【摘 要】
：
为了进一步验证Bagging RCSP算法和Multi-bands FDBN算法的有效性,在智能轮椅控制系统平台上进行实验.将脑电和肌电信号融合后的分类结果作为控制指令,以智能轮椅为实验平台,完成整个控制系统的搭建.本文设计并搭建基于EEG加EMG融合的智能轮椅HMI系统,并在搭建好的系统上进行实验,验证它们在该BCI系统中的有效性.
【机 构】
：
重庆邮电大学重庆市信息无障碍与服务机器人工程技术研究中心,重庆400065
论文部分内容阅读
为了进一步验证Bagging RCSP算法和Multi-bands FDBN算法的有效性,在智能轮椅控制系统平台上进行实验.将脑电和肌电信号融合后的分类结果作为控制指令,以智能轮椅为实验平台,完成整个控制系统的搭建.本文设计并搭建基于EEG加EMG融合的智能轮椅HMI系统,并在搭建好的系统上进行实验,验证它们在该BCI系统中的有效性.
其他文献
针对DBN处理小样本脑电信号训练时间长且存在过拟合的问题,提出基于随机隐退的DBN算法对左右手运动想象脑电信号进行分类识别.先对原始脑电数据进行降维预处理,然后输入到随机隐退DBN模型中进行训练,得到最优参数值后进行分类识别.实验结果表明,与CSP、PCA、单一DBN网络等方法相比,基于随机隐退的DBN算法在保持较高识别率的同时,降低了对数据集的训练处理时间,证明了该方法的有效性.最后在智能轮椅平
为进一步提高人体下肢步态相识别的准确性,本文研究了融合表面肌电信号(sEMG)、膝关节角度和足底压力信号的人体下肢步态相识别方法.首先,将sEMG信号进行小波包分解提取多尺度能量和多尺度模糊熵特征;然后,对提取的sEMG信号特征值采用主成分分析(PCA)方法进行降维处理,并与足底压力特征值和膝关节能量特征值构成一组特征向量.最后,将特征向量输入粒子群优化最小二乘支持向量机(PSO-LSSVM)模型
日常行为动作感知和跌倒检测是健康监护中重要的一个方面,为更好的监护老年人身体健康,提出一种基于D-S证据理论的多分类SVM人体动作识别方法.首先分别采集下肢表面肌电信号和躯干的加速度信号并进行预处理和特征提取;其次分别输入SVM得到后验概率输出,最后在决策级对SVM多分类输出进行D-S证据理论融合.实验结果表明该方法对人体8种动作识别率88.75％,能正确分类采用单源信号时所错分的样本,有效提高单
为获取医学影像中的文本信息,提出了一种新的文本检测与识别办法.首先使用同态滤波与Laplacian-Sobel Product(LSP)进行文本增强,并通过形态学方法实现文本行定位;然后提出了一种基于边缘纵向投射曲线的无监督分割算法进行字符分割;最后设计了符合医学影像中文本特征的卷积神经网络(CNN)进行字符识别,并基于部分人工标定的图像,随机生成整个训练样本集.为克服繁衍训练样本与真实样本之间的
针对传统支持向量机(SVM)分类方法在脑电信号处理中存在寻优繁琐、工作量大和分类正确率低等问题,本文提出了一种基于人工蜂群(ABC)优化支持向量机惩罚因子C和核参数g的分类识别方法.首先利用正则化共空间模式(CSP)对脑电信号进行特征提取,然后利用ABC算法优化SVM的惩罚因子和核参数,最后利用提取的右手和右脚两类脑电信号样本特征对优化后的SVM进行训练和分类测试.实验结果表明ABC-SVM分类器
结合虚拟环境和体感交互技术,提出了一种基于姿势识别的虚拟环境自然交互方法.利用Kinect获取用户关节点信息,一方面通过运动重定向方法,实现对虚拟环境中用户化身的实时控制;同时利用用户骨骼向量间的角度和模比值信息,构建人体姿协特征向量,通过多类支持向量机对人体姿势进行识别,并根据识别结果控制虚拟角色实现与用户的自然交互.构建了基于姿势识别的虚拟家居交互系统,通过所定义姿势交互指令,实现与虚拟家居环
本文提出了一种在精准农业中适合无人机的非刚性图像特征匹配方法.首先,基于特征相似性构建一组初始的对应关系,然后着重于从初始对应集中去除异常值同时估计对应点之间的变换关系.将这一过程形式化为带有隐变量的贝叶斯模型的最大似然估计问题,其中隐变量指示初始集合中的匹配是正确匹配还是异常值.为了控制变换关系的复杂性,本文在可再生核希尔伯特空间中估计变换函数,并且引入流形正则化技术对变换函数进行约束,以有助于
输电塔上的绝缘子由于长期暴露在自然环境下,易发生自爆事故.根据绝缘子的巡检图像的特点,本文提出了基于过完备字典稀疏表示的绝缘子图像缺陷检测及提取方法,将绝缘子图像是否有缺陷的问题量化成数字描述问题.首先采用的是将OMP算法和K-SVD算法相结合构造过完备字典,然后利用稀疏表示和低秩理论对缺陷进行检测和提取.实验结果表明,该方法对背景简单的绝缘子巡检图像效果良好,准确有效的检测和提取了缺陷.
通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器结合,有效抑制背景、突显目标,并采用基于最小错误率的自适应阈值分割提取候选目标区域.在此基础上,采用改进的基于卷积神经网络的ITNet网络去甄别候选目标区域中的真伪小目标.当处理的对象是红外视频图像序列时,采用多目标关联滤波来进一步降低误识率.多组红外小目标图像序列的检测实验结果表明,本文
在全自主足球机器人技术中,场地线的识别是非常重要的一个环节,近年来机器人足球赛中开始采用人造草皮搭建比赛场地,这对机器人识别场地线的能力提出了更高的要求.本文针对RoboCup类人组比赛,提出一种改进的场地线识别方法.该方法在不影响实时性的前提下,具有更高的稳定性,在草地环境下也能有较高的识别率.该方法基于边缘检测技术,采用颜色表作为颜色识别方案,经过多步扫描、融合、滤波,达到准确识别场地线的效果