北京市自然科学基金(7132021)
- 作品数：9 被引量：54H指数：4
- 相关作者：李明爱杨金福孙炎珺田晓霞罗新勇更多>>
- 相关机构：北京工业大学博世(中国)投资有限公司更多>>
- 发文基金：北京市自然科学基金国家自然科学基金北京市教育委员会科技发展计划面上项目更多>>
- 相关领域：医药卫生机械工程电子电信更多>>
- 基于MI-BCI的上肢在线运动康复原型系统被引量：6
- 2017年
- 目的为实现单侧肢体运动想象与实际运动康复的身体部位及运动模式的一致化,进一步改善康复效果,本文设计了一种基于MI-BCI的上肢在线运动功能康复原型系统。方法该系统主要包括以g.MOBIlab脑电仪为核心的运动想象脑电信号(motor imagery electroencephalogram,MI-EEG)实时采集模块、在线处理模块及机械手臂控制模块等几部分。利用MATLAB和C语言混合编程及多线程技术完成对MI-EEG的实时采集、眼电伪迹去除、特征提取与分类,基于ARM9的S3C2440A微处理器设计机械手臂控制系统,控制模块与PC机间采用基于请求响应模式的通信协议,用手臂伸/屈MI-EEG的分类结果实现对机械手臂伸/屈同运动模式的实时控制。结果对5名受试者进行实际测试,对手臂伸/屈MI-EEG的平均识别率为76.75%,验证了系统的实用性。结论本系统具有良好的自适应性和实时性,为研制出更加自然、可临床应用的上肢运动康复系统奠定了基础。
- 李明爱罗新勇崔燕杨金福
- 关键词：上肢脑机接口
- 基于锁相值和图论的脑功能网络特征提取方法被引量：3
- 2019年
- 目的为了研究大脑运动想象时脑功能网络的状态变化,并区分运动想象任务,本文提出一种基于锁相值和图论的脑功能网络特征提取方法。方法首先获取Mu节律和Beta节律的运动想象脑电信号(motor imagery electroencephalography,MI-EEG),计算任意两导相同节律MI-EEG之间的锁相值;然后分别构建两个节律的脑功能网络,并提取6种全局网络特征参数,对其归一化处理后进行串行融合获得特征向量;最后以支持向量机(support vector machine,SVM)作为分类器,采用10折交叉验证法,在BCI Competition III Data Sets IIIa数据集上对两种运动想象任务进行分类。结果相比于其他脑网络特征提取方法,本文方法获得了较高的识别率,最高识别率和平均识别率分别达到100. 00%和83. 33%。结论从脑功能网络的角度,通过构建Mu节律和Beta节律两个运动节律MI-EEG的脑功能网络,提取多个反映大脑网络整体信息的特征,相对于构建单一运动节律MI-EEG的脑功能网络,提取单个网络特征参数,能够有效改善运动想象任务的识别效果,为MI-EEG信号的特征提取方法提供了一种新的思路。
- 李明爱南琳孙炎珺
- 关键词：图论特征提取
- 眼电伪迹自动去除方法的研究与分析被引量：7
- 2014年
- 脑电信号采集时很容易受到眼电信号的干扰,从而影响脑机接口系统的性能。为此,提出一种基于离散小波变换(DWT)和典型相关分析(CCA)的眼电伪迹自动去除方法,即DCCA法。首先,对采集的多导脑电信号和眼电信号进行离散小波变换,获得多尺度小波系数,并利用典型相关分析去除小波系数间的相关性,得到互不相关的典型小波系数;进而,利用相关系数判别眼迹成分,将相应典型小波系数置零并依次采用CCA逆变换和DWT逆变换重构剔除眼电伪迹后的脑电信号。基于9位实验者的4种眼电数据进行实验研究,并从统计学的角度对实验结果进行显著性检验。结果表明,DCCA法相对其他方法在均方根误差、信噪比方面具有显著优势,且具有较好的实时性,并表现出较强的适应能力。
- 李明爱梅意城孙炎珺杨金福
- 关键词：离散小波变换
- 基于小波包法与CSSD的P300特征提取方法被引量：2
- 2014年
- 针对P300电位信号微弱、抗干扰能力差、识别率低等问题,提出一种小波包变换(wavelet packet transform,WPT)与共空域子空间分解法(spatial subspace decomposition,CSSD)相结合的特征提取方法,即WPCSSD法.首先,对脑电信号进行叠加平均以提高信号的信噪比;其次,使用小波包法对脑电信号进行滤波,并依据P300电位的有效时频信息重构脑电信号;然后,求取其AR模型功率谱,并基于CSSD法构造空间滤波器,获得能体现P300电位时-频-空特征的特征向量;最后,以支持向量机为分类器进行分类.实验结果表明:本方法具有较强的抗干扰能力和自适应能力,在国际BCI竞赛数据集上获得了95.22%的分类正确率,证明了本方法的正确性和有效性.
