期刊文献+
共找到55篇文章
< 1 2 3 >
每页显示 20 50 100
基于深度收缩自编码网络的飞行员疲劳状态识别 被引量:10
1
作者 韩霜 吴奇 +3 位作者 孙礼兵 裘旭益 任和 卢钊 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2018年第3期443-451,共9页
针对飞行员疲劳状态识别的复杂性,本文基于脑电信号提出一种新的深度学习模型。一方面,利用小波包变换对飞行员脑电信号进行多尺度分解,提取了脑电信号的四个节律波段:δ波(0.4~3 Hz)、θ波(4~7 Hz)、α波(8~13 Hz)和β波(14~30 Hz),将... 针对飞行员疲劳状态识别的复杂性,本文基于脑电信号提出一种新的深度学习模型。一方面,利用小波包变换对飞行员脑电信号进行多尺度分解,提取了脑电信号的四个节律波段:δ波(0.4~3 Hz)、θ波(4~7 Hz)、α波(8~13 Hz)和β波(14~30 Hz),将重组的波段信号作为纯净的脑电信号。另一方面,提出一种基于深度收缩自编码网络的飞行员疲劳状态识别模型,并与其他方法进行比较。实验结果显示,针对飞行员疲劳状态识别问题,所建立的新的深度学习模型具有很好的识别效果,识别准确率高达91.67%。因此,研究基于深度收缩自编码网络的飞行员疲劳状态识别具有重要意义。 展开更多
关键词 飞行员疲劳 脑电信号 深度收缩自动编码网络 小波包变换
原文传递
基于功率谱的睡眠中癫痫发作预测 被引量:10
2
作者 刘伟楠 刘燕 +4 位作者 佟宝同 赵凌霄 杨莹雪 王玉平 戴亚康 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2018年第3期329-336,共8页
睡眠中如果癫痫发作会增加患者并发症发作和猝死的概率,有效预测患者睡眠中的癫痫发作可让医患及时采取措施,降低上述概率。现有癫痫发作预测方法多是基于脑电信号设计的,但并未在睡眠时期进行针对性研究,而该时期脑电信号相比其他时期... 睡眠中如果癫痫发作会增加患者并发症发作和猝死的概率,有效预测患者睡眠中的癫痫发作可让医患及时采取措施,降低上述概率。现有癫痫发作预测方法多是基于脑电信号设计的,但并未在睡眠时期进行针对性研究,而该时期脑电信号相比其他时期有其特殊性,因此为提高灵敏度、降低错误报警率,本文将挖掘睡眠脑电信号的特点,研究睡眠中癫痫发作的预测方法。本文提出的方法中首先构建特征向量,包括不同波段的绝对功率谱、相对功率谱和功率谱比值;其次应用分离性判据和分支定界法进行特征选择;最后训练支持向量机分类器并实现预测。相比于不针对睡眠脑电信号特点的癫痫预测方法(灵敏度91.67%,错误报警率9.19%),本文方法的灵敏度(100%)有所提高,而错误报警率(2.11%)则有所降低。本文方法是对现有癫痫预测方法的补充,具有一定的临床价值。 展开更多
关键词 癫痫预测 脑电信号 功率谱 支持向量机
原文传递
基于脑电信号的癫痫发作预测研究进展 被引量:9
3
作者 韩长明 彭福来 +4 位作者 陈财 李文超 张昔坤 王星维(综述) 周卫东(审校) 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2021年第6期1193-1202,共10页
癫痫作为一种神经系统常见疾病,具有发病率高、突发性和反复性的特点。及时预测癫痫发作并进行干预治疗,可以显著减少患者的意外伤害。当前,基于脑电信号的癫痫发作预测正成为癫痫研究的热点,虽然相关研究取得很多进展,但距临床应用仍... 癫痫作为一种神经系统常见疾病,具有发病率高、突发性和反复性的特点。及时预测癫痫发作并进行干预治疗,可以显著减少患者的意外伤害。当前,基于脑电信号的癫痫发作预测正成为癫痫研究的热点,虽然相关研究取得很多进展,但距临床应用仍有一定距离。本文就该领域的研究进行综述,阐述了其发展历程及关键技术,着重介绍和分析基于机器学习和深度学习进行癫痫发作预测的研究进展。传统机器学习方法面临特征选取和浅层模型泛化能力弱等制约,采用深度学习进行癫痫预测逐渐成为当前发展趋势,需要开展更加深入的探索,以促进癫痫发作预测技术的临床应用。 展开更多
关键词 癫痫 发作预测 脑电信号 机器学习 深度学习
原文传递
基于小波包变换的右手和脚运动想象任务分类 被引量:5
4
作者 蔡淼 胡萍 《中国医疗器械杂志》 2017年第3期177-180,共4页
