【摘 要】
:
基于运动想象(Motor Imagery,MI)的脑机接口系统在卒中患者运动功能恢复方面占有一定地位,因此运动想象脑电信号(Electroencephalogram,EEG)的高精度分类具有重要意义。随着运动想象种类以及被试者数量的增加,算法的分类性能需要得到提升。本文基于深度学习方法研究MI-EEG信号的分类。本文主要工作为以下内容:1.总结基于深度学习的MI-EEG信号分类算法。对近几年国内外
论文部分内容阅读
基于运动想象(Motor Imagery,MI)的脑机接口系统在卒中患者运动功能恢复方面占有一定地位,因此运动想象脑电信号(Electroencephalogram,EEG)的高精度分类具有重要意义。随着运动想象种类以及被试者数量的增加,算法的分类性能需要得到提升。本文基于深度学习方法研究MI-EEG信号的分类。本文主要工作为以下内容:1.总结基于深度学习的MI-EEG信号分类算法。对近几年国内外利用深度学习方法分类MI-EEG信号的研究进行了总结,主要内容如下:输入数据的形式主要有原始数据、图像和提取特征;数据增强方法主要有滑动窗口、添加噪声、对抗生成网络、分割重组;神经网络模型主要有卷积神经网络(Convolutional Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN),以及两者的混合。2.提出基于深度学习的端到端分类模型。首先,本文根据EEG信号多通道时间序列信号的特点,提出一种新的样本表示方法,将多通道信号转化为单通道处理。这种表示方法能够增加神经网络输入样本数量的同时减小计算量。然后,设计了多层一维CNN模型,自动学习EEG信号中隐藏的与不同运动想象任务有关的时频信息。最后,考虑到运动想象为一种时间上的持续性状态,提出在单独CNN模型的基础上加入RNN的变体门控循环单元(Gated Recurrent Unit,GRU),分别设计了串联CNN-GRU和并联CNN-GRU混合网络模型。混合网络模型在提取时频信息的基础上,增加了采样点之间存在的时间依赖信息。实验结果表明,本文所提方法在公共数据集上的性能优于前沿算法。且混合网络模型的抗噪能力更强,在实际数据上的效果均优于单独的CNN模型,其中串联CNN-GRU模型的表现最为突出。3.完成实际数据的采集以及控制应用。设计了基于音频引导的运动想象实验范式,共采集了14名被试者的运动想象脑电信号作为实际数据集。利用算法对实际采集数据集进行分类,最高得到90%的准确率。最后,将运动想象脑电信号四分类算法应用到智能车控制中,分类结果输出转化为控制智能车前后左右运动的命令。
其他文献
织物瑕疵严重影响产品质量和企业效益,传统人工检测制约着生产效率的提升。机器视觉及深度学习的快速发展,为瑕疵检测领域带来新的发展机遇,极大提升了检测精度和效率。针对织物瑕疵检测研究中存在的瑕疵种类多、尺度差异大、干扰因素复杂等问题,本文在现有研究基础上提出一种浅层特征提取和深度学习相结合的检测方法,主要研究内容如下:首先针对工业相机采集图像存在对比度差、目标特征不明显等干扰检测精度的问题,提出一种既
碳纤维缠绕瓶具有质量轻、强度高、抗疲劳性能好、工作寿命长等优点,能够用于新能源汽车的氢能源储藏容器。碳纤维缠绕瓶属于特种设备,在高周疲劳载荷、物理冲击等作用下容易出现结构性缺陷,引起爆炸、中毒等重大安全事故。电磁层析成像技术(Electromagnetic Tomography,EMT)基于电磁感应原理,是一种过程层析成像技术,能够对具有电磁特性的物质进行物场图像重构,电磁层析成像具有非接触、低成
