首页 > 文献资料
-
基于LVQ和脑电信号的左/右手动识别
基于脑电信号的脑-计算机接口(brain- computer interface,BCI)需要对脑电信号进行识别或区分.本文针对2003年世界BCI大赛提供的实验数据,利用学习矢量量化(learning vector quantisation,LVQ)算法从脑电信号中识别受试者左手或者右手手指运动,取得了较好的分类效果.
-
不同视觉刺激模式对视觉诱发电位的影响
目的:通过视觉诱发电位探索适合的脑机接口视觉刺激模式.方法:采用Active One生理信号测量系统和双计算机构建实验系统.利用VC++语言编程,设计多种视觉刺激模式:模块闪烁方式、模块背景图案变化方式、模块字符变化方式.采用累加平均和小波滤波方法提取视觉诱发电位.结果:可以检测到多种视觉刺激模式引发的视觉诱发电位信号,不同刺激模式引发的诱发电位波形及诱出率存在差别.结论:模块闪烁、刺激模块棋盘格翻转、条纹变化、字符跳动等视觉刺激模式能引发波形幅度较大,易识别的视觉诱发电位信号,适用于脑机接口.在脑机接口应用中应提供多种视觉刺激模式供使用者选择.
-
基于希尔伯特-黄变换和BP神经网络的运动想象脑电研究
本文介绍了希尔伯特-黄变换(HHT)的实现过程与优点,研究基于HHT和BP神经网络的运动想象脑电(EEG)识别方法.在对运动想象EEG数据预处理后进行经验模态分解(EMD)分析得到各阶固有模态函数(IMF)分量,去除分解中的多余低频分量再作边际谱分析；选择C3、C4通道边际谱能量差作为特征,经过主成分分析降维后,联合时域的EEG复杂度作为特征向量,利用BP神经网络进行分类.对脑-计算机接口(BCI)竞赛数据进行左右手分类识别,识别率达到87.14％,取得了较理想的结果,证明了HHT对运动想象EEG处理的可行性与有效性.
-
神经接口技术研究进展
神经接口研究是涉及神经生理学、计算科学、微电子技术等学科的交叉科学,在康复工程等领域具有重要研究价值,近年来发展迅猛.本文介绍神经接口系统的概念和研究意义,阐述了输入型(如人工耳蜗、视觉神经假体、触觉刺激器及深部脑刺激器等)与输出型两类神经接口系统应用,介绍了相关的动物实验,并讨论了神经接口技术的发展现状及发展趋势.
-
脑-计算机接口技术的研究进展
我们对生物医学工程领域新方向之一,并以研究残疾人支助为起点的脑一计算机接口技术进行了介绍,归纳了两次脑机接口技术国际学术会议的核心内容,总结了当前国内外具代表性的研究成果,并分析了脑机接口技术存在的主要问题和未来发展方向.
-
脑-计算机接口技术在医学领域的应用
介绍脑-计算机接口系统的结构、工作原理，重点阐述该技术在医学领域中的应用，包括癫痫自动检测及分类、康复训练、麻醉深度检测等方面，指出脑-计算机接口技术面临的挑战。