脑—机接口为丧失交流能力的人提供了一种新的选择途径,因而脑电信号的识别一直备受关注。该文采用小波包变换和迁移学习分类右手和脚运动想象任务。首先,在分析与事件去同步密切相关的通道和频带的基础上,对脑电信号进行小波包分解,然... 脑—机接口为丧失交流能力的人提供了一种新的选择途径,因而脑电信号的识别一直备受关注。该文采用小波包变换和迁移学习分类右手和脚运动想象任务。首先,在分析与事件去同步密切相关的通道和频带的基础上,对脑电信号进行小波包分解,然后选择相关的节点计算小波包能量,最后应用迁移学习分类BCI竞赛III数据集IVa,获得了理想的分类结果。结果表明该方法简单有效,对BCI的在线应用具有指导价值。 展开更多
关键词 脑电信号 特征提取 小波包能量 右手和脚运动想象 分类
下载PDF
基于脑电信号的不同轮班制度下管制员疲劳评估 被引量:5
5
作者 陈凤兰 王莉莉 《中国科技论文》 北大核心 2017年第19期2198-2203,共6页
为评估不同轮班制度下管制员的疲劳变化情况和管制员疲劳在不同轮班制度之间的差异性,根据A空管局进近管制中心、B空管局进近管制中心和B空管局区域管制中心3个管制单位的不同轮班制度,设计疲劳测量方案,采集管制员脑电信号并以脑电慢... 为评估不同轮班制度下管制员的疲劳变化情况和管制员疲劳在不同轮班制度之间的差异性,根据A空管局进近管制中心、B空管局进近管制中心和B空管局区域管制中心3个管制单位的不同轮班制度,设计疲劳测量方案,采集管制员脑电信号并以脑电慢波能量与快波能量之比作为表征疲劳状态的疲劳指标,采用SPSS15.0软件分析3种轮班制度下疲劳指标变化情况以及不同轮班制度对疲劳影响的差异性。结果表明:在同一轮班制度下,各次测量的管制员疲劳指标存在差异性;不同轮班制度对疲劳的影响存在显著性差异,A空管局进近管制中心的疲劳值最小,B空管局进近管制中心次之,B空管局区域管制中心最大。 展开更多
关键词 疲劳 轮班制度 脑电信号 管制员 显著性
下载PDF
基于脑电信号的情绪识别研究进展 被引量:1
6
作者 张晓 张魁星 李延军 《中国医疗设备》 2024年第5期162-168,共7页
情绪是人对客观外界事物的态度的主观体验和相应的行为反应,反映的是主体需要和客观外界事物间的关系。脑电图与大脑活动密切相关,因此可以通过脑电图信号判断受试者的情绪变化。与此同时,利用传统机器学习及深度学习算法进行情绪识别... 情绪是人对客观外界事物的态度的主观体验和相应的行为反应,反映的是主体需要和客观外界事物间的关系。脑电图与大脑活动密切相关,因此可以通过脑电图信号判断受试者的情绪变化。与此同时,利用传统机器学习及深度学习算法进行情绪识别的研究也在蓬勃发展。本文介绍了情绪识别研究中的情绪模型、数据集以及近年来常见的机器学习和深度学习算法,对近些年的情绪识别研究进行总结,有助于初学者快速了解这一领域,并有望为后续研究提供参考。 展开更多
关键词 脑电信号 情绪识别 机器学习 深度学习
下载PDF
采用小波变换和双向长短期记忆网络的脑电睡眠分期模型 被引量:5
7
作者 王天宇 陈晗 +1 位作者 王刚 吴宁 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第9期104-111,共8页
针对睡眠生理信号采集难度大、睡眠分期精度低的问题,提出一种采用小波变换和双向长短期记忆网络的脑电睡眠分期模型。首先使用连续小波变换提取睡眠脑电的时频图;然后使用卷积神经网络从脑电信号的时频图中提取睡眠相关的脑电特征,作... 针对睡眠生理信号采集难度大、睡眠分期精度低的问题,提出一种采用小波变换和双向长短期记忆网络的脑电睡眠分期模型。首先使用连续小波变换提取睡眠脑电的时频图;然后使用卷积神经网络从脑电信号的时频图中提取睡眠相关的脑电特征,作为单个睡眠片段的分期依据,再使用双向长短期记忆网络进一步提取睡眠片段之间的状态转换规则;最后利用深度学习方法建立特征、规则与睡眠阶段的映射,使用数据扩充和两步训练法训练模型,削弱数据不均衡的影响,完成连续片段的睡眠分期。采用SHHS公开数据库的5793名被试者的睡眠脑电数据对该模型进行验证,实验结果表明,睡眠分期准确率达到85.82%,整体F1达到78.39,Kappa系数达到0.799,和现有方法相比性能明显提升。 展开更多
关键词 睡眠分期 脑电信号 连续小波变换 卷积神经网络 双向长短期记忆网络
下载PDF
Analysis of the effect of repeated-pulse transcranial magnetic stimulation at the Guangming point on electroencephalograms 被引量:3
8
