期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于脑电和惯性同步分析的神经动力学耦合研究
1
作者
谢平
蔚建
+3 位作者
张腾宇
程生翠
吕岩
陈晓玲
《数据采集与处理》
CSCD
北大核心
2022年第4期736-746,共11页
运动控制是神经、运动和感觉功能的多方面协调及信息交互作用过程,探究运动系统中运动⁃生理信息间的关联关系对于理解人体运动控制机制具有重要意义。为此,本文通过对脑电信号(Electroencephalogram,EEG)和惯性信息中的加速度信号(Accel...
运动控制是神经、运动和感觉功能的多方面协调及信息交互作用过程,探究运动系统中运动⁃生理信息间的关联关系对于理解人体运动控制机制具有重要意义。为此,本文通过对脑电信号(Electroencephalogram,EEG)和惯性信息中的加速度信号(Acceleration,ACC)进行相干分析,探究上肢静息态和任务态时EEG和ACC信号间的因果关系及演变规律。首先,通过对7名受试者的EEG和ACC信号进行预处理,去除信号中的干扰成分;进一步,分别计算在静息态、任务态(动态力、静态力)下的EEG和ACC信号间的相干性结果,并通过显著相干的阈值指标来计算显著性面积进而实现量化分析。结果显示,在动态力下的EEG⁃ACC相干显著性面积大于静态力下的值,静态力下的显著性面积大于静息态下的值;且分别在左、右侧上肢运动时,EEG的C3、C4通道与ACC间的显著性面积也呈现出在对侧运动脑区显著。研究结果表明,EEG和ACC信号间的同步特征在上肢运动的静息态、任务态(动态力、静态力)下有显著特征,这有助于深入理解神经⁃运动控制机制,为运动功能评估提供新的定量指标,进而为运动功能障碍疾病的早期诊断提供理论依据。
展开更多
关键词
脑电信号
惯性信号
运动控制
相干分析
同步分析
在线阅读
下载PDF
职称材料
基于脑肌电反馈的虚拟康复训练系统设计
被引量：
21
2
作者
谢平
刘欢
+2 位作者
王磊磊
程生翠
陈伟
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2018年第1期250-257,共8页
针对虚拟康复系统在个体适应性、安全可行性和主动参与性等方面的研究需求,提出一种基于脑肌电反馈的虚拟康复系统。采集执行不同手势动作对应的脑电信号及表面肌电信号,提取不同肌肉模块的肌电特征送入支持向量机模型进行运动意图识别...
针对虚拟康复系统在个体适应性、安全可行性和主动参与性等方面的研究需求,提出一种基于脑肌电反馈的虚拟康复系统。采集执行不同手势动作对应的脑电信号及表面肌电信号,提取不同肌肉模块的肌电特征送入支持向量机模型进行运动意图识别;提取脑电和肌电疲劳特征,并提出一种萤火虫-模糊神经网络算法,通过脑肌电疲劳特征实时优化调节虚拟场景的控制参数。最后,搭建包含虚拟场景及反馈控制策略的虚拟康复系统,并针对上肢肘关节屈伸、肩关节前屈后伸动作进行康复训练实验,基于肌电特征模式识别结果实现对虚拟场景及目标的控制,基于脑肌电疲劳特征优化调整场景控制参数,通过虚拟系统康复实验验证系统的有效性。
展开更多
关键词
脑肌电反馈
个体适应性
虚拟康复
特征提取
萤火虫-模糊神经网络
在线阅读
下载PDF
职称材料
基于多生理信息及迁移学习的驾驶疲劳评估
被引量：
13
3
作者
谢平
齐孟松
+2 位作者
张园园
刘兆军
程生翠
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2018年第10期223-231,共9页
目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、...
