您的位置: 专家智库 > >

云南省应用基础研究基金(2013FB026)

作品数:8 被引量:80H指数:5
相关作者:伏云发熊馨李松余正涛刘传伟更多>>
相关机构:昆明理工大学中国科学院中国科学院大学更多>>
发文基金:云南省应用基础研究基金云南省教育厅科学研究基金国家自然科学基金更多>>
相关领域:自动化与计算机技术医药卫生轻工技术与工程更多>>

文献类型

  • 8篇中文期刊文章

领域

  • 6篇自动化与计算...
  • 2篇医药卫生
  • 1篇轻工技术与工...

主题

  • 4篇脑电
  • 4篇机器人
  • 3篇稳态视觉诱发...
  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 2篇脑机接口
  • 2篇接口
  • 2篇SSVEP
  • 1篇单通
  • 1篇单通道
  • 1篇单眼
  • 1篇多机器人
  • 1篇多机器人协作
  • 1篇多模态
  • 1篇信号
  • 1篇寻优
  • 1篇延时
  • 1篇预处理

机构

  • 8篇昆明理工大学
  • 2篇中国科学院
  • 1篇中国科学院大...

作者

  • 8篇伏云发
  • 4篇李松
  • 4篇熊馨
  • 3篇余正涛
  • 2篇徐保磊
  • 2篇孙会文
  • 2篇刘传伟
  • 1篇李洪谊
  • 1篇李勃
  • 1篇王越超
  • 1篇郭衍龙
  • 1篇杨秋红
  • 1篇杨俊
  • 1篇陈健
  • 1篇张建平
  • 1篇李永程

传媒

  • 3篇自动化学报
  • 3篇生物医学工程...
  • 1篇四川师范大学...
  • 1篇传感器与微系...