作者 Xin Zhang Lingdi Fu +2 位作者 Yuehua Geng Xiang Zhai Yanhua Liu 《Neural Regeneration Research》 SCIE CAS CSCD 2014年第5期549-554,共6页
Here, we administered repeated-pulse transcranial magnetic stimulation to healthy people at the left Guangming (GB37) and a mock point, and calculated the sample entropy of electroencephalo- gram signals using nonli... Here, we administered repeated-pulse transcranial magnetic stimulation to healthy people at the left Guangming (GB37) and a mock point, and calculated the sample entropy of electroencephalo- gram signals using nonlinear dynamics. Additionally, we compared electroencephalogram sample entropy of signals in response to visual stimulation before, during, and after repeated-pulse tran- scranial magnetic stimulation at the Guangming. Results showed that electroencephalogram sample entropy at left (F3) and right (FP2) frontal electrodes were significantly different depending on where the magnetic stimulation was administered. Additionally, compared with the mock point, electroencephalogram sample entropy was higher after stimulating the Guangming point. When visual stimulation at Guangming was given before repeated-pulse transcranial magnetic stimula- tion, significant differences in sample entropy were found at five electrodes (C3, Cz, C4, P3, T8) in parietal cortex, the central gyrus, and the right temporal region compared with when it was given after repeated-pulse transcranial magnetic stimulation, indicating that repeated-pulse transcranial magnetic stimulation at Guangming can affect visual function. Analysis of electroencephalogram revealed that when visual stimulation preceded repeated pulse transcranial magnetic stimulation, sample entropy values were higher at the C3, C4, and P3 electrodes and lower at the Cz and T8 electrodes than visual stimulation followed preceded repeated pulse transcranial magnetic stimula- tion. The findings indicate that repeated-pulse transcranial magnetic stimulation at the Guangming evokes different patterns of electroencephalogram