基于超表面的卫星天线设计进展综述

超表面是由亚波长尺寸单元密集排布组成的平面结构,具有强大的电磁波调控能力,而基于超表面的新型卫星天线在缓解业务多样化和用户数量激增方面极具潜力。介绍了目前卫星天线发展现状趋势,对传统天线加载超表面和单一超表面天线加以区分,归纳了加载超表面后天线所具有的低剖面、多极化、波束控制等优势,综述了超表面作为主要辐射元件的天线设计。分析了超表面在不同天线设计方案中的工作原理、效能以及存在的优势与不足,最后讨论了超表面卫星天线的发展方向,指出超表面技术在卫星天线设计领域中具有实用价值。

军事任务中基于手势的交互技术研究

未来战场是高度无人与机器化的,如何对无人机器进行有效控制、完成作战任务,这是一个值得研究的问题。对手势识别技术的背景进行了介绍;简述了近年手势识别技术(体感类与视觉类);对现识别技术的共性问题进行了分析总结,并提出了相应的改进方法。利用滑动窗口与肤色模型提出了一种手指信息(个数与指宽)检测技术,并完成了本研究系统原型设计。

基于峰值搜索和模板匹配的心电监护仪数值提取方法

为提高心电监护仪的工作效率,节约采购成本,本研究基于传统心电监护仪提出了一种数字化方法。首先,在心电监护仪上加装光学摄像头,以实时获取心电监护仪的视频影像;然后,利用峰值搜索方法实现图像分割和感兴趣区域识别;最后,采用模板匹配方法对字符进行识别,定时提取心电监护仪上的典型数值,并进行数据存储与处理。实验表明,本研究方法受光线和拍摄角度的影响较小,适应环境能力较强,可满足数据提取需要。本研究可实现心电监护仪的数字化改进。

基于同步压缩小波变换的通信信号调制识别

针对低信噪比条件下正交频分复用(OFDM)信号和单载波线性数字(SCLD)调制信号的调制类型识别问题,提出一种基于同步压缩小波变换的识别方法。通过同步压缩小波变换(SWT)算法提取信号的小波脊线和小波骨架信息,利用差分、中值滤波后的小波脊线方差区分OFDM信号和单载波信号,并利用脊线和骨架特征完成单载波信号的类间识别。仿真结果表明,在信噪比较低的瑞利-加性高斯白噪声信道下,算法具有良好的识别效果。

一种优化的通信信号调制识别算法仿真研究

在非合作接收系统信号识别中,针对通信信号的调制类型识别时信息同步性差的问题,提出了一种改进的不需要先验知识的调制识别算法。由于现有算法主要针对复基带信号进行调制类型识别,识别系统需要严格的载波同步和码元同步等预处理过程,处理过程繁琐,需要先验知识较多。为简化识别流程,提高识别效率,在对信号模型深入分析的基础上,提出采用核密度估计结合曲线特征的识别算法,直接在中频阶段完成对信号的调制类型识别。仿真结果表明,提出的算法不需要先验知识,避免了复杂的系统预处理过程,优化了识别流程,且具有良好的识别效果。

低信噪比多径信道下的正交频分复用带宽自动估计

针对低信噪比多径信道条件下正交频分复用(OFDM)信号带宽估计精度低的问题,提出一种基于小波变换的正交频分复用(OFDM)信号带宽自动估计方法。首先利用修正周期图法(Welch法)得到信号瞬时功率谱,通过多次观察测量并对功率谱曲线进行统计平均。然后对功率谱曲线进行连续小波变换,计算小波变换后时间—尺度平面上同一时间不同尺度能量累计曲线,提取曲线局部峰值位置,进而估计信号带宽。实验仿真结果表明,在不同多径信道且信噪比为-10 d B条件下,估计偏差均不超过1.2%,准确度优于传统方法,且鲁棒性较强。

