【摘 要】
:
肌萎缩侧索硬化(Amyotrophic Lateral Sclerosis,ALS)等疾病会让患者逐渐失去自主控制肌肉运动的能力,最终导致功能和认知障碍。脑机接口(Brain-Computer Interface,BCI)技术能够在大脑与外围环境之间构建起一条人为的信息传输通道,是一种可以替代传统神经肌肉通路的新型交互方式。发展脑机接口技术最主要的目的就是帮助患有运动功能障碍的人群重新获得与外界互
论文部分内容阅读
肌萎缩侧索硬化(Amyotrophic Lateral Sclerosis,ALS)等疾病会让患者逐渐失去自主控制肌肉运动的能力,最终导致功能和认知障碍。脑机接口(Brain-Computer Interface,BCI)技术能够在大脑与外围环境之间构建起一条人为的信息传输通道,是一种可以替代传统神经肌肉通路的新型交互方式。发展脑机接口技术最主要的目的就是帮助患有运动功能障碍的人群重新获得与外界互动的能力。本文所研究的基于脑电信号(Electroencephalogram,EEG)的P300字符拼写系统属于脑机接口研究领域中最热门的应用方向之一。本文首先对记录EEG数据的电极通道进行了关于不同被试条件的自适应选择。其次,将电极通道维度下的数据投射到独立成分层面并进行了相关性分析,构建了基于Bagging策略的集成支持向量机(Support Vector Machine,SVM)分类器用于P300脑电信号模式识别任务。最后,对信号中P300敏感成分进行了增强,然后利用卷积神经网络(Convolutional Neural Network,CNN)对P300脑电信号进行了时-空特征提取和分类识别。具体的研究内容如下:(1)提出了一种基于主成分分析(Principal Component Analysis,PCA)的自适应通道选择算法。由于相邻电极通道所记录的信息存在较大冗余,加剧了后续特征提取和模型构建过程的计算负担。本文首先利用实验过程中记录下的字符矩阵闪烁序列对含有P300电位响应的EEG样本进行叠加平均,以还原特定用户所产生的P300脑电波形。其次,使用PCA算法对电极通道维度进行旋转,目的是在某个维度下最大限度地保留经叠加平均后得到的P300波形信息。将该维度下的EEG序列称作P300主成分。数据经PCA运算之后可以得到该主成分对应的特征向量,其在各个维度下的数值代表了该主成分在原始通道维度下的信息含量。本文以此作为自适应敏感通道选择依据,对通道进行排序。(2)在独立成分层面探讨了P300脑电信号的特征提取方法。由于EEG信号的信噪比过低,P300电位成分易被淹没在其他背景信号当中。本文首先使用ICA盲源分离方法(Independent Component Analysis,ICA)将收集到混合信息分解为相互独立的源成分,以此来提高P300电位在某些独立成分当中的比重。其次,对含有P300电位响应的EEG样本执行同样方式的解混合操作,并在各个独立成分上叠加平均构造出P300电位响应模式在该解混合方式下的标准独立成分。然后,对所有样本数据执行解混合操作,并对各样本独立成分与各标准独立成分做相关性分析,本文采用的相关性分析方法包括时域上的皮尔逊相关分析,频域上的同调性分析以及时频域上的时频共信息法分析(Time-frequence Cross Mutual Information,TFCMI)。(3)构建了基于Bagging策略的SVM集成分类器。由于使用的P300数据集正负样本数量不均衡。本文首先采用随机抽取叠加平均的方式对少数样本类进行了扩充。此外,为了进一步提高分类器对二分类任务的识别性能,本文引入了Bagging集成策略,以有放回的抽样方式构造出20个训练子集用于训练同质弱分类器SVM,最终的样本类型判别通过投票方式决定。(4)提出了一种基于ICA的P300脑电信号增强算法。受ICA去除眼电伪迹过程启发,本文首先对样本解混合之后的各独立成分进行叠加平均,然后对得到的所有独立成分与上述P300主成分进行时域,频域以及时频域上相关性的分析,并以相关系数之和作为独立成分剔除指标。最后,利用剩余的独立分量将数据还原至原始尺寸。实验结果表明该信号增强算法对提高模型识别准确率有效。(5)设计了一种新型卷积神经网络对P300脑电信号进行模式识别。鉴于卷积神经网络在EEG模式识别任务上的优异表现,采用迭代方案设计了一种具有10层结构的卷积神经网络,该网络的卷积核被用来对EEG信号中的时-空信息进行提取。为了缓解过拟合问题,在网络中添加了dropout策略,并以batch-normalization加速其训练过程。实验结果表明本文所提模型的单样本识别准确率最高达到了98.3%,字符识别准确率最高达到了97%。
其他文献
