基于微状态方法的癫痫脑电信号识别研究 被引量：6

1

作者 熊馨 罗剑花 +2 位作者 武瑞锋 林岚 贺建峰 《传感技术学报》 CAS CSCD 北大核心 2022年第12期1671-1677,共7页

癫痫发作时脑神经元异常放电,严重危及人的生命,准确识别癫痫脑电信号对癫痫诊断具有重大意义,对此使用微状态分析法对癫痫脑电信号进行识别研究。各选取11名癫痫患者和健康人,计算癫痫发作、癫痫未发作和健康人脑电微状态的传统特征(... 癫痫发作时脑神经元异常放电,严重危及人的生命,准确识别癫痫脑电信号对癫痫诊断具有重大意义,对此使用微状态分析法对癫痫脑电信号进行识别研究。各选取11名癫痫患者和健康人,计算癫痫发作、癫痫未发作和健康人脑电微状态的传统特征(出现频率、平均持续时间、覆盖率和转移概率)、Hurst指数、动态特征(ACF和AIF),进行差异性分析并使用SVM进行分类。在1 Hz~40 Hz频段,癫痫发作和健康人、癫痫发作和癫痫未发作、癫痫未发作和健康人的传统特征、Hurst指数、动态特征均有显著差异,三种特征融合的准确率分别为99.9%、96.3%、96.3%,均高于其他频带(delta、theta、alpha、beta和gamma)的准确率。癫痫脑电微状态特征能被准确识别,1 Hz~40 Hz频段多参数特征融合能有效提高分类准确率。 展开更多

关键词 癫痫脑电 癫痫脑电信号识别 微状态分析法 多特征

在线阅读 下载PDF 职称材料

基于小波变换和AR参数模型的脑电信号识别方法 被引量：7

2

作者 徐宝国 宋爱国 《数据采集与处理》 CSCD 北大核心 2008年第5期580-583,共4页

为了实现脑-计算机接口(Brain-computer interface,BCI)系统,对运动脑电信号的特征进行了提取和分类。将多路脑电信号进行CAR(Common average reference)滤波后,利用小波变换和AR参数模型提取特征并使用基于马氏距离的线性判别分析对运... 为了实现脑-计算机接口(Brain-computer interface,BCI)系统,对运动脑电信号的特征进行了提取和分类。将多路脑电信号进行CAR(Common average reference)滤波后,利用小波变换和AR参数模型提取特征并使用基于马氏距离的线性判别分析对运动脑电信号进行分类。结果表明,该方法提取的特征向量较好地反应了脑电信号的事件相关去同步(Event-related desynchronization,ERD)和事件相关同步(Event-related synchronization,ERS)的变化时程,为BCI研究中脑电信号的模式识别提供了有效的手段。 展开更多

关键词 脑电信号识别 脑-计算机接口 自主运动 小波系数 自回归模型

在线阅读 下载PDF 职称材料

堆叠稀疏降噪自编码的脑电信号识别 被引量：3

3

作者 唐贤伦 刘雨微 +1 位作者 万亚利 马艺玮 《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第1期62-67,共6页

该文以深度学习中的自动编码机为基础,对原始输入向量加入噪声处理,隐含层加入稀疏限制,再将单一的网络结构堆叠成深层神经网络,提出改进算法——堆叠稀疏降噪自动编码机。通过在两个不同数据集(实验室采集数据集和2005年BCI竞赛数据集I... 该文以深度学习中的自动编码机为基础,对原始输入向量加入噪声处理,隐含层加入稀疏限制,再将单一的网络结构堆叠成深层神经网络,提出改进算法——堆叠稀疏降噪自动编码机。通过在两个不同数据集(实验室采集数据集和2005年BCI竞赛数据集IVa)进行对比实验,结果表明该算法在运动想象脑电信号的特征提取上具有更强的学习能力和鲁棒性。 展开更多

