多通道脑电信号眼电伪迹自适应去除方法

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%。

基于GA-GRNN的疲劳驾驶检测

近些年来,人们为追求快捷舒适的生活环境促使了汽车行业的快速发展。汽车数量的增加导致了交通事故的频发,给人们造成了巨大的生命伤亡和财产损失。经调查发现在众多导致交通事故的因素中,疲劳驾驶是主要的原因之一。探索一种疲劳驾驶检测方法对于保护生命安全和减少财产损失是非常有意义的。这篇文章主要通过眼电信号进行疲劳驾驶检测。首先利用离散小波变换对眼电信号进行滤波,其次提取眼电信号的近似熵、排列熵和模糊熵的特征;最后使用遗传优化的广义回归神经网络进行疲劳驾驶状态检测。遗传优化的广义回归神经网络平均分类准确率为72.5%。实验结果表明可以通过提取眼电信号的近似熵、排列熵和模糊熵特征,然后在使用遗传优化的广义回归神经网络进行疲劳驾驶检测。

单通道脑电信号中眼电干扰的检测及去除方法

针对脑电信号(EEG)中眼电(EOG)干扰的问题,提出一种单通道脑电信号中眼电干扰的检测及去除方法。首先,根据多窗口一阶导数求和(MSDW)的特点,提出了单通道脑电信号中眼电干扰的检测方法;然后,使用小波变换(WT)对眼电干扰进行估计;最后,从原始脑电信号中减去估计的眼电信号,得到纯净的脑电信号。实验结果表明,对于不同通道的脑电信号,该方法均能有效地检测及去除眼电干扰;此外,该方法不需要使用多个脑电信号通道和专门的眼电信号通道。

基于脑电和眼电的运动想象多尺度识别方法研究

基于脑电信号对同一肢体不同动作想象模式进行识别的正确率低,已成为基于脑机接口对肢体瘫痪患者进行运动想象训练监控的方法,获得临床应用前必须解决的瓶颈问题.针对该问题,本文提出一种利用运动想象时眼睛的活动状态与所想象肢体动作之间存在的耦合关系,进行运动想象多尺度识别的新方法.该方法首先在大尺度上,利用脑电信号对运动想象是否发生进行识别,再结合同一运动想象过程眼电信号协同变化模式的识别结果,基于决策融合在更精细的尺度上,对同一肢体不同动作的想象模式进行识别.实验结果表明,仅基于脑电进行右臂三种动作想象模式识别的平均正确率为63.0%,而应用所提出方法可以将其提高到91.4%.所提出方法可望有临床应用前景.

EEG波形伪迹去除方法

EEG波形记录与ERP分析技术是认知科学和脑科学研究的新兴手段 ,但在实际研究和临床应用中 ,伪迹一直是困扰研究效度的重要因素。本文主要介绍了近年来兴起的回归方法、伪迹减法、主成分分析 (PCA)、独立成分分析 (ICA)、JADE分析等脑电伪迹去除技术。相对于传统方法 ,这些技术存在精度高、速度快、实用性强的优点 ,但它们都各自针对不同问题情境 ,均建立在特定假设基础上 ,所以应根据具体的研究目的和实验条件进行合理选择。通用性。

基于支持向量机多分类的眼电辅助肌电的人机交互

针对单一肌电信号在控制系统中正确识别率不高问题,设计并实现了一种基于支持向量机(SVM)多分类的眼电(EOG)辅助肌电(EMG)的人机交互(HCI)系统。该系统采用改进小波包算法和阈值法分别对EMG信号和EOG信号进行特征提取,并对特征向量融合;然后提取特征参数作为SVM的输入来识别EMG信号和EOG信号动作模式,根据分类结果生成控制命令。实验证明,该系统比单一肌电控制系统更便于操作,稳定性好,正确识别率高。

临床视觉电生理标准化进展

为满足临床视觉电生理检查规范化需要,国际临床视觉电生理学会近十余年来陆续颁布了系列标准化方案,目前国内实验室规范化状况有很大改进,但距最新方案的要求还有差距。本文综述了最新方案的主要内容,以便国内实验室提高改进。

ANALYSIS AND APPLICATION OF QUADRATIC SPLINE WAVELET FILTER

The characteristics of quadratic spline wavelet in noise reduction are analyzed. 1-D and 2-D equivalent filters of wavelet transform are presented. For proving its effectiveness, in the last section we usewavelet filter bank to reduce the noise on the saccadic EOG successfully.