激光雷达作为一种主动式扫描探测技术,可以快速获取周边环境的信息。随着激光雷达在机器人、无人驾驶等领域的广泛应用,国内外激光雷达市场迅速发展。鉴于目前市场上成熟的激光雷达产品存在价格昂贵、国外技术垄断和控制算法不开源等问题,本课题开展了激光雷达的设计研究工作。本文以移动机器人室内环境感知为背景,结合车载环境和实际应用需求,使用课题组自行研制的激光测距模块,设计了一种二维激光雷达扫描系统。设计的二维激
基于超宽带雷达的非接触式生命体征监测系统是将雷达技术应用于生物监测领域,其目的是通过非接触方式获取目标人体的呼吸和心跳频率。在新冠肺炎全球蔓延的大背景下,医院各方都在寻求更为有效与安全的监测手段,而基于超宽带雷达的非接触式生命体征监测系统,在保护病人生命安全的同时,也为前线医疗人员提供安全保障,集合了高效、安全的监测特征,不仅应用于防疫医疗监测,也适用于慢性病患者或老人居家呼吸心跳等健康体征监测,
语音识别技术在人工智能的推动下再一次迎来发展的热潮。人们迫切的希望在实际的生活当中,也能与智能机器有更好的交流,让机器听懂人们的语言,按照人们发布的指令正确的完成应答操作。但当下,语音识别技术走出实验室进入生活仍存在一些技术性难题。在没有噪声或者噪声很小的环境中,语音识别系统识别效果良好,会有较高的识别率;但当在背景噪声很大,或者识别环境更复杂的情况下,识别系统的性能就不如实验室安静环境下理想。所
语音增强是指从含噪语音中去除噪声,以提高语音质量和可懂度。目前已经有包括卡尔曼滤波在内的多种语音增强方法,其中卡尔曼滤波器的增强性能很大程度上取决于参数的估计精度,但是传统卡尔曼滤波方法中对于参数的估计存在缺陷,这会直接影响到卡尔曼滤波器的增强性能。此外由于早前的研究者认为相位对于语音质量的提高贡献有限,因此多数语音增强方法在对含噪语音进行增强时仅对幅度谱进行处理而相位则使用含噪语音相位直接代替。
混沌信号具有类噪声、高带宽、随机性强等特点,在加密通信、随机数发生器、车载激光雷达等领域有重要应用价值。特别是在激光雷达领域,混沌激光的功率决定了雷达的有效探测距离。因此,实现高功率的混沌激光产生是车载混沌激光雷达发展的必然趋势。1550nm波长处于激光的近红外波段,相比于传统激光雷达使用的800~1000nm波段激光信号,1550nm激光在雾霾、沙尘等低能见度天气下穿透能力更强,对人眼也更安全。
随机数从根本上决定着信息系统的安全,在全球通信安全和金融安全领域起着至关重要的作用。量子随机数的产生基于量子物理的不确定性本质,即量子的内禀随机性,是安全性信息论可证明的真随机数产生方案。在各类量子随机数产生方案中,基于连续变量量子态分量起伏不确定提取随机数的方案因其熵源及测量模型明确、探测系统高带宽、鲁棒性等优势尤具应用前景。对于实际的量子随机数产生方案,系统量子熵含量的严格评估、量子随机数的提
近年来随着无人驾驶技术的发展,激光雷达已经成为无人智能车中重要的环境感知设备,相比于与毫米波雷达,激光雷达具有距离分辨率高、抗交叉干扰能力强、体积小等优点,在高精度测距的同时可以实现高分辨成像。随着激光雷达的大量应用于无人驾驶汽车中,传统的脉冲激光雷达极易受到其他激光雷达的干扰或者人为干扰攻击,使得激光雷达出现探测错误、增加虚警概率,导致激光雷达产生误判,引发交通事故。因此在车载激光雷达领域,高精
天线具有收发电磁波的重要作用,在无线通信系统中的地位不言而喻,近年来无线通信技术飞速成长,系统对天线的要求也随之不断升高。微带天线因其容易和其他设备集成、尺寸小、成本低廉且容易制作等优点得到了广泛的使用,但是传统微带天线增益低、方向性差、带宽窄等缺点也成为众多学者需要攻克的难题。超材料的提出为改进微带天线性能打开了一条新的思路。电磁超材料是一种周期性排列的人工结构,所表现出来的逆多普勒、负折射率等
人体的脉搏波信号中包含了大量的能够显示人体各机能状态的生理和病理信息。其在人体健康的预测判别、疾病辅助诊断等方面具有重大的现实意义和广泛的应用价值,但传统脉诊过程中的非客观化因素,极大的阻碍了脉搏波信号背后隐藏的价值信息的挖掘,使得该生理信号的相关应用范围变得局限。通过设计相应的脉搏波信号采集记录装置,结合多种有效的信号特征分析方法,能够准确客观实现脉搏波信号的特征量化,借助高信息量以及低维的信号
为了从高维的数据中挖掘其内在的价值,并提高数据分析的时间效率,需要提取高维数据的低秩特征。主成分分析算法能够提取数据的低秩特征,提高机器学习算法的计算效率以及机器学习算法的泛化能力。经典的主成分分析算法存在不能提取含噪声数据的低秩特征的缺点,通过对鲁棒主成分分析算法的研究,能够解决传统的主成分分析算法不能提取含噪声数据的低秩特征的这一问题。现有的鲁棒主成分分析算法具有时间效率低下的问题,本文基于此