改进单高斯模型的视频前景提取与破碎目标合并算法

针对视频背景建模和运动目标检测,本文提出一种基于分块模型更新的单高斯背景建模方法。新方法将视频图像划分为多个区块,并对块内的像素进行统一建模,以替代传统方法中对单像素点的建模。由于块像素的平均更符合高斯分布特性,有利于发挥单高斯建模方法的优势,因此增强了算法应对复杂背景的能力,同时分块建模也有效降低了算法复杂性。针对破碎团块的合并问题,本文提出一种"比对就近"的策略,将相隔距离在设定阈值内的团块合并为一个目标。实验结果验证了本文所提方法的有效性。

高压LDMOS场极板的分析与设计

场板是高压LDMOS中普遍使用的一种结终端技术,对单阶梯LDMOS场板的长度、其下方氧化层厚度以及场氧侵蚀厚度等参数进行了模拟和分析,在此基础上设计了一种新型体硅双阶梯场板LDMOS,并对其具体参数进行了细致的模拟和分析。模拟结果表明,双阶梯场板LDMOS的击穿电压比单阶梯场板LDMOS提高了15.3%,导通电阻降低了17.1%,电流驱动能力也提高了8.5%。

脑-机接口中空域滤波技术现状与进展

作为一种特殊的人-机交互模式,脑-机接口(brain-computer interface,简称BCI)技术已成为当前脑科学和智能信息处理领域的研究热点.其中,基于头皮脑电(electroencephalography,简称EEG)的BCI(EEGBCI)技术因具有良好的安全性和可操作性,吸引了研究者的广泛关注.但头皮EEG非常有限的空间分辨率和易受干扰等特性,很大程度上限制了EEG-BCI技术的实用化进程.因此,EEG信号处理和模式识别新方法研究已成为BCI领域的一个关键问题.在现有的信号处理方法中,空域滤波技术在EEG伪迹消除和任务相关神经活动获取方面表现出了较明显的优势,近年来在EEG-BCI系统实现研究中得到了广泛应用.论文以运动想象BCI(motor imagery BCI,简称MIBCI)为应用背景,对独立分量分析(independent component analysis,简称ICA)和共同空间模式(common spatial pattern,简称CSP)两种代表性空域滤波方法的原理及其性能进行介绍、分析和比较,总结出两种方法各自的优势和不足,并给出了改进思路.同时指出,ICA空域滤波方法在运动想象脑-机接口系统实现中更具应用潜力.

嵌入式课程体系中的一体化教学模式

在分析传统嵌入式教学模式存在的弊端基础上,结合课题组嵌入式课程体系的教学改革,提出"学—做—用"一体化教学模式,阐述其意义与内涵。

计算机应用专业项目驱动嵌入式系统教学的新模式探索与实践

在分析传统嵌入式教学模式存在的弊端基础上,结合嵌入式课程体系的教学改革,提出了以项目驱动嵌入式教学的新模式并阐述了其意义与内涵。项目驱动式教学模式以实践为导向、任务为引领、项目为驱动,根据学生的理论水平和学生创新能力,分基础层、应用层和创新层三个阶段对学生进行阶梯式培养,通过合理设置的项目和完善的评价体系,激发学生的学习兴趣,培养学生的创新能力。

基于隔空协作开发的网络编程实验课程线上教学新实践——以“Socket网络编程实验”在线实验模式为例

线上教学模式与实际教学需求相契合,现已成为高校课程组织形式的重要组成部分.尽管线上教学限制了传统课堂教学中的师生直接交互,但其所特有的隔空教学形态给计算机网络编程类实验课程带来了创新教学模式的新契机.该文以“Socket网络编程实验”为例,提出一种基于隔空互动协作开发的网络编程类实验课程线上教学新模式.教师设置远程服务器,学生线上分组后分别在远地端按照企业项目开发的协作模式进行实验任务开发,各自独立实现和教师端服务器的网络通信.隔空互动协作式开发极大激发了学生的实验积极性,也让教师获得了感知学生学习状态的有效手段,确保了线上条件下编程实验课程教学目标的高效达成.