基于小波变换的多任务下操作员眼电特征提取

为了从高精神负荷下的操作员眼电(EOG)信号中提取出能够反映疲劳焦虑和努力程度变化的显著性特征,通过实验,采集了6位被试人员在多级任务负荷下的EOG信号,采用小波变换方法对EOG信号进行了10层小波分解;选取能量较高的频段,根据小波系数计算了各频段的相对能量(RE)特征,分析了眼电特征与操作员的心理负荷之间的关系。结果表明:提取的EOG特征中,0. 98~1. 95 Hz,3. 91~7. 81 Hz及7. 81~15. 63 Hz频段的RE与操作员的心理负荷有显著的关系,提取的特征可用于操作员疲劳、焦虑和努力等的评估。

基于眼电的机器人控制系统研究

提出了一种基于眼电的机器人控制系统的设计思路,该系统将操作者的眼电信号送入采集电路,通过PC机实现对眨眼次数的检测,其结果通过RS-232串行端口送入单片机,近而遥控机器人运动。介绍了系统组成,详细分析了眼电信号检测的算法及PC机串口通信程序的设计,通过分析可以看出,系统由于引入了多线程和串行通信等技术,保证了机器人控制的稳定及实时性;基于数字信号处理的眼电信号检测算法,其识别正确率高达95%。

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.

讨论人机交互中的眼姿势辨别技术

目的:讨论人机交互中各种眼姿势(眼睛运动模式)的辨别技术。眼姿势的准确辨识是成功实现新型的眼机接口的关键环节之一。方法:根据眼电信号产生的生理机制和采集方法,分析各种眼姿势的特点,包括基本眼动模式(眼睛上移、下移、左移、右移)、眨眼模式、凝视模式等,并据此研究对应的辨识技术。结果:应用阈值估计算法、积分算法、模板匹配算法等可将基本眼动模式、眨眼模式、凝视模式初步辨识出来。结论:对各种眼姿势进行特征分类、准确辨识,为设计眼机接口、实现人机交互提供了基础。

基于独立分量分析的眼电伪迹去除方法研究

脑电信号极易受到眼电信号的干扰,这会导致脑电信号处理结果与实际情况发生较大的偏差,因此,去除包含于脑电信号中的眼电成分是信号预处理的一个重要操作。研究了独立成分分析理论及概要模型,提出一种基于Informax的优化ICA方法,对混入脑电信号中的眼电信号进行辨别、分离、重构,实验结果表明该方法能够准确地从混合信号中区分出眼电伪迹的独立成分,进而实现对原脑电信号的特征增强。

正常人眼电图的特征(英文)

目的:探讨正常人眼电图(electrooculogram,EOG)的特征,以获得正常参考值。方法:应用法国Metrovision公司生产的Vision Monitor视觉诱发系统对正常成人60例(73眼)在自然瞳孔下进行EOG检查。结果:正常成人EOG的暗谷电位为(701.8±265.1)μV,光峰电位为(1255.0±447.7)μV,Arden比(光峰电位/暗谷电位)为180%±21%。结论:我们的研究基本上准确、客观的反映了正常人EOG的特征,为临床研究提供了较可靠的正常值。

基于皮肤电极的ERG检测系统设计与实现

视觉电生理已有国际电生理临床检查标准。其中,视网膜电图(Electroretinography,ERG)检查有着更为广泛的应用。为了减轻传统ERG采集方法对人眼造成的危害以及克服该方法的一些不足。本文设计了一种基于皮肤电极的ERG检测系统。该系统包括视网膜刺激器、模拟滤波和放大电路、24位模数转换模块和数字信号处理模块,并选择了10名志愿者来接受视网膜电图检测。最后将得到的视网膜电图与标准的视网膜电图比较,试验结果表明通过外表皮肤电极采集到的ERG信号和临床实践的角膜ERG电极采集到的ERG信号有着基本相同的特征信息。