一种新型结合下肢动觉运动想象和视觉运动想象的脑机接口

基于运动想象(Motor Imagery,MI)的脑-机接口(Brain-Computer Interface,BCI)是一类重要的BCI,传统的MI方式是动觉运动想象(Kinesthetic Motor Imagery,KMI),较少采用视觉运动想象(Visual Motor Imagery,VMI).提出一种KMI与VMI混合的BCI并评估其性能.共招募12名被试参加离线与在线实验EEG(Electroencephalogram)数据采集,离线实验先以KMI方式分别进行屈膝和伸膝,然后分别以KMI,VMI和VKMI三种方式行走,由离线分类精度与三种不同方式想象行走的脑激活程度确定在线实验方案.提取EEG幅值包络线特征,并采用朴素贝叶斯分类器、二次线性判别和决策树进行在线分类,验证系统性能.溯源分析表明,使用新的想象方式进行行走想象时,运动皮层的激活时长高于VMI,体感皮层的激活时长高于KMI,混合的想象方式可能更有利于促进这些脑区的可塑性. 12名被试在线测试三分类的平均准确度达到63.29%±0.09%,平均卡帕系数为0.45±0.13.该研究可望为未来研发下肢运动功能障碍康复训练BCI系统提供思路.

基于欧式空间-加权逻辑回归迁移学习的运动想象EEG信号解码

基于脑电图(Electroencephalography,EEG)信号的运动想象(Motor Imagery,MI)意图识别是脑机接口(BrainComputer Interface,BCI)研究中的重要问题.然而,EEG信号存在严重的个体性差异,不同被试之间的EEG信号特征空间分布差异很大,不同被试之间的分类模型不能通用.针对这一问题,提出一种基于欧式空间的加权逻辑回归迁移学习方法,算法首先将不同被试的EEG数据进行欧几里得空间对齐,使各信号更加相似,减少差异性,然后计算特定被试共空间模式(Common Spatial Pattern,CSP)获得不同的特征值,并计算这些特征值的KL(Kullback-Leibler)散度,进而利用KL散度调整迁移学习的加权逻辑回归算法,得到分类模型.实验结果表明:对于BCI竞赛IV中的数据集2a,提出的方法可以极大地提升BCI的学习性能,算法分类准确率比基线算法(线性判别分析)高出15%.在数据样本增多的情况下,被试的分类准确性也得到了明显的提升,和同类算法相比,分类准确率提升4%,说明提出的算法能进一步提高BCI的学习性能,改善分类模型的通用性问题.

基于EEG脑网络下肢动作视觉想象识别研究

基于想象的脑机接口(Brain‐Computer Interface,BCI)在运动障碍康复中有潜在的应用.传统的想象任务是运动想象(Motor Imagery,MI),但MI不易习得和控制,且存在“BCI(Brain Computer Interface)盲”现象,使得该类BCI的实用化受限.为寻找下肢运动障碍的康复方法,采用一种较少被研究且易完成的心理想象,即“视觉想象(Visual Imagery,VI)”来构建BCI,但该类BCI的分类难度较大,需要探索有效的特征提取方法.招募18名被试参加两种动态图片的视觉想象任务并采集脑电(Electroencephalogram,EEG)数据;采用EEG互信息构建功能网络,利用图论分析方法计算脑网络的网络属性特征,分别以网络属性特征、不同维度邻接矩阵空间特征与网络属性与邻接矩阵组合特征构建特征向量;最后采用支持向量机(Support Vector Machine,SVM)对两类视觉想象任务进行分类.结果显示,采用八维互信息邻接矩阵构建的空间特征集具有较好的可分性,平均分类精度为90.12%±5.43%,表明基于EEG互信息邻接矩阵空间特征是识别所设计的VI任务的有效特征,可望为构建新型的在线视觉想象脑机接口用于下肢运动障碍康复提供思路.

基于运动想象的双脑脑机接口系统设计与鼠标控制应用

脑机接口是在大脑与外部设备之间建立的直接交流通道,是脑科学的重要研究领域。目前,单被试脑机接口研究已经较为成熟,关于双脑协作的脑机接口研究还比较少。本文设计实现了一种基于运动想象的双脑协作在线脑机接口系统,利用两套脑电放大器、协同控制技术实现了系统的硬件平台搭建。算法控制部分采用信息论特征提取算法,选取共空间模式的最优空域模式和支持向量机分类,实现了双脑协作控制鼠标移动并到达指定目标。本文采用初始位置到目标位置的实际步长与理论最短步长比评价系统性能,4组(8人)的平均步长比值为1.32。研究提供了一种双脑协作脑机接口的设计方案,可用于协同控制多维度目标、提高信息传输速率、研究脑间同步、团队决策等方面的关键技术,为脑机接口进一步发展提供了新思路。

