基于相关向量机的神经活动分类及译码

脑机接口研究受到越来越多学者的关注,其中对神经活动的分类和译码是研究的重要方面。利用相关向量机的方法对来自脑皮层的一部分运动神经元的激发率进行分类,识别其神经状态,在此基础上利用激发率进行译码,判断其运动轨迹。实验证明,相关向量机能够较好地进行神经活动的分类和译码,并且拥有比支持向量机和信息向量机更好的性能。

基于信息向量机的神经活动分类和译码研究

利用信息向量机(IVM)算法对来自脑皮层的少量运动神经元激发率进行分类,识别出神经状态,用该神经状态指导神经元激发率的译码。将IVM算法与支持向量机算法、相关向量机算法进行实验比较,结果证明,IVM算法的神经活动分类和译码性能最优,运行时间最短。

嵌入式可重构DSP处理器的指令译码器设计

在对我们研发的代号为CoStar的嵌入式可重构32位DSP(DigitalSignalProcessing)处理器的结构作简要介绍的基础上,着重阐述了其指令译码器的设计。文章的重点放在我们提出的一些新颖的设计思想上:为支持CoStar的复杂流水线、SIMD(SingleInstructionstreamoverMultipleDatastreams)和可重构而采用的相对集中的分布式译码、多模式指令复用等技术;为降低译码器的面积和功耗而采用的嵌套式的分类译码、类型合并、译码预判、信号合并等技术。

增加捕错窗口长度的译码法

当不是ｇ（ｘ）的因子，ｇ（ｘ）和ａ（ｘ）ｇ（ｘ）分别是二元线性循环码Ｃ（ｘ）和Ｃｓｕｂ（ｘ）的生成多项式时，则Ｃｓｕｂ（ｘ）是Ｃ（ｘ）的子码。恰当选用Ｃ（ｘ）／Ｃｓｕｂ（ｘ）的２ｊ个余式将Ｃ（ｘ）转换为子码，然后对子码捕错；当错误矢量Ｅ（ｘ）的重量Ｗ（Ｅ）ｔ，且有连续ｋ－ｊ位为零时，就能正确译码。该法提高了纠错能力，还可分类译码输出，结构简单，实现容易。

一种至少k－2位正确的捕错译码

当ｘ２＋ｘ＋１不是ｇ（ｘ）的因子，ｇ（ｘ）和（ｘ２＋ｘ＋１）ｇ（ｘ）分别是二元线性循环码ｃ（ｘ）和Ｃｓｕｂ（ｘ）的生成多项式时，则Ｃｓｕｂ（ｘ）是ｃ（ｘ）的子码．恰当选用ｃ（ｘ）／Ｃｓｕｂ（ｘ）的４个余式ｃ（ｘ）转换为子码，然后对子码捕错．当错误矢量Ｅ（ｘ）的重量Ｗ［Ｅ（ｘ）］≤ｔ，且有连续ｋ位为零时，就能正确译码．