基于眼电图的眼动信号分类算法研究

为降低EOG的眼动信号中的噪声,提高分类算法精度,改进基于EOG的人-机交互系统性能,提出了一种基于小波变换(Wavelet Transform)与支持向量机(SVM)的眼动信号分类算法(WT-SVM)。实验室环境下,对9名眼部活动正常的受试者进行了眼动数据采集与识别,WT-SVM算法的平均分类准确率达到96.9%,与常规带通滤波去噪方法相比较,平均正确识别率提升了1.3%。实验结果表明,小波变换在EOG信号预处理中具有较强的鲁棒性,WT-SVM算法在眼动信号识别中具有高的分类精度。

基于眼电的阅读状态检测研究

目的阅读是一种重要的认知过程,可通过眼动检测实现观测。基于眼电的阅读检测算法可应用于不同的阅读行为和注意力水平的自动检测。方法通过提取阅读时水平眼电信号的特征以有效识别阅读活动。首先使用数学形态学对原始水平眼电信号进行平滑处理,去除眨眼和肌电等干扰。平滑后的眼电信号进行差分处理,然后提取出阅读时的水平眼电信号的特征,进行识别分类,从而判断出受试的阅读情况,并与实际的阅读状态进行比较。结果对阅读状态和非阅读状态时间段的分析结果显示,数学形态学和阈值法相结合的方法对眨眼和肌电等噪声的抗干扰能力较强,可有效识别出阅读活动,平均检测率为75%。结论数学形态学和特征提取相结合的方法能较好地提取出眼球的活动信息,应用于日常的阅读活动识别中。

基于变分模态分解的眼电伪迹去除

脑电信号可以反映人体大脑活动状态,精确地将脑内信息传递向外界,对脑科学研究具有重要的意义。在实际情况中,脑电信号采集的同时会带有一些噪声,而眼电伪迹的存在会严重干扰脑电信号。本研究尝试了一种基于变分模态分解的眼电伪迹去除方法。通过变分模态分解将采集到的脑电信号分解成K组模态分量;根据眼电伪迹的频率特点,选择出眼电伪迹所对应的模态分量,并将其去除后重新构建剩余的模态分量。结果表明通过对实验数据的处理,变分模态分解可以有效地将眼电伪迹去除,并维持脑电信号的特征。

一种改进的加权中值滤波器及其在眼电信号处理中的应用

作为经典的研究眼球运动的方法,眼电图(EOG)已经广泛地应用在多个领域。EOG信号中包含了不同类型的眼动信号和伪差,去噪和信号分离在EOG研究中一直备受关注。我们结合EOG信号的特点提出了一种新的基于WFMH的线性-非线性混合滤波器(简称为IWFMH)。仿真结果表明,该滤波器在保持信号边缘的同时能够更有效地除去噪声,EOG处理结果表明该滤波器在除去噪声的同时能够有效地分离出扫视和眨眼信号。

应用于无线多导睡眠监测的皮肤贴电极制备及验证

目的:开发一种适用于便携式睡眠监测设备的电极,并对该电极监测到的眼动图(electrooculogram,EOG)和脑电图(electroencephalography,EEG)信号结果进行验证。方法:通过微机电系统(microelectromechanical systems,MEMS)技术制备柔性电极,其中电极为金/铬双层结构,柔性衬底采用具有良好生物兼容性的聚对二甲苯(parylene)。电极被设计并制作成网状结构,使得下层的胶带能更有效地与皮肤贴合,降低与皮肤的接触阻抗。在电极制作完成后,使用CHI660E电化学工作站对电极的交流阻抗特性进行测试,此外,将电极连接到包含生物信号采集和数字化处理专用芯片的无线信号采集套件,采集志愿者眼周不同位点、不同方向眼动的电信号,并对眼动信号的信噪比进行分析。最后使用标准多导睡眠监测仪来对比皮肤贴电极和金杯电极采集脑电信号时的噪声幅度。结果:皮肤贴电极在小于100 Hz交流电范围的阻抗为4~13 kΩ,使用皮肤贴电极可以采集到不同方向眼动的眼电信号,皮肤贴电极采集到的脑电信号噪声幅度低于金杯电极采集到的脑电信号噪声幅度。结论:皮肤贴电极可以作为开发适用于便携式睡眠监测设备中眼动电信号和脑电信号监测的备选电极。