基于脑电技术的MOOC平台用户体验优化策略研究

目的 通过脑电技术与主观问卷相结合的方式,测量MOOC平台用户体验水平,探索影响MOOC平台用户体验的主要因素,提出设计优化建议。方法 通过脑电技术采集各被试者在使用MOOC平台时的脑电信号特征,结合用户体验量表获取用户的主观评价。采用频域分析的方法提取节律波能量值并进行定量化分析,洞察节律波能量与主观评价的内在联系,从而实现MOOC平台用户体验水平的定量化分析。结论 中国大学MOOC平台用户体验优于学堂在线平台,MOOC平台可用性、可寻性是影响用户注意力、脑力负荷、唤醒度的重要影响因素,MOOC平台愉悦性是影响用户情绪的主要因素。     

基于EEG微状态方法的视觉想象识别研究

运动想象M I是基于想象的脑机交互BCI中常用的任务,但M I不易习得和控制,且存在"BCI盲"现象,使得该类BCI的实用化受限.针对较易习得和控制的视觉想象VI任务进行识别,旨在构建基于VI的BCI(VI-BCI).招募了15名被试者参加2种动态图像的视觉想象任务并采集脑电EEG数据;然后采用EEG微状态方法研究了这...     

脑电信号单次提取研究进展

从脑电信号特征提取和特征分类的角度,对当前单次提取在EEG中几种应用方法进行了分析研究,分析了现行单次提取方法在EEG中的不足并展望了未来的发展.     

基于脑机接口集成控制系统

针对目前大部分关于脑-机接口系统控制的目标都是单一对象（如：电灯、电视等）,利用界面分层方法实现了脑-机接口家电集成控制。此系统可以有效控制电灯、电视等设备并且可以进行文字输入操作,能辅助神经功能障碍患者（如瘫痪病人）,提高其自理能力和生活水平,也可以为特殊环境下（如太空环境）的健康者提供一种辅助控制方法。     

Analysis of normal and epileptic seizure EEG signals using empirical mode decomposition

Epilepsy is one of the most common neurological disorders characterized by transient and unexpected electrical disturbance of the brain. The electroencephalogram (EEG) is an invaluable measurement for the purpose of assessing brain activities, containing information relating to the different physiological states of the brain. It is a very effective tool for understanding the complex dynamical behavior of the brain. This paper presents the application of empirical mode decomposition (EMD) for analysis of EEG signals. The EMD decomposes a EEG signal into a finite set of bandlimited signals termed intrinsic mode functions (IMFs). The Hilbert transformation of IMFs provides analytic signal representation of IMFs. The area measured from the trace of the analytic IMFs, which have circular form in the complex plane, has been used as a feature in order to discriminate normal EEG signals from the epileptic seizure EEG signals. It has been shown that the area measure of the IMFs has given good discrimination performance. Simulation results illustrate the effectiveness of the proposed method.     

ICA在思维脑电特征提取中的应用

简要介绍了独立分量分析（ICA）的基本思想及算法，并将其应用在基于多导思维脑电（mental EEG)的特征提取方面。实验结果表明：ICA可以将脑电信号中包含的心电（ECG）、眼电（EOG）等多种干扰信号成功地分离出来，较好地完成了脑电消噪预处理工作。同时，通过使用ICA方法对不同心理作业的脑电信号进行分析处理，发现了与心理作业相对应的脑电独立分量特征，这些稳定的独立分量特征为心理作业分类和脑一机接口技术提供了新的实现方法。     

脑电Laplacian空域滤波的改进算法

Laplacian空域滤波通过被关注的通道与相邻通道信号转换,能有效地提高脑电信号的信噪比,经典的Laplacian空域滤波矩阵由通道之间的距离确定.该方法依赖于相应通道定位的准确性,实际应用中不能保证电极精准安放并存在个体差异,影响了该方法的应用效果.为了提高该算法的通用性,采用高斯模型改进经典Laplacian空域滤波算法,根据用户调试数据确定模型相关参数,进而确定空域滤波矩阵.采用国际脑机接口竞赛BCI competition 2005 Ⅳ数据集验证滤波后的效果,总体比经典Laplacian方法识别准确度提高10个百分比,采用改进方法滤波后不同类间距离增大、同类间距离减小,提高了信号的信噪比.     

基于TMS320LF2407的脑电信号处理系统设计

本论文介绍了脑电信号处理系统设计的两种基本方法及其优缺点,分析了DSP 尤其是TMS320LF2407的主要特点,阐述了基于TMS320LF2407DSP的16通道脑电信号处理系统的硬件和软件的实现方法.该系统硬件结构简单可靠、灵活性强,可以为脑电波的数字信号处理软件提供功能强大的硬件基础;该系统的软件充分利用了TMS320LF2407内部16通道的高速模数转换器,顺利实现了50Hz工频干扰的滤除,并最终获取清晰干净的16通道的脑电波形.     

基于独立分量聚类分析的诱发脑电特征提取技术

发展了一种独立分量聚类分析的诱发脑电特征提取方法,利用诱发成分较强的序间相似性,使用Infomax结合K均值算法对脑电信号中的诱发成分进行分类和提取.该方法可以克服传统独立分量分解方法中诱发分量识别的困难,适用于重复刺激诱发脑电的高维数据自动分析处理.将该方法用于上肢想像动作任务的诱发脑电数据分析,结果显示该方法可以有效剥离背景噪声和提取诱发分量,使得信号的费雪可分性得到显著提升,进而获得更好的识别效果.研究结果表明独立分量自动聚类技术适用于认知行为脑电信号的分析,值得进一步研究.     

基于自适应阈值的脑电信号去噪方法

脑电采集后得到的脑电信号(Electroencephalogram,EEG)中含有噪声信号,为了有效去除噪声并保留有用信息,本文在软阈值去噪的基础上,提出一种改进阈值去除EEG噪声的算法。利用小波变换对EEG信号分解,得到多层的高频系数和低频系数;根据分解层次不同,对小波系数进行自适应的阈值处理;将缩放后的小波系数重构,得到去噪后的EEG信号。以信噪比、均方根误差作为去噪效果的定量指标,将改进算法与硬阈值法、软阈值法、Garrote阈值法进行比较,结果表明,改进阈值法优于其他3种阈值法。