年份

  • 1篇2021
  • 2篇2018
  • 1篇2017
  • 2篇2016
  • 1篇2015
  • 1篇2014
8 条 记 录,以下是 1-8
排序方式:
基于HHT运动想象脑电模式识别研究被引量:43
2015年
脑机接口是一种变革性的人机交互,其中基于运动想象(Motor imagery,MI)脑电的脑机接口是一类非常重要的脑机交互.本文旨在探索有效的运动想象脑电特征模式提取方法.采用在时域、频域同时具有很高分辨率的希尔伯特–黄变换(Hilbert-Huang transform,HHT),进而提取自回归(Auto regressive,AR)模型参数并计算运动想象脑电平均瞬时能量,从而构造特征向量,最后利用能较好地适应运动想象脑电单次试验分类的支持向量机(Support vector machine,SVM)进行分类.结果表明在Trial的5.5~7.5 s期间,HHT特征提取方法平均分类正确率为81.08%,具有良好的适应性;最高分类正确率为87.86%,优于传统的小波变换特征提取方法和未经HHT的特征提取方法;在Trial的8~9 s期间,HHT特征提取方法显著优于后两种特征提取方法.本研究证实了HHT对运动想象脑电这一非平稳非线性信号具有很好的特征提取能力,也再次验证了运动想象事件相关去同步(Event-related desynchronization,ERD)现象,同时也表明运动想象脑电的脑–机交互系统性能与被试想象心理活动的质量密切相关.本文可望为基于运动想象脑电的在线实时脑机交互控制系统的研究打下坚实的基础.
孙会文伏云发熊馨杨俊刘传伟余正涛
关键词:脑机接口脑电
五种SVM参数寻优识别运动想象脑电比较研究被引量:9
2017年
支持向量机(SVM)在脑电(EEG)分类中效果较好,其参数寻优方法直接关系着分类的准确率和所需时间。为了探索参数寻优对分类效果的影响,本文采用了固定参数寻优、直接寻优、网格寻优、遗传算法(GA)寻优和粒子群优化算法(PSO)寻优五种参数寻优方法,以BCI Competition IV data 2b数据集进行实验测试,对带通滤波后的数据进行瞬时能量特征的提取,利用五种寻优的参数分类器,得到了9名被试者4~7 s时间内数据的分类准确率和分类所需时间。在用网格寻优和粒子群寻优的分类下,被试S4和被试S8的准确率分别高达96.875%和88.125%,用时最短为3.059 s。直接寻优和固定参数方法的准确率虽低,但分类用时仅为0.002 s和1.305 s,实时性上,更加适合于应用到在线系统中。
李松伏云发陈健张建平
关键词:脑电支持向量机参数寻优
基于SSVEP直接脑控机器人方向和速度研究被引量:9
2016年
直接用思维意图来控制机器人而没有大脑外周神经和肌肉的参与是人类的一个梦想,目前这一研究已成为国际前沿热点和突破点.传统的脑控机器人(Brain-controlled robot,BCR)主要控制其方向,而本文旨在探讨能够同时脑控机器人方向和速度的有效方法.采用可分类目标数多、单次识别率高且训练时间短的稳态视觉诱发电位(Steady state visual evoked potentials,SSVEP)脑机交互(Brain-computer/machine interaction,BCI/BMI)方法,为脑控机器人运动规划了向左、向右、前进和后退4个方向,设计了低速、中速和高速3级运动速度并组合了9个脑控指令;进而比较并优化了SSVEP刺激目标布局间距以及刺激目标闪烁时间,采用典型相关分析(Canonical correlation analysis,CCA)进行识别.结果表明恰当设置SSVEP刺激目标数及其布局间距和刺激目标闪烁时间,可以有效提高被试/用户直接脑控机器人的性能;优化的SSVEP刺激范式三结合适应SSVEP解码的典型相关分析,8名被试脑控机器人到达终点平均用时为2分40秒,最少用时1分29秒;同时,在脑控机器人运动过程中触碰障碍平均次数为0.88,最少碰触次数为0.本研究显示基于SSVEP的脑机交互可以作为直接脑控机器人灵活运动的一种可选方法,能够实现对机器人多个运动方向和多级速度的控制;也证实了适当增加刺激目标间距可以有效提高SSVEP-BCI脑控指令识别的正确率,说明了该脑控方法的性能与刺激被试的范式有关;再次验证了CCA算法在基于SSVEP的脑机交互中具有优良的效果.最后,为克服单一SSVEP范式存在的局限,本研究也尝试把该范式与运动想象相结合的混合范式用于脑控机器人方向和速度,并进行了初步的研究,表明可以进一步改善控制速度和提高被试舒适度.本文可望为基于SSVEP或与运动想象混合的脑机交互应用于分级或精细控制机器人方向和速度提供思路,并为直接�
伏云发郭衍龙李松熊馨李勃余正涛
关键词:稳态视觉诱发电位
一种多模态脑电和近红外光谱联合采集头盔设计及实验研究被引量:4