关键词 降噪自动编码机 深度学习 脑电信号识别 稀疏 堆叠

在线阅读 下载PDF 职称材料

采用动态双子群策略改进的灰狼算法及其在心电信号识别中的应用 被引量：4

4

作者 刘继忠 谢毓顺 +3 位作者 徐文斌 邓家诚 李继发 丁亚飞 《传感技术学报》 CAS CSCD 北大核心 2021年第3期420-426,共7页

针对基本灰狼优化算法(GWO)易陷入局部最优的缺点,将双子群策略引入灰狼算法,提出一种采用动态双子群策略改进的灰狼算法(DDGWO)。该算法动态的将灰狼种群划分为较优子群和较差子群,较优子群与较差子群采用不同的非线性收敛因子,在进行... 针对基本灰狼优化算法(GWO)易陷入局部最优的缺点,将双子群策略引入灰狼算法,提出一种采用动态双子群策略改进的灰狼算法(DDGWO)。该算法动态的将灰狼种群划分为较优子群和较差子群,较优子群与较差子群采用不同的非线性收敛因子,在进行全局搜索时,能够有效避免陷入局部最优。本文将DDGWO应用于SVM参数优化,并建立DDGWO-SVM模型进行心电信号识别实验,并与其他算法进行性能测试对比。结果表明,DDGWO具有更好的寻优特性,所建立的DDGWO-SVM模型获得了更高的心电分类识别精度。 展开更多

关键词 元启发式算法 灰狼优化算法 动态双子群策略 非线性收敛因子 支持向量机 心电信号识别

在线阅读 下载PDF 职称材料

结合注意力机制的CNN-LSTM心电信号识别 被引量：5

5

作者 张锐 曾鑫 《计算机应用与软件》 北大核心 2023年第12期209-216,共8页

心电信号形态复杂多样易导致识别准确率低、适应性差,通常依靠人工诊断,费时费力。为此提出注意力机制与卷积长短时记忆网络(CNN-LSTM)相结合的深度网络模型(Attention-Based CNN-LSTM,A-CNN-LSTM)以实现心电信号自动识别。模型以CNN为... 心电信号形态复杂多样易导致识别准确率低、适应性差,通常依靠人工诊断,费时费力。为此提出注意力机制与卷积长短时记忆网络(CNN-LSTM)相结合的深度网络模型(Attention-Based CNN-LSTM,A-CNN-LSTM)以实现心电信号自动识别。模型以CNN为基础架构,引入了注意力机制帮助心电信号内空间特征的提取;LSTM捕捉空间特征内的时间特性,并将其用于信号分类。在MIT-BIH心律不齐数据库上进行实验,结果表明,该模型可对六种不同的心电信号进行分类,识别准确率达到99.23%,具有一定的临床应用意义。 展开更多

关键词 卷积神经网络 长短时记忆网络 注意力机制 心电信号识别

在线阅读 下载PDF 职称材料

基于CNN和SVM混合模型的心电信号识别方法 被引量：6

6

作者 孙波 杨磊 +3 位作者 郭秀梅 陈冉 张童 贾昊 《山东农业大学学报（自然科学版）》 北大核心 2020年第2期283-288,共6页

目前心血管疾病已成为危害人类生命健康的主要疾病之一,为实现对不同类型的心电图进行自动分析,并对异常心率进行实时预警,本文提出了基于卷积神经网络(CNN)和支持向量机(SVM)混合模型的心电信号分类模型,并使用MIT-BIH数据集来进行系... 目前心血管疾病已成为危害人类生命健康的主要疾病之一,为实现对不同类型的心电图进行自动分析,并对异常心率进行实时预警,本文提出了基于卷积神经网络(CNN)和支持向量机(SVM)混合模型的心电信号分类模型,并使用MIT-BIH数据集来进行系统模型的训练与验证。考虑到CNN对数据的识别能力较强,能够充分提取数据局部特征,以及SVM在小样本数据上泛化能力较好的特点,将CNN+SVM的混合模型应用到小样本的心电信号数据分类中,取得了较好的效果。最后通过5倍交叉验证比较CNN+SVM、CNN、SVM三种模型的各项性能,结果表明,CNN+SVM各项指标均优于CNN与SVM。 展开更多

