摘要：情绪识别系统旨在提供一种人与机器之间沟通情感的通道,为提高情绪识别准确率,开发了一款基于面部和脑电两个模态决策融合的情绪识别系统,实现4分类情绪识别。针对面部模态使用OpenCV对面部图像进行人脸定位、截取、直方图均衡化等预处理,在Keras平台构建VGG16、DenseNet121和本文设计的卷积神经网络(CNN)模型。针对脑电模态使用FP1通道进行快速傅里叶变换后分为5个频段,再使用傅里叶反变换为时域信号,使用标准差特征提取,最后使用K近邻算法实现情绪识别。决策融合方面提出一种基于加权平均的决策融合算法。系统方面基于树莓派平台开发,搭载TGAM芯片、蓝牙、摄像头和触控屏。使用Fer2013表情数据集对面部模态分类算法测试最高准确率86%。使用DEAP情感脑电数据集验证脑电模态算法取得最高准确率77%。最后设计实验验证多模态融合系统最高取得准确率为96%。

摘要：针对脑部病患突发状况时不能够在最短的时间内预警并发现和监测效率不高的问题,设计了一种基于无线通信技术和LBS的脑电信号实时监测方法,实现对脑电监测仪携带者的位置和脑电信号的实时监测。将GIS技术、无线传输技术、智能移动终端与现有的信息管理平台相融合,提出了人脑脑电信号实时动态监测框架体系结构,并设计开发了原型系统。该系统可将采集到的脑电数据实时显示并传送到服务器端,实现在服务器端的实时监控与动态分析,并对发生异常的情况做出应急响应,为应急救援提供帮助。

摘要：文中设计一套应用于自由活动动物脑电信号采集与分析的便携式装置,这种体积小、重量轻、实时检测的装置可以采集与分析自由活动大鼠运动行为的脑电信号,进而研究特定动物的运动行为与脑部电信号之间的对应关系。首先将微电极植入大鼠特定大脑皮层,通过模拟电路采集来自微电极的脑电信号,经过滤波、放大,调理后进入片上可编程系统PSoC并进行数据的模拟转换和处理,再通过无线USB模块进行实时传输数据至PC端,最后在LabVIEW界面下实现实时分析并显示动物脑区局部场电位。该研究为多方面、多角度和多层次的研究大脑复杂性和未知性提供小型化设备平台。

摘要：针对共同空间模式特征提取算法(CSP)不能对频域信息进行处理,且在导联数较少的情况下应用效果不佳的问题,提出将希尔伯特-黄变换(HHT)与CSP相结合的算法。在原始脑电信号经过经验模态分解(EMD)后,提取每个导联的前三阶固有模态函数(IMF)及其组合重构信号,利用CSP特征提取,获取2维特征,联合计算信号的自回归模型参数(AR)和模糊熵组成融合特征向量,采用线性判别分类器对提取的特征进行分类。对第二届BCI竞赛提供的数据使用该方法进行特征提取,训练集和测试集分类准确率分别达到90%、88.6%,验证了该算法可有效改善运动想象辨识效果。

摘要：由于传统的脑电信号分类方法识别率较低,且识别率随着脑电信号类别的增加逐渐下降,针对脑电信号时空特征结合的特点,设计了一个多层的卷积双向LSTM型递归神经网络(CBLSTM)分类模型。此分类模型利用多层的卷积神经网络有效提取脑电序列的频域特征,采用双向LSTM提取脑电信号的时域特征,并将脑电信号序列逐帧输入到此分类模型中进行标记,最后输出分类结果。对比研究验证了所提出方法的可行性,实验表明此分类模型平均分类识别率得到了提高,且鲁棒性较好。

摘要：本文研究设计了专门用于治疗神经系统脑部疾病的智能化脑电信号反馈控制装置。在分析人体脑电信号的基础上，将脑电生物反馈与电磁反馈有机结合，能有效地调节脑神经细胞的电活动。临床研究表明，该装置对神经系统一些脑部疾病有显著疗效。

