【摘 要】
：
针对注意力脑电信号的多分类研究、脑机接口系统的实验范式扩展等问题,设计了 一种基于稳态视觉诱发电位(SSVEP)和注意力脑电的混合脑机接口系统.首先,对注意力脑电的多级分类进行探索,设计了融合空间注意和脑力任务的注意力范式,改善注意力脑电的分类性能.脑机接口实验中,使用α波阻断信号实现SSVEP和注意力诱发界面的切换;SSVEP信号用于控制机器人的运动;注意力分级用于改变机器人的运动速度.实验招募了 10名被试进行脑机接口系统的实验,实验结果显示,注意力信号的三分类正确率达78.2％;被试控制机器人到达目
【机 构】
：
东北大学秦皇岛分校控制工程学院,河北秦皇岛066004
论文部分内容阅读
针对注意力脑电信号的多分类研究、脑机接口系统的实验范式扩展等问题,设计了 一种基于稳态视觉诱发电位(SSVEP)和注意力脑电的混合脑机接口系统.首先,对注意力脑电的多级分类进行探索,设计了融合空间注意和脑力任务的注意力范式,改善注意力脑电的分类性能.脑机接口实验中,使用α波阻断信号实现SSVEP和注意力诱发界面的切换;SSVEP信号用于控制机器人的运动;注意力分级用于改变机器人的运动速度.实验招募了 10名被试进行脑机接口系统的实验,实验结果显示,注意力信号的三分类正确率达78.2％;被试控制机器人到达目标位置的正确率可达100％.
其他文献
基于压缩感知的移动众包模式是解决环境信息监控中成本问题的有效途径.压缩感知能够通过部分采样点恢复出全部数据,而其恢复质量取决于采样点所包含信息与噪声的数量.本文针对这两方面对压缩感知进行了优化,从而进一步减少环境信息监控所需成本.首先,本文提出了一种基于经验的采样点选择算法EBCS(Experience Based Cell Selection),通过选取包含信息更多的采样点,减少了数据恢复所需要的采样点数量.其次,本文提出了一种改进的k-means算法IK(Improved K-means),对参与者提
随着5G的发展,网络传播以前所未有的速度向各领域渗透.其中,影响力分析是研究网络信息传播机制的关键技术.传统的影响力分析算法主要通过选取具有最大传播特性的种子节点用于网络传播.但在种子节点选取上,其度量算法没有反映社交网络中的潜在信息.这将对影响力传播分析造成影响,同时一旦社交网络结构遭到破坏,网络的传播能力将会受到影响.针对这一问题,本文首先定义了一种基于属性的朋友亲密度度量关系,量化网络中各用户的影响力;其次,提出了一种属性和亲密度兼顾的影响力算法,该算法综合考虑了网络的结构、属性和亲密度三者之间的关
针对基于微机电系统无人机的野值的辨识和处理,设计了一种基于模糊预测与扩展卡尔曼滤波(EKF)的野值剔除方法.首先,将角速度模长引入梯度下降法中,通过动态调整梯度步长,提高模糊预测量的精度,有效避免模糊预测时对阈值依赖性较高及野值剔除后造成的数据点丢失;其次,以新息作为野值的判别准则,利用加速度计测量值信任度因子调整新息判别阈值,从而剔除观测传感器的野值;然后,通过共轭梯度法将模糊预测值转化为姿态四元素重新修正卡尔曼滤波的状态估计.最后,基于所搭建的共轴双桨无人机实验平台系统验证所提算法的有效性.实验结果表
针对当前机器人时间最优轨迹规划算法存在的求解效率低、约束不完整等局限性,提出了 一种改进的基于可达性分析的时间最优轨迹规划算法.该算法基于路径离散化将整个规划问题转化为多阶段迭代求值问题,求解效率高;由于考虑了包含摩擦在内的全动力学约束以及运动学约束,算法求得的结果在保证时间最优的前提下更为符合机器人实际运动性能.数值仿真实验证实了本算法的可行性和求解高效性.
针对一种多柔性梁耦合结构进行研究,搭建了多柔性梁耦合结构实验平台,采用激光位移传感器对残余振动信号进行测量,并建立了有限元模型.为抑制其产生的残余振动,借助了神经网络的拟合效果,设计了神经网络控制器,包括了预测网络与控制网络.预测网络为长短时记忆(LSTM)神经网络,控制网络为反向传播(BP)网络,网络经过离线训练,并在线使用反向传播进行权值更新.通过仿真与实验,表明LSTM网络具有很好的预测作用,验证了神经网络控制器的有效性,总体上能更快抑制振动.
针对传统谱减算法在低信噪比情况下的性能不佳的问题,提出了一种基于Katz维数的改进谱减算法,利用一种新的动态调整过减因子α的策略实现对谱减法的改进,提升了算法性能.实验结果表明,相比于传统谱减法、小波变换法及谱减结合小波变换的语音增强法,所提算法在信噪比、主观感知质量和可懂度三个方面都得到了提升.
针对自动泊车辅助系统中的规划路径曲率不连续,导致车辆原地转向的问题,采用逆推法,根据车身结构和周围环境约束,确定了控制点,利用贝塞尔曲线的性质设计出一条曲率连续且无碰撞的参考路径.为了提高自动泊车的可靠性,根据离散线性二次规划的原理,设计一个结合前馈控制和反馈控制的跟踪控制器.在Simulink和CARSIM中的仿真结果验证了该方法的可行性,表明提出的方法在泊车位尺寸合适的情况下能有效的跟踪参考路径,误差在可接受的范围内.
轨道交通与地面公交的接驳换乘优化,是城市公共交通系统提升服务水平的重要建设方向.针对该问题,本文研究了在满足常规乘客乘车需求的前提下,如何通过优化公交发车时刻实现公交与轨道交通的高效换乘.首先,挖掘乘客出行轨迹信息获取轨道交通与常规公交的历史换乘客流量,然后训练多层感知器神经网络对轨道交通站点出站后换乘公交的客流需求进行预测.本文选取一条接驳多个轨道交通站点的常规公交线路作为研究对象,建立考虑换乘客流需求的公交发车时刻优化模型,以常规乘客和换乘乘客等待时间成本以及公交公司运营成本最小为目标,最后设计遗传算
针对自适应算法存在的不收敛问题,提出了一种Adam改进算法.通过引入多个超参数,并进行多次指数平滑,来弥补一次指数平滑的不足.此外,对二阶动量计算加以修正,预防了二阶动量数据发生不良的波动,从而达到平滑非预期的大学习率的效果.分别在Resnet模型和Densenet模型上对cifar10和cifar100数据集进行了对比实验.从实验可以看出,所提算法适用于不同的模型结构和不同数据集,与Adam算法相比,其准确率平均提升了 1.3％,同时为收敛问题提供了一种有效的解决方案.
护具佩戴检测和动作识别是智慧安监系统中的一个重要环节.针对传统并行识别方法准确率低且实时性不高的问题,提出了一种基于姿态估计的并行识别方案,利用一种基于距离和匈牙利算法的数据交互方法,将人员躯干和护具进行匹配,快速并行实现了护具佩戴检测与动作识别.并行识别方案利用深度可分离卷积,对Openpose模型的参数进行压缩,使Openpose模型轻量化,提高了该模型姿态估计的实时性,并提出了一种结合姿态信息的四边形检测法,解决了未佩戴护具(手持安全帽)的误判问题.在实时检测实验中,并行识别方案的手持安全帽的误判率