目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、心电信号和颈部肌电信号,基于时频分析方法和复杂度分析方法提取各生理信号特征并进行融合;然后,基于特征空间内大间隔映射（LMPROJ）的迁移学习方法实现对单一源域到目标域疲劳状态的初步判别;最后,将上述多个单一源域到目标域疲劳状态的判别结果进行决策级融合,以提高驾驶疲劳识别算法的准确性和鲁棒性。实验结果表明,基于多生理信号特征融合及迁移学习的驾驶疲劳识别率高于传统机器学习方法,且能提高不同受试者驾驶疲劳检测的鲁棒性,为多生理信号驾驶疲劳检测研究提供了新方法。
展开更多
关键词
多生理信号
迁移学习
特征融合
决策级融合
驾驶疲劳
在线阅读
下载PDF
职称材料
题名
基于脑电和惯性同步分析的神经动力学耦合研究
1
作者
谢平
蔚建
张腾宇
程生翠
吕岩
陈晓玲
机构
燕山大学河北省测试计量技术及仪器重点实验室
燕山大学河北省智能康复及神经调控重点实验室
国家康复辅具研究中心北京市老年功能障碍康复辅助技术重点实验室
国家康复辅具研究中心民政部神经功能信息与康复工程重点实验室
出处
《数据采集与处理》
CSCD
北大核心
2022年第4期736-746,共11页
基金
国家自然科学基金(U20A20192,61901407,62076216)
河北省重点研发计划(21372005D,19214306D)
+2 种基金
河北省教育厅高等学校科学技术研究项目(QN2019011)
燕山大学基础创新科研培育项目(2021LGZD010)
河北省创新能力提升计划项目(22567619H)。
文摘
运动控制是神经、运动和感觉功能的多方面协调及信息交互作用过程,探究运动系统中运动⁃生理信息间的关联关系对于理解人体运动控制机制具有重要意义。为此,本文通过对脑电信号(Electroencephalogram,EEG)和惯性信息中的加速度信号(Acceleration,ACC)进行相干分析,探究上肢静息态和任务态时EEG和ACC信号间的因果关系及演变规律。首先,通过对7名受试者的EEG和ACC信号进行预处理,去除信号中的干扰成分;进一步,分别计算在静息态、任务态(动态力、静态力)下的EEG和ACC信号间的相干性结果,并通过显著相干的阈值指标来计算显著性面积进而实现量化分析。结果显示,在动态力下的EEG⁃ACC相干显著性面积大于静态力下的值,静态力下的显著性面积大于静息态下的值;且分别在左、右侧上肢运动时,EEG的C3、C4通道与ACC间的显著性面积也呈现出在对侧运动脑区显著。研究结果表明,EEG和ACC信号间的同步特征在上肢运动的静息态、任务态(动态力、静态力)下有显著特征,这有助于深入理解神经⁃运动控制机制,为运动功能评估提供新的定量指标,进而为运动功能障碍疾病的早期诊断提供理论依据。
关键词
脑电信号
惯性信号
运动控制
相干分析
同步分析
Keywords
electroencephalogram
inertial measurement unit
motion control
coherence analysis
synchronous analysis
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
基于脑肌电反馈的虚拟康复训练系统设计
被引量：
21
2
作者
谢平
刘欢
王磊磊
程生翠
陈伟
机构
燕山大学电气工程学院河北省测试计量技术及仪器重点实验室
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2018年第1期250-257,共8页
基金
国家自然科学基金(61673336)
河北省自然科学基金(F2015203372)项目资助
文摘
针对虚拟康复系统在个体适应性、安全可行性和主动参与性等方面的研究需求,提出一种基于脑肌电反馈的虚拟康复系统。采集执行不同手势动作对应的脑电信号及表面肌电信号,提取不同肌肉模块的肌电特征送入支持向量机模型进行运动意图识别;提取脑电和肌电疲劳特征,并提出一种萤火虫-模糊神经网络算法,通过脑肌电疲劳特征实时优化调节虚拟场景的控制参数。最后,搭建包含虚拟场景及反馈控制策略的虚拟康复系统,并针对上肢肘关节屈伸、肩关节前屈后伸动作进行康复训练实验,基于肌电特征模式识别结果实现对虚拟场景及目标的控制,基于脑肌电疲劳特征优化调整场景控制参数,通过虚拟系统康复实验验证系统的有效性。
关键词
脑肌电反馈
个体适应性
虚拟康复
特征提取
萤火虫-模糊神经网络
Keywords
feedback of EEG and sEMG
individual adaptability
virtual rehabilitation
feature detection
firefly algorithm-fuzzy neural network （ FA-FNN ）
分类号
TH789 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
基于多生理信息及迁移学习的驾驶疲劳评估
被引量：
13
3
作者
谢平
齐孟松
张园园
刘兆军
程生翠
机构
燕山大学电气工程学院河北省测试计量技术及仪器重点实验室
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2018年第10期223-231,共9页
基金
国家自然科学基金(61673336)
河北省自然科学基金(F2015203372)项目资助
文摘
目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、心电信号和颈部肌电信号,基于时频分析方法和复杂度分析方法提取各生理信号特征并进行融合;然后,基于特征空间内大间隔映射（LMPROJ）的迁移学习方法实现对单一源域到目标域疲劳状态的初步判别;最后,将上述多个单一源域到目标域疲劳状态的判别结果进行决策级融合,以提高驾驶疲劳识别算法的准确性和鲁棒性。实验结果表明,基于多生理信号特征融合及迁移学习的驾驶疲劳识别率高于传统机器学习方法,且能提高不同受试者驾驶疲劳检测的鲁棒性,为多生理信号驾驶疲劳检测研究提供了新方法。
关键词
多生理信号
迁移学习
特征融合
决策级融合
驾驶疲劳
Keywords
multi-physiological signals
transfer learning
feature fusion
decision fusion
driver fatigue
分类号
TH789 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于脑电和惯性同步分析的神经动力学耦合研究
谢平
蔚建
张腾宇
程生翠
吕岩
陈晓玲
《数据采集与处理》
CSCD
北大核心
2022
0
在线阅读
下载PDF
职称材料
2
基于脑肌电反馈的虚拟康复训练系统设计
谢平
刘欢
王磊磊
程生翠
陈伟
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2018
21
在线阅读
下载PDF
职称材料
3
基于多生理信息及迁移学习的驾驶疲劳评估
谢平
齐孟松
张园园
刘兆军
程生翠
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2018
13
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
