoising autoencoders,SDA）,提出了一种多类运动想象脑电信号（Electroencephalogram,EEG）的两级特征提取方法.首先利用一对多CSP（One versus rest CSP,OVR-CSP）将脑电信号变换到使信号方差区别最大的低维空间,然后通过SDA网络提取其中可以更好表达类别属性的高层抽象特征,最后使用Softmax分类器进行分类.在对BCI竞赛IV中Data-sets 2a的4类运动想象任务进行的分类实验中,平均Kappa系数达到0.69,表明了所提出的特征提取方法的有效性和鲁棒性.     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

基于独立成分分析的表面肌电信号工频去噪

表面肌电信号(SEMG)采集中,如何消除工频干扰对信号的后续应用意义重大.在探讨独立成分分析(ICA)原理的基础上,提出了一种用于表面肌电信号工频去噪的快速独立成分分析(FastICA)算法.该方法通过对观测信号去均值和白化处理后,用负熵作判据通过迭代得到解混矩阵,经解混运算得到源信号.针对混合信号ICA分离效果的差异,引入最大似然指标作为分离效果的评价量.实验结果表明,所提算法能有效分离SEMG信号中的工频噪声,运用最大似然评价指标将工频噪声降至最低.