特征提取对通道选择方法的影响研究

通道选择可以有效地去除冗余信息,减少特征维数,避免维数灾难和过拟合,因此在运动想象脑电(EEG)信号解码中非常重要。现有的文献主要研究通道选择方法的改进,忽略了不同特征对通道选择方法的影响。主要研究特征提取对通道选择方法的影响。首先,对预处理之后的EEG信号提取方差、自回归(AR)系数、带通功率和小波包能量4种特征,研究单一特征中哪个特征对通道选择方法最有效。另外,计算4种特征的融合特征,研究单一特征和融合特征哪个对通道选择最有效。采用一个公开的脑机接口(BCI)竞赛数据集进行实验,研究不同特征提取方法在Fisher判别准则(FDC)、基于支持向量机的递归通道剔除(SVM-RCE)、最小绝对值收缩和选择算子(LASSO)和组LASSO(gLASSO)4种通道选择方法中的分类结果。实验结果表明,在单一特征中,小波包能量获得了较好的分类结果,其中在SVM-RCE通道选择方法中获得了76.15%的最高平均分类准确率。融合特征的分类结果均优于单一特征,其中在gLASSO通道选择方法中获得了78.6%的最高平均分类准确率。融合特征更能表征复杂的脑电成分,形成信息互补,对脑电任务的分类识别更有效。     

基于组稀疏贝叶斯逻辑回归运动想象脑电信号分类模型的通道选择与分类新算法

针对脑电信号的通道选择和分类问题,提出了基于组稀疏贝叶斯逻辑回归(gsBLR)的运动想象脑电信号分类模型,同时进行通道选择和分类。首先,对多通道信号进行空间滤波和带通滤波,降低容积传导效应的影响;其次,对每个通道的信号提取具有判别信息的时域、频域以及时频域特征,并进行特征融合;最后,使用gsBLR方法进行通道选择和分类,在贝叶斯学习框架下模型参数可自动从训练数据中估计得到,避免了繁琐而耗时的交叉验证过程。在两个公开的脑机接口(BCI)竞赛数据集和自采集数据集上进行了实验验证,分别获得了81.63%、84.97%和76.47%的最高平均分类准确率;相比其他方法,所提出的方法具有较好的分类准确率和较少的通道数,同时所选通道与神经生理背景更加吻合。     

船艇界河航行越界报警系统设计研究

船艇在界河巡逻执勤过程中,通常采用目力观测和经验判断等方法判断船只是否越界,而在恶劣气象条件下或航标配布不到位的界河河段存在航行安全隐患,有必要使用助航报警系统进行辅助决策。通过融合集成导航定位、识别判定和报警3个子系统,综合运用北斗和地理信息系统技术,合理使用网络地图资源建立报警区域数据库,并利用铅垂线法和CalcIntersectPoint函数实现船位状态的识别和判断。阐述了船艇界河航行越界报警系统的基本特点和设计思路,阐明了系统实现过程,验证分析了系统的性能。研究结果表明：通过船艇界河航行越界报警系统的制作实现,可为界河航行越界报警系统的下一步开发提供一定的理论、技术、数据上的支撑。     

基于FAST角点和FREAK描述符改进的无人机景象匹配算法

在无基准图的无人机返航过程中,实时图和航路点的景象匹配是无人机返航成功的关键。为提高景象匹配的实时性和鲁棒性,提出了基于加速分割检测特征(FAST)角点检测和快速视网膜关键点(FREAK)描述符的无人机景象匹配算法。首先,针对FAST角点检测方法的无尺度不变性、特征点数量冗余的缺点进行了改进;接着,对FREAK二进制描述符进行简化,以提高匹配速度;然后,采用K近邻比值法和RANSAC方法进行特征的初匹配和精匹配,并建立定位模型,从而获得航路点与无人机当前位置的实际距离和方位信息;最后,对算法的各项性能做实验验证。所提出的算法定位方向偏差在1°以内,像面距离偏差稳定在0.6 pixel,运行时间0.43 s,远小于尺度不变特征转换(SIFT)和加速鲁棒特征(SURF)算法的处理时间。在尺度变换和噪声等条件变化的情况下,相比SIFT和SURF等算法,所提算法取得了较好的正确匹配率,具有更好的鲁棒性。实验结果表明所提出的算法鲁棒性好,运算速度快,尤其在视角变换方面表现优秀,更适合无人机视觉辅助导航。