摘要：为了探究草原公路交通标志信息量对驾驶员脑电特性的影响,确定最佳信息量水平。依据草原公路交通标志现状,利用雷诺六自由度实车模拟驾驶系统模拟典型的草原公路,设计了5个信息量水平(Z1、Z2、Z3、Z4、Z5)的交通标志,其中Z1是草原公路交通标志的主要存在形式。利用MP150多通道生理仪采集驾驶员行驶过程中的脑电信号,探索模拟驾驶环境下驾驶员的脑电信号特征。结果表明:交通标志信息量对驾驶员脑电信号有显著影响,在Z1水平下驾驶员的β波、(α+θ)/β指标表现较差,不利于安全行车;在Z3水平下驾驶员的β波、(α+θ)/β指标表现最佳,最利于安全驾驶;通过对比经验组与非经验组驾驶员,发现经验组驾驶员更放松,经验组驾驶员处理信息的能力要强于非经验组,获取更多的是有效信息。

摘要：针对现有方法在眼电伪迹自动去除中存在有用信息丢失、伪迹分量识别困难的问题,提出了一种结合粒子群优化算法、独立成分分析和小波变换的伪迹自适应去除算法。首先,采用均方根误差和Pearson相关系数设计了粒子群优化算法的适应度函数,利用优化算法实现了两个样本熵阈值的自适应设置;然后利用快速独立成分分析算法将脑电信号分解为统计独立分量,根据第一个样本熵阈值自动识别含伪迹分量,含伪迹分量经过4层小波分解得到5个小波分量,根据第二个样本熵阈值自动识别伪迹分量,将识别的伪迹分量置零;最后经过小波重构和逆变换,获得去除眼电伪迹的脑电信号。采用Graz data set A数据集进行实验验证,结果表明提出的方法能够实现多通道脑电信号伪迹的自动去除;采用Klados数据集进行实验验证,结果表明,与SE-CEEMDAN方法相比,采用提出方法实验获得的均方根误差降低了4.816,约38.2%,Pearson相关系数提高了0.025,约2.97%。

摘要：针对支持向量机在脑电信号的情感识别中存在计算复杂度高、核函数选择具有局限性、计算时间长等问题,提出采用一种与支持向量机类似但不受核函数和惩罚因子限制的相关向量机算法对脑电信号的情感识别进行优化。设计情感脑电识别实验验证相关向量机在脑电信号中的情感识别性能,并与支持向量机的仿真结果进行分析比较。首先,选用实验室自主采集的情感脑电数据中的四种情感(悲伤、生气、惊奇和中性)作为实验数据来源。其次,提取脑电波中与情感相关性较大的β节律,并进一步提取其非线性特征(功率谱熵)作为分类器的输入特征向量,分别采用相关向量机和支持向量机进行了情感识别。仿真结果表明,相关向量机对情感脑电信号的识别率高于支持向量机,可以更有效地区分情感脑电信号,从而提高人类脑电信号的情感识别率。

摘要：情绪作为人脑的高级功能,对人们的心理健康和个性特征有很大的影响。通过对脑电情绪数据集进行情绪分类,能够为今后实时监控正常人或抑郁病人的情绪提供进一步理论及实践依据。因此文章运用公开的脑电情绪数据集所提取的微分熵特征,并使用传统的滑动平均和线性动态系统方法,采用深度学习中的卷积神经网络作为基本前提,设计了一个卷积神经网络的脑电信号情绪分类模型,其包括4个卷积层、4个最大池化层、2个全连接层和1个Softmax层,并采用批归一化使参数搜索问题变容易,抑制模型过拟合。实验结果表明,利用该模型对SEED数据集的3种情绪识别的平均准确率达到了98.73%,精确率、召回率和F1分数分别为99.69%、98.12%和98.86%,ROC曲线下面积达0.998。与最近的类似工作相比,该文提出的卷积神经网络结构对于脑电信号情绪分类具有一定优越性。