刺激模式与电极偏移影响DBS颅内电场分布的仿真研究

目的:探究刺激模式与电极偏移对脑深部电刺激(deep brain stimulation,DBS)颅内感应电场的影响。方法:建立包含边缘系统的有限元真实头模型,仿真分析DBS颅内电场分布,并对比不同刺激模式和电极偏移对颅内电场分布的影响。结果:DBS颅内电场主要集中在电极触点处,其中正负刺激模式下的颅内电场强度最大,且同等电场强度分布区域约是单负刺激和双负刺激的2倍。当电极偏移5 mm时,电场强度衰减约600倍;当电极偏移12 mm时,电极强度衰减约8 000倍。结论:正负刺激诱发的颅内电场最强、分布区域最广;电极偏移会造成颅内电场明显衰减。研究结果将为DBS刺激模式的选择提供依据,并将为电极插入精度的确定提供支持。

基于Myo旋转偏移估计与自适应校正的手势识别方法

在基于表面肌电信号(Surface electromyography,sEMG)的手势识别系统中,针对Myo环形电极多次实验间旋转位置不同导致的识别精度降低问题,提出了一种基于极坐标系的电极位置偏移估计与自适应校正的识别方法.该方法首先建立相对于环形肌电传感器的极坐标系,提出了极坐标系下活跃极角(Activation polar angle,APA),用于估计实验中传感器相对于初始位置的横向旋转偏移角度;进而建立基于偏移角度的线性变换模型,在肌电信号特征空间内,对电极偏移位置下的样本进行自适应校正.在8种常用手势识别应用中,设计了两种实验范式:利用传感器各通道数据循环平移模拟电极横向旋转偏移实验和肌电传感器在小臂肌肉上的真实旋转偏移实验.结果均表明所提出方法的识别精度远高于未进行校正的模型识别精度.因此,所提出的电极偏移估计与自适应校正识别方法,不仅有效提高了表面肌电交互系统识别的鲁棒性,也降低了使用者在多次使用时训练成本与学习负担.

数控电火花线切割加工程序电极丝偏移量补偿的处理

介绍了数控电火花线切割加工中电极丝偏移量产生的原因，机床如何实现这一偏移量的补偿。通过一则典型的程序，讲解了数控程序中电极丝偏移量的处理方法、技巧。

基于纹理特征的环状肌电传感器位置偏移校正方法

在基于肌电的人机交互系统中,传感器电极位置偏移会导致动作识别精度降低。为了提高系统稳定性,提出一种基于纹理特征的位置偏移校正方法。该方法在基于循环灰度共生矩阵表示的肌电数据上构建纹理特征,并基于此提取时频域特征。为了验证所提方法有效性,设计了模拟实验和真实实验,两种实验结果均表明,所提方法能显著提高偏移位置下动作识别精度。还对灰度级数和时频域特征种类进行探讨,得出结果进一步提高模型精度。

线切割机CNC系统的电极丝偏移数据处理

根据线切割加工的特点和对电极丝偏移的分析 ,对CNC系统中电极丝偏移的数据处理进行了研究 ,简述了同类曲线的电极丝偏移方法 ,详细讨论了非同类曲线的电极丝偏移数据处理 ,并给出了具体算法。