基于生物电特征的驾驶员疲劳检测系统的设计研究

针对驾驶员疲劳检测研究中存在的难点,设计了一种基于人体生物电特征提取的疲劳检测系统方案。系统中通过前额电极导联采集驾驶员生理信号,利用无线节点将数据发送至手机端或车载端平台,软件中运用信号处理算法提取混合信号中的目标成份,并进行分类识别,建立特征模型,实现对生理疲劳的实时监控和记录。该方法克服传统疲劳检测方法的单一和局限性,具备较好的准确率和鲁棒性。

基于独立分量分析的扫视信号样本优化算法

为改善基于眼电图(EOG)的人体行为识别系统性能,提高多任务背景下扫视信号识别的正确率,提出了一种基于独立分量分析(ICA)的扫视信号样本优化算法.该算法首先以单次扫视数据为分析对象,根据独立成分在采集电极的映射模式,设计了一种扫视相关独立成分的自动选择方法,并建立了相应的ICA空域滤波器;然后以原始EOG线性投影后信号的识别正确率为度量准则实现对干扰扫视信号的剔除.对4类扫视信号进行了"组内测试"与"组间测试",实验结果表明,经文中算法优化后识别正确率达99.57%与98.82%,比优化前分别提升了0.57%与0.83%,说明文中算法能够对扫视信号样本进行有效的优化,提高其识别正确率.

单次样本对的CSP滤波器设计及其在脑电训练样本优化中的应用

在运动想象脑-机接口(Motor imagery brain-computer interface,MI-BCI)系统研究中,共空间模式(Common spatial pattern,CSP)作为一种有监督空域滤波设计方法,已被广泛应用于运动想象脑电信号(Electroencephalography,EEG)的特征提取。但是EEG训练样本的采集过程不仅会受到各种噪声伪迹干扰,也会受到受试者分心和疲劳等因素的影响,因此,训练集中难免出现"低质量"的异常单次试验数据。如果不加选择地将所有的单次样本用于CSP滤波器设计和分类器训练,会给所建BCI系统的性能带来较严重的负面影响。针对这一问题,本文提出一种新颖而实用的EEG训练样本筛选方法。方法的基本步骤是,先依次选择单次EEG样本对进行CSP滤波器设计,并结合零训练分类器构造相应的CSP-BCI测试系统。然后以所建CSP-BCI系统的交叉验证识别率为指标,剔除低识别率对应的单次训练数据,以实现对训练样本集的优化。基于所提方法,论文对6位受试者在不同时间采集的75组两类运动想象EEG数据进行了优化筛选和测试。实验结果表明,相比传统方法设计的CSP-BCI系统,基于训练样本优化方法的CSP-BCI系统性能得到明显改善,针对六位受试者测试集的平均识别率分别提高了5.04%、6.42%、13.15%、15.51%、1.94%和8.26%。

尺度自适应的压缩跟踪算法

针对原始压缩跟踪使用固定大小的跟踪框来跟踪目标,提出一种尺度自适应的压缩跟踪算法,在原始的压缩跟踪算法的基础上加入粒子滤波方法,利用分类器的响应产生粒子权重,根据粒子权重大小重新采样,从而避免了粒子退化,利用一个2阶的状态转换模型去估计目标的当前位置和尺度大小,使得跟踪算法能适应运动目标的尺度变化。实验结果表明,与原始的压缩跟踪算法相比,该算法在视频流中的跟踪性能得到提升。

独立分量分析和遗传算法相结合的运动想象频带优化

对结合独立分量分析(independent component analysis,简称ICA)和遗传算法(genetic algorithm,简称GA)的运动想象脑电(motor imagery electroencephalogram,简称MI-EEG)特征检测及其优化方法开展研究.设计了基于ICA的MI-EEG分类算法.在此基础上,针对不同受试个体,用GA算法对运动想象诱发的事件相关去同步(event-related desynchronization,简称ERD)频段进行优化选择,用以改善运动想象脑一机接口(brain-computer interface,简称BCI)系统的识别率.实验结果表明,基于ICA的GA算法特征优化方法具有较好的可靠性和实用性,可用于在线BCI的设计与实现.

基于CSP的多类运动想象脑电特征自动选择算法

目的在基于协方差矩阵近似联合对角化(joint approximation diagonalization,JAD)的多类共空间模式(common spatial pattern,CSP)运动想象检测滤波器的设计过程中,需要对关键特征向量进行选择。较常用的基于"最高得分特征值准则"的特征向量选择方法会出现不同类数据的最高得分特征值对应同一个特征向量,因此导致无效CSP滤波器的出现,进而影响系统识别率。本文在传统JAD方法上提出一种特征值自动选择方法以解决特征值选择无效问题。方法基于BCI Competition 2005data IIIa(BCI2005)和实验室自主采集三类运动想象脑电(EEG)数据集,对不同想象类别数据对应同一个特征向量的异常现象进行实验分析。结果在两个数据集自测试下,本方法的三类运动想象平均识别率分别达到82.78%和85.92%,比传统JAD提高3.44%和3.25%。结论基于CSP的多类运动想象脑电特征自动选择算法能够有效解决特征值选择无效问题,进而提升运动想象BCI系统的分类识别率。

