局域表面等离子体共振光谱的获取

金属纳米粒子膜表现出来的局域表面等离子体共振效应,成为一个快速发展的领域,被广泛的应用在化学传感器和生物传感器.局域表面等离子体共振光谱的获取是关键的技术支持.本文介绍了制作金属纳米粒子膜的方法、局域表面等离子体共振的原理以及光路设计,最终获取了纳米粒子膜的局域表面等离子体共振光谱.从获取的光谱中可以得到吸收峰值波长,波谱宽度等有效的光学参数.     

ASMI-BCI特征调制及分类性能研究

基于运动想象(MI)的脑-机接口(BCI)近年来被应用于肢体运动功能的可塑性康复。采用视觉辅助刺激可以有效增强MI-BCI系统的分类性能,但视觉障碍患者无法使用。因此本文设计了基于听觉辅助刺激的ASMI-BCI,发现动态声音辅助刺激可以提高大脑运动相关皮层的兴奋性,增强系统的可分性特征。10名在校大学生(5男5女,平均22.6岁)3类实验范式(C-SW、C-DA、C-DV)的平均结果表明,C-SW范式分类正确率最低、C-DA次之、C-DV范式正确率最高。听觉辅助刺激范式的最优分类正确率可达76.03%,相比传统MI-BCI范式显著性提升了8.83%,且60%的被试使用该范式的分类正确率可高于70%。使用动态听觉辅助刺激范式可以为视觉障碍患者提供一种特征调制和BCI性能增强的新模式、新方法。     

基于事件相关电位的脑－机接口系统微弱信号分析方法研究

脑－机接口(BCI,brain computer interface)技术作为一种新型的人机交互方式,近年来受到越来越多的关注。基于听觉刺激模式诱发的事件相关电位P300建立了脑－机接口系统,主要研究微弱P300信号的单导联小样本数据的特征提取和模式识别方法。首先经过预处理和小波变换对脑电信号中的P300成分进行特征提取,建立特征向量,然后使用支持向量机的方法对特征提取结果进行模式分类。对7名受试者进行事件相关电位P300诱发实验,结果表明,系统的分类正确率可达到85％以上,且支持向量机的训练时间都在0.05 s以内。该方法可为脑－机接口的进一步应用奠定基础。     

基于LDA和KNN的下肢运动想象脑电信号分类研究

基于运动想象的脑—机接口系统(motor imagery brain computer interface,MI-BCI)是一种新兴的康复治疗手段.如何提高MI-BCI的识别准确率,是目前研究中的热点和难点.针对左、右脚的运动想象脑电信号进行分类研究,分别采集了单纯运动想象和含有电刺激辅助范式中的运动想象脑电信号,使用...     

基于线结构光的工件台阶特征尺寸测量方法研究

提出了一种应用线结构光光源和CCD摄像机对工件台阶特征尺寸进行视觉测量的方法.该方法针对线结构光光平面受工件表面台阶形状调制时发生的形变,利用较高精度的视觉测量系统和算法检测出形变位置从而实现工件台阶特征尺寸的测量.详细阐述了测量系统的原理和系统构建过程,介绍了测量中采用的形变位置亚像素检测算法,并利用实验说明了系统具有较高的测量重复性及准确性.通过台阶测距误差评定实验表明,该方法的测量误差小于0.05 mm.     

脑机接口视觉刺激器的设计与实现

依据脑机接口视觉刺激器的功能需求,设计基于AVR单片机的LED视觉刺激器.该刺激器采用LED灯作为刺激源,由AVR单片机控制8253定时器产生不同频率刺激信号驱动LED灯,可方便调整闪烁频率,并获得较好的刺激效果;最后搭建基于稳态视觉诱发电位的脑机接口实验系统.实验结果表明,刺激器能有效地诱发出可识别的具有特征性的视觉诱发电位,验证该视觉刺激器设计的合理性.     

训练时间对上肢MI侧向性识别的影响研究

研究了短时间内的时间效应是否影响基于支持向量机模型的运动想象脑电信号分类准确率.实验中每名被试每天早晚各训练一次,分别采集第3、5、7d的数据.以左手为例,随着训练天数的增加,C4导联事件相关去同步现象加深,即能量衰减值增大且不同训练天数的能量衰减值之间属于显著性差异(P＜0.05);信号的十折交叉验证(平均)准确率与...     

基于BP神经网络的运动想象脑电信号分类研究

运动想象脑机接口因具有更大的自主性、灵活性,在脑机互联领域得到了广泛应用,相比较其它范式分类准确率偏低,限制了其发展。本文利用时频图谱、脑地形图两种特征分析方法对上肢运动想象脑电信号进行了特征分析,并采用滤波器组共空间模式(filter bank co-space,FBCSP)特征提取算法对上肢运动想象信号数据进行了特征提取,再将提取结果分别利用支持向量机（support vector machine,SVM）算法、K-最近邻(K-Nearest Neighbor)算法、反向传播（back propagation,BP）神经网络三种分类算法进行分类,研究结果发现SVM算法、KNN算法、BP神经网络算法应用在上肢运动想象脑机接口系统的平均分类准确率分别为76.45%、74.55%、81.70%,BP神经网络算法相比SVM算法、KNN算法在上肢运动想象任务的分类准确率上分别高出了5.25%、7.15%,并且t检验后得到分类准确率均具有极显著的统计学差异,并利用ROC曲线和AUC值检测了分类器效果,BP神经网络的AUC值相比SVM算法、KNN算法也分别提升了0.1226、0.1285,表明BP神经网络分类算法相比较SVM算法、KNN算法更适用于上肢运动想象脑机接口系统,提高了系统的分类准确率,推动了上肢运动想象脑电信号实际应用的发展进程。     

基于脑-机接口的机械手实时运动控制系统研究

基于脑-机接口技术实现了一种机械手实时运动控制系统,该系统将稳态视觉诱发电位作为脑-机接口的输入信号,实现了脑电信号对机械手上升、下降、左转、右转、夹紧及松开6种动作的实时控制。系统利用6个LED发光二极管组成视觉刺激器,通过小波变换去除脑电背景噪声,并利用短时傅里叶变换进行诱发电位的频谱分析,将其转换为外部机械手的控制命令。实验结果表明,该系统能有效地控制机械手的实时运动。系统的实现为延伸和提高人类对外部设备的控制能力提供了一种新的途径。     

基于DSP的电机轴频信号实时故障检测系统研究

电机故障检测一般是通过使用先进的技术手段,在线监测异步电机的各种相关运行参数(如电压、电流、磁通、转速、温度、振动、局部放电等),判断设备是否处于正常状态.本文设计了基于数字信号处理器(Digital Slgnal Processor,DSP)的电机故障实时检测装置,通过电机轴频信号测取,特征提取,状态检测和状态分析实时检测电机故障,实验表明,相对传统单片机检测系统,利用数字信号处理器设计的检测系统不仅在速度上具有优势,还可实现二阶功率谱算法等较为复杂的分析方法,能有效提高电机轴频信号实时故障检测的准确性.