纺织行业在“十四五”时期坚持现代化发展的新格局,大力发展纺织智能制造,持续提高生产效率。在现代化织造过程中,纱线张力直接影响着织物成型质量和生产速度,由于线材的更新迭替和生产效率的提高,对纱线张力的精确测量要求愈加苛刻。当前的接触式张力测量存在不可避免与装置直接接触的问题,磨损测量装置,同时接触易改变纱线运动状态,使其受到附加摩擦,影响张力测量的准确性。随着机器视觉技术的发展,为纱线张力检测提供新
近年来,不断发展的人工智能技术推动着各行业的进步,与汽车相关的新兴技术蓬勃发展。汽车辅助驾驶领域的兴起,吸引国内外众多研究机构进行开发。辅助驾驶通过感知汽车周围环境,为驾驶员提供路况信息。作为传达周围道路环境信息的主要载体,交通标志在保障交通安全、道路车流量调度方面发挥重要作用。因此,交通标志检测技术成为辅助驾驶的核心构成之一。计算机视觉的不断发展,给交通标志检测带来了新思路,尤其是Anchor-
火炮是国家军事力量的重要组成部分,一直倍受关注。而身管作为火炮中最为关键的部件,在其服役过程中,炮膛内壁因炮弹的磨损挤压、火药的高温侵蚀、膛线的老化破损等负面因素,直接影响着火炮的打击精度、使用寿命、射击稳定。所以对炮管内壁形貌的检测和损伤点的定位是十分必要的。本文针对这种现状,研制了膛内爬行机器人控制系统,并对其控制方式、数据采集方式、同步时钟等关键技术进行了研究,以满足高精度数据采集和高精度瑕
碳纤维增强复合材料(Carbon Fiber Reinforced Plastics,CFRP)具有耐疲劳、抗蠕变、高强度等优点,被广泛应用于航空航天、汽车电子与体育器材等领域。然而在生产与使用过程中,碳纤维增强复合材料会产生诸如纤维断裂、分层等缺陷,存在极大的安全隐患,且每种缺陷所造成影响与修补方法不尽相同,因此需要对碳纤维增强复合材料缺陷进行快速有效的检测与分类。本文采用电磁无损检测的方法,对
在许多临床专科工作中,医师们经常需要进行组织修补的临床决策。组织修补材料经过数十年的发展,已经成为临床组织修补方案中极其重要的要素。组织修补材料有各种不同角度的分类方法,然而其中对于临床决策意义较大的分类方法是根据材料植入宿主体内后的转归结果进行分类,因为材料植入体内后的转归结果才是与临床治疗效果最直接相关的因素。本文从材料体内转归的角度提出了一个组织修补材料分类的框架,并概述了其中临床常用的几种
路径规划作为移动机器人研究的重要方向,是指机器人能够从起始点到目标点之间有效避开障碍物,自主规划出一条合理的路径轨迹,是实现导航任务的关键。传统路径规划算法对已知地图环境下的路径规划已有显著研究成果,但未知地图环境下仍存在很大的研究空间。深度强化学习算法可以利用机器人与环境之间的探索和交互学习来解决这一问题。深度强化学习算法是通过深度学习对环境进行感知,利用强化学习对感知的信息做出决策判断。因此,
甲片产品的识别与定位方法是甲片产品自动分拣系统的关键技术。由于甲片产品的大小与颜色具有多样性,其位姿变化具有不确定性,以及背景环境和光照的影响,对甲片产品的识别与定位方法提出了苛刻的要求。为此,本文结合深度学习对甲片产品的识别与定位方法展开了研究。为了更高效地实现甲片产品的识别与检测,提出了一种基于改进FCOS(Fully Convolutional One-Stage)的轻量化检测网络FCOS-
往复式压缩机是海上石化平台的重要设备。提前预知压缩机是否发生故障,保证其平稳运行,对于工业生产高效率和维护平台人员人身安全具有重要意义。本文以某石油平台三台往复式压缩机的实际采集数据为基础,通过对多维数据进行分析,以数据的时间和空间特征信息融合为整体研究方向,实现压缩机整体运行状态预测与故障诊断。具体研究内容如下:往复式压缩机的多维时序数据具有丰富的时间和空间信息,因此获取数据的时间和空间特征是实