signals than repeated-pulse transcranial mag- netic stimulation at other nearby points on the body surface, and that repeated-pulse transcranial magnetic stimulation at the Guangrning is associated with changes in the complexity of visually evoked electroencephalogram signals in parietal regions, central gyrus, and temporal regions. 展开更多
关键词 nerve regeneration brain injury ACUPUNCTURE magnetic stimulation acupuncture poi- nt mock point Guangming point brain function electroencephalogram signals complexity sample entropy nonlinear dynamics NSFC grant neural regeneration
下载PDF
脑电图信号在疲劳驾驶检测中的应用与挑战
9
作者 宗少杰 董芳 +5 位作者 程永欣 喻大华 袁凯 王娟 马宇欣 张飞 《生物化学与生物物理进展》 SCIE CAS CSCD 北大核心 2024年第7期1645-1669,共25页
当前快节奏生活已经成为日常生活的常态,对人们的身心健康带来了不少负面影响,特别是在驾驶过程中容易出现疲劳困倦的情况。因此,疲劳驾驶检测技术成为了研究的热点,并取得了显著的进展。本文将介绍基于脑电图(electroencephalogram,EEG... 当前快节奏生活已经成为日常生活的常态,对人们的身心健康带来了不少负面影响,特别是在驾驶过程中容易出现疲劳困倦的情况。因此,疲劳驾驶检测技术成为了研究的热点,并取得了显著的进展。本文将介绍基于脑电图(electroencephalogram,EEG)信号的疲劳驾驶检测方法。本文首先概述基于EEG信号的疲劳驾驶检测的总体流程,包括信号采集、预处理、特征提取和分类等步骤。然后,详细介绍EEG信号中与疲劳相关的特征及其在疲劳驾驶检测中的应用。这些特征包括频域特征、时域特征、拓扑特征等,通过分析这些特征可以有效地识别出驾驶员是否处于疲劳状态。接下来,探讨目前已有的疲劳驾驶检测模型的性能评估和评价指标。针对基于EEG信号的疲劳驾驶检测,常用的指标包括准确率、灵敏度、特异度等。本文分析不同模型在这些指标上的表现,并比较它们的优劣。本文还简单介绍了EEG信号分类方法及其应用现状。常见的分类方法包括支持向量机、神经网络、贝叶斯分类器等,这些方法在疲劳驾驶检测中得到了广泛应用。针对目前基于EEG信号的疲劳驾驶检测面临的问题,本文提出了一些解决方法。例如,统一数据标注标准、增加被试数量等。最后,在总结全文内容的基础上讨论了基于EEG信号的疲劳驾驶技术未来的发展方向。在未来,可以进一步提升疲劳驾驶检测技术的准确性和实用性,以更好地应对快节奏社会给驾驶员安全带来的挑战。 展开更多
关键词 脑电图信号 疲劳驾驶检测 脑功能连接 传统机器学习 深度学习
下载PDF
基于频带能量和小波包熵的运动意识任务分类研究 被引量:4
10
作者 任亚莉 张爱华 郝晓弘 《中国康复理论与实践》 CSCD 2008年第2期141-143,共3页
目的探讨脑电信号频带能量和小波包熵在识别左右手想象运动中的作用。方法采用脑-计算机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8~16Hz脑电信号,计算C3、C4电极脑电信号的频带能量和小波包熵,将其结合作为反应想... 目的探讨脑电信号频带能量和小波包熵在识别左右手想象运动中的作用。方法采用脑-计算机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8~16Hz脑电信号,计算C3、C4电极脑电信号的频带能量和小波包熵,将其结合作为反应想象左右手运动的特征量,对大脑想象左右手运动任务进行分类。结果对140次实验的测试样本数据分析,最大分类正确率可达87.14%。结论脑电信号频带能量和小波包熵随时间的变化与事件相关去同步和事件相关同步现象相一致,可在线识别左右手想象运动。 展开更多
关键词 脑电信号 频带能量 小波包熵 特征提取 分类