- 李明爱李骧杨金福郝冬梅
- 关键词：P300电位特征提取小波包
- 基于小波包和深度信念网络的脑电特征提取方法被引量：26
- 2018年
- 针对运动想象脑电信号(motor imagery electroencephalography,MI-EEG)的时变性、个体差异性等特点,提出一种将小波包变换(wavelet packet transform,WPT)与深度信念网络(deep belief networks,DBN)相结合的脑电特征自动提取方法,记为WD法。首先,利用平均功率谱方法对MI-EEG进行时域分析,选取有效的时序段。其次,使用WPT对有效时域段的各导MI-EEG进行时频分解,并选取与想象任务相关的频段信息重构脑电信号;然后,将各导重构MI-EEG串接,并将其瞬时功率信号输入给DBN模型实现特征自动提取。最后,利用Softmax分类器完成脑电想象任务的模式分类。在DBN模型训练中通过增加Dropout训练技巧来解决因训练数据少等引起的过拟合问题,以提高分类结果。利用BCI标准竞赛数据库进行实验研究,5-折交叉验证法取得了94.06%的分类准确率,证明该方法能够充分利用脑电的神经生理学特点,自适应地提取个性化的深层脑电特征,有利于改善分类效果。
- 李明爱张梦孙炎珺
- 关键词：小波包变换DROPOUT
- 基于改进CSSD的脑电信号特征提取方法被引量：1
- 2013年
- 针对脑-机接口系统在训练样本较少的情况下,存在脑电(EEG)信号特征值稳定性低、特征向量区分度差等不足,提出一种脑电特征提取方法,即正则化共空域子空间分解法(R-CSSD).该方法在传统共空域子空间分解(CSSD)算法的基础上引入正则化思想,通过正则化参数将目标实验者的训练数据与其他实验者(称为辅助实验者)的同类型训练数据进行有效结合,以构造正则化空间滤波器,完成对目标实验者运动想象EEG信号的特征提取,并进一步选用K近邻(KNN)算法实现脑电数据的分类.实验结果表明:在小训练样本情况下,R-CSSD方法有效提高了脑电信号特征值的稳定性,在提高分类正确率、降低时间消耗方面具有良好的性能.
- 李明爱陆婵婵杨金福
- 关键词：特征提取正则化方法小样本
- 基于局域均值分解与典型相关分析的眼电伪迹去除方法被引量：2
- 2016年
- 为消除眼电伪迹(ocular artifact,OA)对脑电信号(electroencephalography,EEG)造成的严重影响,提出一种基于局域均值分解法(local mean decomposition,LMD)与典型相关分析(canonical correlation analysis,CCA)的眼电伪迹自动去除方法,记为LMDC法.首先,利用LMD将每导脑电采集信号自适应地分解为一系列具有物理意义的乘积函数(production function,PF)分量,通过CCA去除PF分量之间的相关性,获得相应的典型变量;其次,计算每导脑电信号与多导眼电信号间的相关系数矩阵,实现眼迹成分的自动识别,将典型相关变量中对应眼迹成分的部分随机变量置零,其余随机变量不变,得到新的典型相关变量;最后,基于CCA逆变换将新的典型相关变量投影返回得到眼迹去除后的PF分量,并进一步重构出眼迹去除后的脑电信号.基于BCI竞赛数据库进行实验研究,结果表明:LMDC法相对其他常用方法获得了较好的眼迹去除效果,并对多位实验者和多种眼迹表现出较强的自适应性.
- 李明爱田晓霞孙炎珺杨金福
- 关键词：脑电信号局域均值分解自适应
- Removing Ocular Artifact in EEG with Canonical Correlation Analysis and Discrete Wavelet Transform
- The ocular movements are inevitable in electroencephalography(EEG) collection, and the induced ocular artifact...
- Ming-ai LIYi-cheng MEIDong-mei HAO
- 脑电中眼电伪迹的自动识别与去除被引量：4
- 2018年
- 目的为改善脑电中眼电伪迹的去除效果,基于脑电的非平稳性和模糊特点,提出一种将离散小波变换与二阶盲辨识相结合,并以模糊熵为眼电伪迹判别准则的眼电伪迹去除方法。方法首先,采用离散小波变换对含噪的脑电信号进行多分辩分析,获得平稳性更好的多尺度小波系数;进而,选择同层的小波系数构成小波系数矩阵,并基于二阶盲辨识对其盲源分离,得到源信号的估计;进一步以模糊熵为判别依据,实现眼电伪迹的自动判别与剔除。实验数据采用BCI Competition IV公开数据库,使用信噪比、相关系数及均方根误差等常用伪迹判别指标进行衡量。结果本文方法相对于常用的眼电伪迹去除方法在多个性能指标上均取得最大值。结论本文提出的眼电伪迹去除方法,实现了眼电伪迹的自动精确判断与剔除,并表现出很好的稳定性。
- 李明爱刘帆
- 关键词：脑电信号离散小波变换模糊熵
- Channel Selection with EEG Source Imaging
- Brain computer interface(BCI) is a technology recording brain signals and translate into machine language to d...
- Ming-ai LIChun-ting ZHANGYan-jun SUN
- 关键词：EEG