2018年
多模式脑—机接口和多模式脑功能成像是目前和未来的发展趋势。本研究针对基于脑电-近红外光谱(EEG-NIRS)的多模态脑—机接口,为同时采集运动区的脑活动,设计了一种EEG和NIRS联合采集的头盔并进行实验验证。根据10-20系统或10-20扩展系统、NIRS探头和EEG电极直径和间距,以C3或C4为基准电极对近红外探头进行对准,把EEG电极置于NIRS电极之间,同时测量同一功能脑区NIRS变化和与之对应的EEG变化;采用螺纹旋紧的方式耦合近红外探头夹持器和近红外探头。为验证该多模态EEG-NIRS联合采集头盔的可行性和有效性,在涉及右手握力和握速运动想象共6个任务期间,采集了6个健康被试运动区的NIRS和EEG信号。这些信号在一定程度上可能反映了握力和握速运动想象相关的脑活动。实验表明本文设计的EEG和NIRS联合采集头盔可行并有效,不仅能够为基于EEG-NIRS的多模态运动想象脑—机接口提供支持,也可望为EEG-NIRS多模态脑功能成像研究提供支持。
熊馨伏云发张夏冰李松徐保磊尹旭贤
关键词:多模态脑电近红外光谱
基于左右手运动想象单通道脑电信号的预处理研究被引量:8
2016年
在左右手运动想象的脑电(EEG)分析方法中,目前大多针对多通道采集的EEG数据,难以应用到单通道脑机接口(BCI)中。本文采用一种改进的独立成分分析(ICA)方法,实现了对EEG数据有效的预处理。首先,对数据进行线性漂移校正,去除数据漂移;然后采用延时窗口数据增加虚拟通道数,利用ICA除去EEG数据中的伪迹,即眼电和心电;最后利用希尔伯特-黄变换(HHT)后的瞬时幅值,求平均瞬时能量特征并分类。实验证明,该方法测试性完成了EEG数据的预处理工作,提高了单通道EEG信号的分类率,可为单通道的便携式BCI研究打下基础。
李松伏云发杨秋红刘传伟孙会文
关键词:单通道
基于运动相关皮层电位握力运动模式识别研究被引量:11
2014年
面向基于脑–机接口(Brain-computer interface,BCI)的脑–机交互控制(Brain-machine interaction control,BMIC)—直接脑控机器人,提出一种新的左、右手握力运动参数范式,在该范式下探索左、右手握力运动相关皮层电位/运动相关电位(Movement-related potentials,MRPs)的时域特征表示并识别握力运动模式.在涉及左、右手4个不同任务的实验中采集了11个健康被试的脑电信号,任务期间要求被试以2种握力变化模式之一完成自愿握力运动,每种任务随机重复30次.不同握力任务之间具有显著差异的运动相关电位特征用于识别握力运动模式.分别用基于核的Fisher线性判别分析和支持向量机识别4个不同的握力运动任务.研究结果进一步证实运动相关电位可以表征握力运动规划、运动执行和运动监控的脑神经机制过程.基于核的Fisher线性判别分析和支持向量机分别获得24±4%和21±5%的平均错误分类率.最小误分类率是12%,所有被试平均最小误分类率为20.9±5%.与传统的仅仅识别参与运动的肢体类型以及识别单侧肢体运动参数的研究相比,本研究可望为脑–机交互控制/脑控机器人接口提供更多的力控制意图指令,奠定了后续的对比研究基础.
伏云发徐保磊李永程李洪谊王越超余正涛
关键词:支持向量机脑-机接口
直接脑控多机器人协作任务研究被引量:2
2018年
脑控是一种新的控制方法。传统脑控机器人主要是控制单个机器人完成特定任务,而脑控多机器人协作(MRC)任务是一个有待研究的新课题。本文介绍了参加世界机器人大赛"脑—机接口(BCI)脑控机器人比赛"获得"创新创意奖"的一个试验研究,试验设置了2个脑开关,采用基于稳态视觉诱发电位(SSVEP)的BCI(SSVEP-BCI)控制人形机器人和机械臂完成协作任务。通过10名受试者的控制试验结果表明,通过适当设置脑开关,采用性能优良的SSVEP-BCI能够实现MRC任务的有效完成。本研究可望为未来实用化的脑控MRC任务系统的研究提供启发。
张超熊馨任泓锦伏云发
关键词:多机器人协作稳态视觉诱发电位
影响单眼SSVEP控制的视力因素研究被引量:1
2021年
基于稳态视觉诱发电位脑机交互方法的脑控机器人研究是国际上的热点话题.从20名被试中选取8名双眼具有不同视力差的被试,完成长时间单眼SSVEP机器间协作控制.通过总平均时长为11分41秒的实验得到双眼和单眼SSVEP控制的平均准确率分别为86.85%和82.74%.本研究显示,对于传统SSVEP刺激范式长时间单眼SSVEP机器间协作任务控制的准确率可以满足基本控制要求,被试双眼视力差值较大时会降低SSVEP控制的准确率.本研究结果可望应用于基于单眼SSVEP可穿戴设备的开发以及单眼SSVEP控制的相关研究,期望为脑控多机器人协作任务推向实用化控制打下一定的基础.
任泓锦张超伏云发
关键词:稳态视觉诱发电位
共1页<1>
聚类工具0