下载PDF
基于二维特征和CNN分析的无人机操控员情绪状态检测
11
作者 杨宇超 刘聪 《计算机测量与控制》 2024年第12期96-102,共7页
为了实时检测无人机操控员的情绪状态,提出了一种基于二维特征和卷积神经网络(CNN)分析的无人机操控员情绪状态检测算法;针对脑电信号(EEG)中眼电伪迹干扰的问题,设计实现了一种基于二阶盲辨识(SOBI)的去除伪迹算法;针对其它模型检测率... 为了实时检测无人机操控员的情绪状态,提出了一种基于二维特征和卷积神经网络(CNN)分析的无人机操控员情绪状态检测算法;针对脑电信号(EEG)中眼电伪迹干扰的问题,设计实现了一种基于二阶盲辨识(SOBI)的去除伪迹算法;针对其它模型检测率低的问题,通过微分熵特征(DE)提取、2-DMapping映射及稀疏运算将一维脑电信号转化为包含情感信息的二维特征图,并对脑电信号进行扩增处理,提出二维特征图与CNN相结合的方式,使得各通道的情感特征相互关联;利用CNN自动学习深层次特征的优势,深度挖掘二维特征图里的脑电情感信息,较好地实现了无人机操控员积极、中性以及消极三种情绪状态检测。 展开更多
关键词 EEG SOBI CNN 二维特征 眼电伪迹 情绪状态检测
下载PDF
深度稀疏自编码网络识别飞行员疲劳状态 被引量:3
12
作者 储银雪 陆智俊 +1 位作者 裘旭益 吴奇 《控制理论与应用》 EI CAS CSCD 北大核心 2019年第6期850-857,共8页
针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于脑电节律波的频域特征,作为... 针对飞行员疲劳状态识别的复杂性和准确性,提出一种基于脑电信号的深度学习模型.首先对飞行员脑电信号进行滤波分解,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)、beta波(14~30 Hz),提取基于脑电节律波的频域特征,作为识别模型的输入向量.其次,将一种基于深度稀疏自编码网络–Softmax模型用于飞行员疲劳状态识别,并与单层的稀疏自编码网络–Softmax和传统方法主成分分析(PCA)–Softmax模型识别结果进行比较.最后,实验结果显示,针对飞行员疲劳状态识别问题,所建立的学习模型具有很好的分类识别效果,具有较好的工程推广价值. 展开更多
关键词 飞行员疲劳 脑电信号 深度稀疏自编码网络 Softmax分类器
下载PDF
基于WT-SVD-SVM和WT-SVD-KNN的运动想象脑电信号特征提取及分类 被引量:3
13
作者 储有兵 费胜巍 范晞 《东华大学学报(自然科学版)》 CAS 北大核心 2019年第6期881-887,共7页
针对运动想象脑电信号策略缺乏多样性的问题,提出一种在肢体运动的同时大脑想象运动过程与完全想象运动过程相结合的运动想象脑电信号策略。结合小波变换(wavelet transform,WT)与奇异值分解(singular value decomposition,SVD)提取运... 针对运动想象脑电信号策略缺乏多样性的问题,提出一种在肢体运动的同时大脑想象运动过程与完全想象运动过程相结合的运动想象脑电信号策略。结合小波变换(wavelet transform,WT)与奇异值分解(singular value decomposition,SVD)提取运动想象脑电信号特征,用支持向量机(support vector machine,SVM)与K最近邻(K-nearest neighbor,KNN)分类器对不同运动想象策略进行分类。针对脑电信号采集过程中常出现信号失真的情况,提出了自回归(auto-regression,AR)模型结合奇异值分解的规避方法,结果表明此方法能够有效排除信号采集过程中出现的失真情况。通过比较方法WT-SVD-SVM与WT-SVD-KNN的特征提取和分类算法,结果表明,WTSVD-SVM方法在单一策略和两者组合策略中最低分类精度达到90.00%,并且该方法在想象箭头向上、箭头向右以及左拳右摆策略下精度能够达到91.11%。 展开更多
关键词 脑电信号 运动想象 奇异值分解 支持向量机 小波变换 自回归
下载PDF
基于脑电波时频分析方法的认知决策任务研究 被引量:3
14
作者 王程 朱明星 +4 位作者 汪鑫 杨子健 王小晨 陈世雄 李光林 《集成技术》 2020年第4期11-24,共14页
