基于CNN的脑电信号情绪识别模型研究

针对现有深度学习模型在情绪识别方面种类少且准确率低的问题,采集并建立了脑电波信号数据集,提出了一种基于CNN的脑电波的智能多情绪识别模型,利用多层卷积神经网络提取脑电信号情感特征,在批归一化层和激活函数中引入非线性特性,构建了两层全连接神经网络,实现了情绪特征中积极、中性和悲伤的分类。实验结果表明,提出的模型复杂度低且分类准确率达到了81.43%,明显高于SVM、LSTM、VGGNet模型,证明了该模型的简洁性和高效性。

基于脑电alpha波的便携式脑-机接口系统研究

对基于脑电alpha波的服务机器人控制方法进行了研究,并在前期采用计算机的脑-机接口系统研究基础上,设计了一种面向服务机器人的便携式脑-机接口系统。该系统选用脑电alpha波作为控制信号,用数字信号处理器替代已有系统中的计算机,实现了脑-机接口系统的集成化和便携化。最后,通过实验验证了系统的有效性和易操作性,为进一步研究开发能实时控制服务机器人完成更为复杂任务的脑-机接口系统提供了技术基础。

监护记录信号数据的处理与显示方法

在工程及医学领域中 ,需监测许多参数 ,如重要设备的振动、温度、血压、转速、大电机电流等。如果观察时间较长 ,就会得到海量数据 ,从而需要花费大量时间分析信号。本文描述了一种用来帮助分析信号的彩图技术 ,论述了处理彩图的原理和步骤。该技术已经在睡眠研究中得到验证 ,并且开发出一个名为睡眠观测的彩图工具 ,其中包含几种不同类型的彩图。因为人对有区别的图像非常敏感 ,所以睡眠阶段可以很容易地从图中分辨出来。对于用二维波形显示的睡眠信号 ,分析8h的睡眠信号需要用两天的时间 ,而处理并读取彩图仅需要 10 min。

一种大记录信号数据的处理和显示方法

介绍了一种用来帮助分析信号的彩图技术，论述了处理彩图的原理和步骤。该技术已经在睡眠研究中得到验证。

基于小波包变换的脑电波诊断分析

采用小波包分析法提取正常脑电波和发病脑电波的特征,构造特征向量,利用判别分析和聚类分析对脑电疾病特征进行判别分析和诊断分析。对三明市第一人民医院临床脑电数据进行实证分析,验证方法的实用性、准确性、高效性,为医生临床诊断发病区域提供科学依据。

大脑α波能量实时反馈调节的经穴磁刺激方法

针对现有电、磁刺激系统依靠患者主观感觉和医生经验对刺激参数进行调节的不足,提出了一种大脑α波能量反馈调节的经穴磁刺激方法。首先,利用磁刺激发生仪产生一定强度、频率、波形的刺激信号,通过喇叭状磁线圈刺激受试者内关穴;然后,利用16导联脑电仪采集大脑6导联脑电信号,并对其进行数字带通滤波和AR参数模型功率谱分析,计算大脑α波能量。最后,根据大脑α波能量值,获得经穴磁刺激反馈调节的数字指令,经单片机转化为控制指令,控制信号发生模块和功率放大模块进行磁刺激参数调节。实验结果表明,该方法可以优化经穴磁刺激输入方式,获得最佳的经穴磁刺激参数,从而改善大脑α波能量,促进脑瘫病人的神经系统恢复和自主康复训练。

盲源分离技术用于脑电信号处理的探索

基于独立分量分析的盲信号分离方法具有非常理想的信号消噪效果。盲源分离技术是盲信号处理领域的一个重要的分支。 2 0世纪 90年代中期 ,盲源分离技术得到了迅猛的发展 ,并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。本文介绍了盲源分离技术的模型和算法 。

数字化动态脑电地形图系统的应用研究

根据当代医学理论及经验,人体大脑发出的微弱电信号直接和人体的某些病症有联系。但是人体头皮电位只有几十微伏,需放大十几万倍才能被记录到。数字化脑电地形图仪实现了对人体头皮信号的采集,通过放大器将电信号放大,并将连续变化的脑电波变成计算机能识别的离散的二进制数值,通过脑电地形图的形式提供脑电波的定量和定性分析。根据对实际项目的研究,描述了脑电地形图系统的工作原理,并提出了一个实现的解决方案。

运动训练对脑电波信号的影响建模分析

为了准确地分析脑电波信号受运动训练的影响,需要研究运动训练对脑电波信号的影响分析方法.采用基于时-空-频联合选择与相关向量机的运动想象脑电信号分析算法分析运动训练对脑电波信号的影响时,得到的分析结果与实际结果不符,分析所用的时间较长,存在准确率低和效率低的问题.提出一种运动训练对脑电波信号的影响建模分析方法,采用盲源分离方法对脑电波信号进行预处理,去除脑电波信号中存在的伪迹信号;结合空间模式滤波算法和Hilbert变化方法提取盲源处理后脑电波信号受运动训练影响的变化特征,建立运动训练对脑电波信号的影响模型,分析运动训练对脑电波信号的影响.实验结果表明,测试结果与影响模型得到的结果一致,验证所提方法的准确率高、效率高.

基于脑电波深度学习算法的仿生假肢智能控制

由于手臂残缺人士的生活起居很不方便,假肢就成为了手臂残缺者奢望的产品.本文分析了智能假肢的关键控制问题,通过检测脑电波信号设计了仿生假肢智能控制系统.系统基于脑电波电信号控制模式的假肢抓取,通过检测脑电波信号进行模式识别、智能计算,将识别信号放大后对假肢进行相应动作的控制.本设计利用Arduino UNO作为主控芯片,主要对接触式传感器、脑电波信号采集器、电动机以及机械手进行控制,通过Arduino IDE作为程序编译器使程序编译运行之后加载到主芯片Arduino UNO上,接触式传感器、脑电波信号采集器以及计算机组成的脑电波信号采集处理模块实现信号采集处理以及短距离传输,电动机接收到执行指令后带动机械手作为执行机构实现智能假肢抓取过程以及空间保持过程.