基于共空间模式方法的多类运动想象脑电的导联选择

脑-机接口(BCI)中常用高密度导联来获取脑电(EEG)信号的空间信息,为了避免使用过多导联给EEG采集工作带来不便,消除无关的噪声通道,本文提出了一种基于共空间模式(CSP)的导联优化方法,基于CSP方法得到的投影矩阵,使用2-范数的导联筛选准则,筛选出在投影空间中权重较大的M个导联,目的是用较少的导联来获得与使用高密度导联相近的分类识别率。实验数据使用BCI Competition 2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性。

运动想象脑-机接口中的ICA滤波器设计

围绕独立分量分析(independent component analysis,ICA)在运动想象脑-机接口(brain computer interface,BCI)中的应用,作者重点研究了ICA空域滤波器的设计新方法。基于在不同时间采集的两位受试者的6组运动想象EEG数据集,分析和验证了ICA在BCI系统实现中的特点和优势,并与共同空间模式(common spatial pattern:CSP)空域滤波方法进行了比较。针对运动相关独立分量(motor-related independent components,MRICs)的自动检测,提出了ICA滤波器的有效设计概念,给出了基于不同时段连续EEG样本的ICA滤波器的设计和优化新思路,并建立了相应的ICA-BCI离线测试系统。在此基础上,研究了ICA滤波器的性能与其设计样本之间的关系,比较了ICA-BCI和CSP-BCI对三类运动想象的识别和分类效果。实验结果表明,针对具有相同长度和采集质量的不同时段EEG样本,均可设计出性能基本一致的ICA滤波器。在对不同EEG数据集的组内和组间交叉测试实验中,作者建立的ICA-BCI系统表现出了比CSP-BCI系统更好的稳定性。综上,ICA在BCI系统实现中具有独特的优势和应用潜力。文中所得结论对实用ICA-BCI系统的建立具有一定的参考价值。

基于共同空间模式的扫视信号特征提取算法

为了提高基于眼电图(EOG)的扫视信号识别正确率,提出了一种基于共同空间模式(CSP)的扫视信号特征提取算法.该算法首先利用事先标注好的标签数据进行CSP空域滤波器设计,并采用联合近似对角化的方法解决多分类问题;在此基础上,使用该滤波器对原始多导联眼动信号进行空域滤波,滤波输出即为扫视信号的特征参数.在实验室环境中使用支持向量机对上、下、左、右四类扫视信号进行识别,所提算法的平均正确率达到了97.7%.实验结果表明基于CSP的扫视信号特征提取算法在眼动信号分析中呈现出良好的分类性能.

基于独立分量分析的在线脑-机接口系统

在非植入式脑-机接口(BCI)研究中,独立分量分析(ICA)一直被认为是具有很大应用前景的脑电(EEG)预处理和特征增强方法,但到目前为止,有关在线ICA-BCI系统的研究与实现的报道还不多见。本文对基于ICA的运动想象BCI(MIBCI)系统进行研究,结合ICA无监督学习特点和运动相关去同步化(ERD)现象,构建了一种简单实用的ICA空域滤波器设计方法和三类运动想象判别准则。为了验证所提算法的在线处理性能,本文基于Neuro Scan脑电采集系统和VC++软件平台,完整地实现了在线ICA-MIBCI实验系统。4名受试者参加了系统测试实验,其中两名受试者参加了在线模式的实验。离线和在线实验的三分类运动想象识别结果分别达到了89.78%和89.89%。实验结果表明,本文所提算法分类正确率高,时间开销小,具备跨平台移植的潜力。

基于独立分量优化子带特征的三类运动想象分类

在基于头皮脑电(EEG)信号的脑-机接口(BCI)研究中,用户个体差异性和背景噪声的复杂性是影响BCI系统稳定性的两个主要因素。因此需要针对不同个体进行BCI系统参数优化,其中包括对时域、空域滤波器参数的优化设计和分类器参数的学习。本文以提高BCI系统的准确性为目标,提出了一种结合独立分量分析空域滤波器(ICA-SF)优化设计和EEG多子带特征的BCI信息处理新方法。基于所提方法,对4位受试者在不同时间采集的三类运动想象EEG(MI-EEG)进行分析。实验结果表明,在同一受试者的自交叉测试和不同受试者数据集之间的互交叉验证中,多子带特征结合方法所得到的平均识别率比仅使用单频带所得的平均识别率普遍提高,识别率最大提升可达6.08%和5.15%。