不同实验范式下言语想象的脑神经机制

基于言语想象的脑机接口(Brain-Computer Interface,BCI)在一定程度上可以帮助言语障碍患者恢复语言沟通能力,也是目前较新颖的一种范式,凭借其对被试友好、自由度高等优点逐渐受到关注,但将不同言语想象范式之间的神经机制差异和分类效果进行对比的研究却鲜有涉及.重点从言语想象实验范式的神经机制及分类准确率这两个方面进行实验分析.实验招募12名健康被试,分别进行两种范式的言语想象任务,分析被试言语想象期间EEG数据的时域、频域、空域特征,并对两种范式下的数据样本进行分类识别.实验结果表明,执行言语想象任务时屏幕呈现黑屏时言语想象与空闲状态的平均分类准确率为80.6%,执行两种不同言语想象任务时为74.2%,该结果对言语想象BCI系统的范式设计、异步系统开发及推广应用都有积极的作用.

一种快速的OFDM信号调制识别算法

针对正交频分复用（OFDM）信号和常见单载波（SCLD）信号的调制类型识别问题，提出一种采用经验模式分解算法结合信号相关系数的识别算法。该算法提取分解后的首个基本模式分量（IMF）与原始信号的相关系数作为识别特征。进行分类识别。仿真结果表明，该算法在信噪为OdB的加性高斯白噪声信道（AWGN）下识别率达到99％。且该方法可直接对中频信号进行处理。不需要载波恢复和码元同步过程。

神经反馈调节健康个体注意力的研究进展

神经反馈是指通过脑机交互方式,将大脑活动转换成声音、图像、游戏等形式反馈给个体,以实现自主调节脑功能的目的。注意力是认知功能的重要方面,不仅是儿童发展成长的影响因素,也是成人日常生活中不可替代的重要心理品质。越来越多的实证研究已经发现神经反馈对健康个体的注意力具有调节作用,但缺乏对相关研究进展的总结和综述。综述基于大脑节律活动的神经反馈对于健康个体注意力调节作用的研究进展,分析注意力测量范式、学习者和非学习者的划分以及实验设计类型对神经反馈训练效果的影响,指出了追踪实验对研究的必要性。同时提及可用于健康个体注意力调节的其他几种神经反馈技术。期望为神经反馈提高注意能力的研究和实践提供参考。

实弹射击瞄准期间大脑alpha波频段功率特性

在实弹射击条件下,研究瞄准期间脑电信号(EEG)中alpha波频段的功率特性,及其与射击成绩的关系。采用Holter-16D便携式脑电信号放大器,采集参加全国司法警察大比武陕西代表队选拔集训的法警在射击训练中的EEG。通过功率谱分析和时频分析,得到被试alpha主频(IAF)、左右颞区alpha波段功率差值。结论是:(1)在静息态时,射击运动想象时所运用的alpha波类型划分方法不能完全适用于实弹射击前的静息态中。(2)在实弹射击瞄准期间,左右脑alpha波频段功率偏差值与alpha波集中于左颞区的趋势呈正相关。(3)在实弹射击中,瞄准期间左右脑alpha波频段功率偏差值与射击成绩呈正相关。

脑机接口中运动想象的执行与能力的评估和提高方法

运动想象(MI)是驱动脑机接口(BCI)的一种重要范式,但MI心理活动不易控制或习得,MI-BCI的性能严重依赖被试MI的表现。因此MI心理活动的正确执行以及能力的评估和提高对MI-BCI系统性能的提升及应用具有重要的甚至关键性的作用。然而,在MI-BCI的研发中,已有研究主要聚焦于解码MI的算法,对MI心理活动的这三个方面没有足够的重视。本文针对MI-BCI的这些问题进行详细论述,指出被试易把动觉运动想象执行为视觉运动想象;未来需要研发客观的、定量可视化的MI能力评估方法,并且需要研发有效的、训练时间短的MI能力提高方法,也需要在一定程度上解决个体之间和内部MI的差异性、共性和MI-BCI盲问题。

