摘要：为寻找衡量驾驶疲劳的可靠的生理指标,通过实验采集了模拟驾驶前、模拟驾驶疲劳后和休息后的脑电信号,并对其进行预处理和特征提取。应用小波变换对脑电信号进行降噪;并求得降噪后的脑电信号H和R小波熵比值。结果表明,驾驶疲劳后脑电信号H和R值有增大的趋势;再经充分休息后,脑电信号的H和R值有下降趋势,两者均具有显著性差异(P<0.05),说明小波熵值是驾驶疲劳脑电特征提取的有效方法。

摘要：设计了高性能的脑电信号(EEG)放大器,将差分放大电路、右腿驱动电路应用于放大器的前置部分,有效消除共模信号干扰,通过前置放大器和两级后级放大器将EEG信号放大,通过设计并合理安置多个低通滤波器和50Hz陷波器,有效消除EEG信号中的高频干扰和工频干扰,在非屏蔽室的条件下能够有效检测到EEG信号.测试结果表明,放大器各个部分性能指标已达到设计要求,同时在测试者头皮采集到了实际的EEG信号,证明了设计的有效性.

摘要：①原始的脑电信号十分微弱,一般都在10～50μV,必须进行放大。文内主要介绍了前置电路和主放大电路的设计。②在对脑电放大的同时,电极的极化电压、高频干扰电压、以及产生干扰最严重的50Hz工频干扰电压也随之放大,故必须使用滤波器对这些干扰电压加以滤除,必要时,使用光电耦合进行隔离。文内还介绍了脑电采集系统中使用的滤波电路:包括低通滤波器、高通滤波器、50Hz工频陷波器的设计与实现。经过处理之后,可以得到高质量的脑电信号,然后进入AD转换器进行转换,以便进一步处理。

摘要：针对脑电信号(electroencephalogram,EEG)运动想象中单一特征无法多维表征信号中的信息导致的分类准确率不高的问题,提出一种基于样本熵和共空间模式特征融合的特征提取算法。算法先对原始脑电信号进行小波包分解,从中选择包含μ和β节律的分量进行重构,然后分别提取重构信号的样本熵和CSP(common spatial pattern,CSP)特征,将两者融合组成新的特征向量,使用所设计的一维卷积神经网络对其进行识别获得分类结果。所提方法在2003年BCI Dataset III中获得了91.66%的分类准确率,在2008年BCI Dataset A中获得了85.29%的平均分类准确率。与近年来文献中提出的多特征融合算法相比,准确率提高了7.96个百分点。

摘要：为解决偏瘫患者在主动康复训练中对上肢外骨骼的控制难题,提出一种基于单次运动想象的脑电信号分类方法,并将其应用于自主研发上肢外骨骼的实时控制中。针对脑电信号信噪比低、个体差异较大的问题,提出一种改进的共同空间模式(Common spatial pattern,CSP)特征提取算法,并结合支持向量机(Support vector machine,SVM)分类器,实现对单次运动想象脑电信号的分类;使用此分类方法对两种不同试验范式建立分类模型,并对其分类表现进行评估;将较好分类表现的分类模型应用于上肢外骨骼的实时控制中,验证方法的可行性。所有被试对上肢外骨骼控制的平均成功率达到87.12%±2.03%。试验结果表明,基于所提出的运动想象分类方法,可以实现上肢外骨骼的准确控制,并为面向康复训练的脑机接口技术提供了理论依据和实践基础。

摘要：针对运动想象脑电信号非线性特征提取困难、难以有效捕获脑电通道间功能连接关系的问题,提出一种基于互信息和自适应图卷积的运动想象脑电信号分类识别方法。首先,对原始运动想象脑电信号进行子频带划分,提取频域信息;然后,采用互信息神经估计方法构建邻接矩阵,获取脑电信号的非线性关系;最后,设计一种结合CBAM的自适应图卷积网络捕获各通道间的动态关联强度,实现空频特征提取。在BCICompetitionⅣ2a和BCICompetitionⅢ3a数据集上,分别达到83.14%和88.19%的平均准确率,结果表明本文方法能有效获得脑电通道间功能连接关系,为运动想象脑电信号解码提供新思路。

摘要：为提高癫痫脑电信号特征分类的准确率,基于残差网络结构的深度学习,提出了一种频域注意力机制下的癫痫脑电信号分类(FDAM)算法。首先分析所提取的脑电信号特征,然后根据信号特征主要分布在时频域的幅值中的特点,通过残差网络对时频域幅值特征进行二次提取,最后为了使残差网络提取的特征集中在与分类结果相关性较大的频域,设计了一种频域注意力机制,在深度学习过程中增强该类频域的幅值特征,有效提高了癫痫脑电信号的分类准确率。采用公开数据库PhysioNet中的CHB-MIT Scalp EEG Database数据库对算法的分类性能进行了验证,实验结果表明,FDAM算法对正常状态和癫痫发作状态的脑电信号分类准确率达到98.05%,特异性为99.34%,灵敏度为96.12%。

摘要：针对自发型脑电信号识别率低、个体差异度大等问题,提出了一种新的基于表情驱动脑电信号的脑机接口方式,并进行了建模仿真及实验验证。利用神经元集群模型对表情驱动脑电信号进行机理建模与仿真分析,得到自发表情的相关脑区及表情驱动脑电信号的频率分布特性;提出了一种基于小波变换和人工神经网络模型映射的表情驱动下脑电信号分析识别方法,有效提高了表情驱动下脑电信号的识别率。从神经生理学角度验证了表情驱动脑电信号的特征来源是受大脑前额叶皮层和边缘系统相互协调共同控制的,并通过实验验证了所提脑电信号分类识别算法切实有效,其最高分类准确率可达85%。

摘要：针对癫痫发作前期脑电信号中含有运动伪迹影响癫痫预测的问题,提出一种变分模态分解-自适应熵阈值(VMD-AET)的运动伪迹去除方法。设计了实验室环境下8种模拟运动状态,分析不同运动状态下脑电信号的变化规律;利用VMD方法获得脑电信号各频带的变分模态分量,对分量进行能量熵求解和排序;采用不同的熵阈值进行运动状态下伪迹分量的去除,比较得到能量熵的最优阈值,得到不含运动伪迹的脑电信号;采用Matlab软件使用VMD-AET方法实现了脑电信号中运动伪迹的有效去除。实验结果表明:每种运动状态均能达到去伪迹效果,在跑步时伪迹去除率和信噪比提升最高;对癫痫病人发作前期脑电信号的伪迹去除率为5.54%,信噪比提升达到10.35 dB;与常用的独立成分分析和经验模式分解的阈值法进行对比,所提VMD-AET方法的伪迹去除率和信噪比提升了1.47%和3.36 dB,可满足对移动脑电运动干扰的预处理要求。

摘要：设计一套基于事件相关同步电位(Event related desynchron ization,ERD)和事件相关去同步电位(Event related synchronization,ERS)脑电信号反馈控制功能电刺激仪系统。当大脑想象残肢运动中,出现ERD/ERS脑电信号,经过特征提取和特征分类转换为控制命令去触发功能电刺激系统,实现对相应残肢的电刺激。实验结果成功实现了对残肢的电刺激。