选择和决策涉及一系列复杂的认知过程,而脑电图(Electroencephalogram,EEG)信号的时频分析方法可以帮助理解不同认知任务中的大脑活动。为对脑认知功能评价标准的设定提供客观量化理论参考,该研究针对正常人在做出一系列完整认知任务时... 选择和决策涉及一系列复杂的认知过程,而脑电图(Electroencephalogram,EEG)信号的时频分析方法可以帮助理解不同认知任务中的大脑活动。为对脑认知功能评价标准的设定提供客观量化理论参考,该研究针对正常人在做出一系列完整认知任务时的脑电波活动进行量化分析,作为后续认知障碍研究的前期基础。通过设计了一项与"剪刀、石头、布"游戏相关的决策认知任务,使电脑的3种选择按一定的概率(石头66%、剪刀33%、布1%)随机出现,其中认知决策包含稳妥型、风险型和错误型,每轮决策任务分为3个阶段(计划阶段、确认阶段和反馈阶段)。在整个任务期间,使用NeuroscanQuikCap脑电测量系统同时记录64个EEG信号通道数据,通过提取不同受试者脑电频段(δ、θ、α和β)的平均频谱功率和相位同步值,研究了不同任务阶段下4种频段脑电波的变化特征。研究发现,在计划阶段,实验对象想要获胜或不想输的判断决策活动与顶叶区α波和前额θ波的增强活动效应相关,其脑电波出现的先后顺序反映受试者将做出不同类型的决策计划;在确认阶段,α波的频谱功率抑制效应和δ波的相位同步增强活动表明受试者在确认选择后会提高注意力;在反馈阶段,θ波、β波功率谱增强效应和α波功率谱降低效应与不同的反馈结果有关,其中在受试者发觉输掉游戏的反馈中,该效应最为明显。结果表明,EEG信号的时频特征分析方法可以有效观察大脑对不同认知任务的响应活动。该研究不仅有望为探讨一项完整认知任务的动态过程提供可视化工具,还有助于客观认知评估标准技术的进一步发展。 展开更多
关键词 时频分析 脑电图信号 认知任务
下载PDF
基于图论的脑电数据脑功能网络构建研究 被引量:2
15
作者 邢阳阳 马旭峰 +1 位作者 尹鸿峰 段文杰 《黑龙江科学》 2023年第6期36-39,共4页
为了更好地对脑功能网络拓扑关系进行描述和属性分析,介绍了基于图论的脑功能网络建立方法与步骤,分析了常用的网络拓扑属性,包括节点度、介数中心度、“小世界属性”、特征路径长度等。展开实例对比分析,提出正确、全面地了解基于图论... 为了更好地对脑功能网络拓扑关系进行描述和属性分析,介绍了基于图论的脑功能网络建立方法与步骤,分析了常用的网络拓扑属性,包括节点度、介数中心度、“小世界属性”、特征路径长度等。展开实例对比分析,提出正确、全面地了解基于图论的网络拓扑属性,是进行脑功能网络分析的关键。 展开更多
关键词 图论 脑电信号 信号处理 脑功能网络 拓扑属性
下载PDF
深度学习在癫痫检测中的应用进展 被引量:2
16
作者 张汉明 马金刚 +2 位作者 张宁宁 赵珍珍 李明 《计算机工程与应用》 CSCD 北大核心 2023年第10期35-47,共13页
随着癫痫患者数量的逐年增加,及时准确地检测出癫痫疾病具有重要的现实意义。如今深度学习发展迅速,被广泛用于医疗领域,基于深度学习的癫痫检测任务也成为目前的研究热点。通过梳理近几年的相关文献后,对深度学习在癫痫检测中的算法应... 随着癫痫患者数量的逐年增加,及时准确地检测出癫痫疾病具有重要的现实意义。如今深度学习发展迅速,被广泛用于医疗领域,基于深度学习的癫痫检测任务也成为目前的研究热点。通过梳理近几年的相关文献后,对深度学习在癫痫检测中的算法应用进行了系统概述。介绍了癫痫的发病原理、病因和治疗方法等;讲解了癫痫检测时所使用的脑电图和癫痫发作的整体过程划分;简单对比了传统机器学习和深度学习在此领域应用的不同之处;重点综述了利用深度学习检测癫痫各阶段脑电信号的研究进展,包括癫痫双阶段、三阶段和多阶段的脑电检测,并对癫痫各阶段的检测算法进行了比较;最后对该领域的研究现状和未来发展方向进行了总结和展望。 展开更多
关键词 癫痫 脑电信号 自动检测 深度学习
下载PDF
基于噪声辅助快速多维经验模式分解的运动想象脑电信号分类方法 被引量:2
17
作者 郑潜 乔丹 +4 位作者 郎恂 谢磊 李东流 王琪冰 苏宏业 《智能科学与技术学报》 2020年第3期240-250,共11页
脑机接口是一项新兴的技术,它可以处理分析采集到的运动想象脑电信号,从而实现对外部辅助设备的控制。针对目前运动想象脑电信号处理方法计算效率低、分类准确率不高等问题,提出了一种新的基于噪声辅助快速多维经验模式分解(NA-FMEMD)... 脑机接口是一项新兴的技术,它可以处理分析采集到的运动想象脑电信号,从而实现对外部辅助设备的控制。针对目前运动想象脑电信号处理方法计算效率低、分类准确率不高等问题,提出了一种新的基于噪声辅助快速多维经验模式分解(NA-FMEMD)的运动想象脑电信号分类方法。该方法首先利用NA-FMEMD得到全部的多维本征模式函数和趋势项;接着,根据平均频率选取特定的信号层,构建出新的多维信号;然后,通过共空间模式提取出脑电信号的特征向量;最后,将特征向量输入支持向量机分类器中进行分类。分别采用仿真数据和BCI Competition IV数据进行测试,并与基于噪声辅助多维经验模式分解(NA-MEMD)的方法进行比较,验证了所提方法的有效性和优势。 展开更多