脑机接口人因工程及应用:以人为中心的脑机接口设计和评价方法

脑机接口(BCI)是一种变革性的人机交互,目前正朝智能脑机交互和脑机智能融合方向发展。然而,BCI的实用化面临极大的挑战,BCI技术成熟度尚未能满足用户的需求,BCI的传统设计方法有待改进。BCI人因工程对缩小研究与实际应用之间的差距具有重要的作用,但目前尚没有引起足够的重视,也没有专门的深入论述。本文针对BCI人因工程,阐述以人为中心的BCI设计需求(来自用户)、设计思想、目标和方法以及评价指标。BCI人因工程可望使处于不同使用条件下的BCI系统设计更符合人的特点、能力和需求,提升系统的用户满意度,增强用户体验感,提高BCI的智能化,使其走向实际应用。

基于言语想象的脑机交互关键技术

言语表达是一种人类重要的高级认知行为,该行为的实现与人的大脑活动密切相关,真实的言语表达和言语想象都能够激活部分相同的脑区,因此言语想象成为一种脑机交互的新型范式。基于言语想象的脑机接口(BCI)具有自发产生、无需训练、对被试友好等优点,因此受到了众多学者的关注。然而,这一交互技术在实验范式的设计和想象材料的选择方面并不成熟,存在较多亟待讨论的问题。因此,针对这些问题,本文首先阐述了言语想象的神经机制;然后评述了以往的言语想象BCI研究,系统分析了实验范式、想象材料、数据处理等方面的主流方法和核心技术;最后讨论了制约该类BCI发展的关键问题和面临的主要挑战,并展望了言语想象BCI系统在未来的发展和应用前景。

脑机接口技术的应用、产业转化和商业价值

脑机接口(BCI)是一种变革性的人机交互技术,其中既有不依赖外周神经和肌肉系统即可从大脑直接向外部设备或机器输出指令的BCI,也包括绕过外周神经和肌肉系统从外部设备或机器直接向大脑输入电、磁、声和光等刺激或神经反馈的BCI。随着BCI技术的发展,其不仅在医学领域具有潜在的应用,而且在非医学领域,如教育、军事、金融、娱乐、智能家居等方面也具有应用前景。目前,鲜有对BCI技术的相关应用、国内外BCI产业化现状以及其商业价值进行详细论述的文献,为此本文对上述内容展开阐述和讨论,可望为社会公众及组织、BCI研究人员、BCI产业转化者和销售人员提供有价值的信息,提高对BCI技术的认知水平,进一步促进BCI技术的应用和产业转化,提升BCI的商业价值,以便更好地为人类服务。

基于脑磁图的智能脑机交互关键技术

脑机交互(BCI)是一种变革性的人机交互,旨在绕过外周神经和肌肉系统直接把脑神经的感知觉、表象或思维活动转化为动作,以进一步改善或提高人类的生活质量。脑磁图(MEG)测量神经元电活动产生的磁场,具有非接触式测量、时空分辨率高和准备方便等独特优势,是一种新的BCI驱动信号,基于脑磁图的脑机交互(MEG-BCI)研究具有重要脑科学意义和潜在应用价值。迄今为止,少有文献阐述MEG-BCI涉及的关键技术问题,为此本文聚焦MEG-BCI关键技术,详述了实用MEG-BCI系统中涉及的信号采集技术、MEG-BCI实验范式设计、MEG信号分析和解码关键技术、MEG-BCI神经反馈技术及其智能化方法。最后,本文还讨论了MEGBCI存在的问题和未来发展趋势,期望本文为MEG-BCI创新研究提供更多有益思路。

基于功能近红外光谱成像的神经反馈技术及应用

目前基于脑电图(EEG)数据或功能磁共振成像(fMRI)的神经反馈(NF)技术对大脑调节的影响已展开了广泛研究与应用,相较而言,功能近红外光谱成像(fNIRS)成为近年来在NF研究中新兴的技术手段。fNIRS是一种基于血液动力学的神经成像技术,具有成本低、便携性好、空间分辨率高等优势,更适合在自然环境下使用。当前国内缺少关于fNIRS结合NF技术(fNIRS-NF)的综合述评,为给fNIRS-NF技术相关领域研究提供参考,本文首先阐述了fNIRS-NF的原理、关键技术及应用,重点对fNIRS-NF的应用进行了较为全面的论述,最后展望并总结了fNIRS-NF未来的发展趋势。综上,本文对fNIRS-NF技术及应用进行总结,认为fNIRS-NF技术在神经性疾病及其相关领域具有潜在的实用价值,fNIRS可以作为NF训练的一种良好方法,期望本文可为fNIRS-NF技术的发展提供参考信息。