关键词 脑电信号 运动想象 噪声辅助快速多维经验模式分解 共空间模式
下载PDF
基于脑电信号的注意力水平评价研究进展 被引量:1
18
作者 杨文阳(综述) 张文瑄(审校) 《生物医学工程学杂志》 EI CAS 北大核心 2023年第4期820-828,共9页
注意力水平评价是指通过观察或实验测试的手段对人的注意力水平进行评价,其研究成果在教育教学、智能驾驶、医疗健康等领域有很大的应用价值。脑电信号凭借其客观可靠性和安全性成为分析和表达注意力水平的最重要技术手段之一。目前,鲜... 注意力水平评价是指通过观察或实验测试的手段对人的注意力水平进行评价,其研究成果在教育教学、智能驾驶、医疗健康等领域有很大的应用价值。脑电信号凭借其客观可靠性和安全性成为分析和表达注意力水平的最重要技术手段之一。目前,鲜有综述文献对脑电信号在注意力水平评价领域的应用进行全面的梳理总结。为此,本文首先概述了注意力水平评价的研究进展;然后重点剖析了脑电信号注意力水平评价的重要方法,包括数据预处理、特征提取与选择、注意力水平评价方法等;最后讨论了脑电信号注意力水平评价领域当前发展的不足,并对未来发展趋势进行展望,为相关领域的研究工作者提供参考。 展开更多
关键词 注意力水平评价 脑电信号 特征提取 特征选择
原文传递
层次狄利克雷过程隐半马尔科夫模型识别飞行员脑疲劳状态 被引量:2
19
作者 罗映雪 贾博 +2 位作者 裘旭益 邓平煜 吴奇 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第6期1196-1206,共11页
在民航及军用航空领域,长期恶劣飞行环境的影响将导致飞行员精神不集中,产生疲劳现象,严重影响飞行员的判断能力.因此,研究飞行员的脑疲劳状态对飞行安全来说非常重要.脑疲劳推理主要面临二个基本问题:一是如何提取脑疲劳认知的特征,二... 在民航及军用航空领域,长期恶劣飞行环境的影响将导致飞行员精神不集中,产生疲劳现象,严重影响飞行员的判断能力.因此,研究飞行员的脑疲劳状态对飞行安全来说非常重要.脑疲劳推理主要面临二个基本问题:一是如何提取脑疲劳认知的特征,二是如何识别带驻留时间的脑疲劳认知潜在状态.针对第1个问题,本文提出一种基于Kaiser窗函数的光滑伪仿射维格纳–维勒分布的方法,提取主要认知脑区的脑电节律的瞬时频谱特征.并与其他时频分布的特征进行对比,本文的特征具有明显的局部显著性.针对第2个问题,本文建立一种基于剩余寿命的隐半马尔科夫模型(HSMM)的飞行员脑疲劳认知动力学推理模型,解决了传统隐马尔科夫模型潜状态快速切换及无法对潜状态驻留时间进行建模的问题.飞行员脑疲劳认知行为是由多通道的脑节律融合的整体表现行为,建立多通道共享狄利克雷过程先验参数的层次学习网络,形成共享疲劳认知主题的子任务学习机制.实验结果显示本文的模型具有较高的推理飞行员脑疲劳状态的能力,具有广泛的应用价值. 展开更多
关键词 脑电信号 飞行员疲劳 基于剩余寿命的隐半马尔科夫模型 光滑伪仿射维格纳-维勒分布
下载PDF
基于深度收缩稀疏自编码网络的飞行员疲劳状态识别 被引量:2
20
作者 吴奇 储银雪 +2 位作者 陈曦 林金星 任和 《控制与决策》 EI CSCD 北大核心 2018年第12期2263-2269,共7页
飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5~4 Hz)、theta... 飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)和beta波(14~30 Hz),将其重组信号作为深度收缩稀疏自编码网络-Softmax模型的输入向量,用以对飞行员疲劳状态的识别,所得到的实验结果与深度自编码网络-Softmax模型和传统方法PCA-Softmax模型识别结果进行比较,结果表明所建立的深度学习模型具有很好的分类效果,分类准确率可达91.67%,且学习所得的特征稳定性好,验证了所提模型具有稳定性和重复验证性. 展开更多
关键词 飞行员疲劳 脑电信号 深度收缩稀疏自编码网络 深度自编码网络 Softmax分类器 准确率
原文传递
上一页 1 2 3 下一页 到第
使用帮助 返回顶部