关键词 卷积神经网络 支持向量机 心电信号识别

在线阅读 下载PDF 职称材料

多尺度卷积与注意力机制的脑电信号识别研究 被引量：2

7

作者 冯泽林 宋耀莲 《现代电子技术》 2023年第23期85-92,共8页

基于运动想象的脑机接口技术可以使大脑绕过中枢和外周神经,在人脑和外部电子设备之间构建直连通路,帮助运动受限人群直接与外界进行交互。由于运动想象脑电信号具有信噪比和空间分辨率较低的特性,导致解码效率较低,文中提出一种基于注... 基于运动想象的脑机接口技术可以使大脑绕过中枢和外周神经,在人脑和外部电子设备之间构建直连通路,帮助运动受限人群直接与外界进行交互。由于运动想象脑电信号具有信噪比和空间分辨率较低的特性,导致解码效率较低,文中提出一种基于注意力机制的解码运动想象脑电信号的深度学习模型MSATCNet。首先原始脑电信号通过并行多尺度卷积神经网络提取全局特征和局部特征并加以融合,通过多头注意力机制模块突出融合后的重要特征,最后由时间卷积网络(TCN)提取时序信息,全连接层和Softmax层对提取后的特征进行学习和分类。对所提出的模型在BCI竞赛Ⅳ-2a数据集上进行了实验与分析,所提出模型对所有受试者平均分类精度达到了83.99%,其中最高准确率达到97.07%。结果表明,所提出的模型可以有效提高MI-EEG的分类准确率,提升了运动想象脑电解码的可靠性。 展开更多

关键词 运动想象 多尺度卷积 注意力机制 脑机接口 时间卷积网络 脑电信号识别

在线阅读 下载PDF 职称材料

基于半监督学习的脑电信号特征提取及识别 被引量：3

8

作者 张娜 唐贤伦 刘庆 《四川大学学报（工程科学版）》 CSCD 北大核心 2017年第S2期230-237,共8页

针对有监督学习容易造成未标记样本的浪费和手动特征提取容易导致信息丢失的问题,提出一种基于深层堆叠网络(DSN)的半监督特征学习方法。该方法将受限玻尔兹曼机(RBM)的无监督学习与基于批量模式的梯度下降算法相结合,包括预训练和微调... 针对有监督学习容易造成未标记样本的浪费和手动特征提取容易导致信息丢失的问题,提出一种基于深层堆叠网络(DSN)的半监督特征学习方法。该方法将受限玻尔兹曼机(RBM)的无监督学习与基于批量模式的梯度下降算法相结合,包括预训练和微调两个阶段。首先,采用对比散度(CD)训练算法对多个RBM进行并行的无监督训练,实现对各个通道脑电信号的独立特征提取,避免各通道脑电信号之间的相互干扰。然后,将训练得到的参数用于DSN的输入权值初始化,再采用基于批量模式的梯度下降法对网络进行监督微调,对多个通道的脑电信号进行有效的特征融合,减小特征信息丢失。最后,将所提方法用于运动想象脑电信号特征的提取及识别。实验结果表明本文方法能够充分利用未标记样本中的隐含信息,有效提取脑电信号特征,识别结果优于共同空间模式(CSP)和深度信念网络(DBN)等算法,该方法可用于提高脑-机接口(BCI)系统中脑电信号的识别正确率。 展开更多

关键词 深层堆叠网络 半监督学习 受限玻尔兹曼机 特征提取 脑电信号识别

在线阅读 下载PDF 职称材料

基于随机森林的航天器电信号多分类识别方法 被引量：7

9

作者 兰巍 贾素玲 +1 位作者 宋世民 李可 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2017年第9期1773-1778,共6页

针对航天器电特性信号数据存在数据量大、特征维数高、计算复杂度大和识别率低等问题,提出基于主成分分析(PCA)的特征提取方法和随机森林(RF)算法,对原始数据进行降维,提高计算效率和识别率,实现对航天器电信号数据的快速、准确识别分... 针对航天器电特性信号数据存在数据量大、特征维数高、计算复杂度大和识别率低等问题,提出基于主成分分析(PCA)的特征提取方法和随机森林(RF)算法,对原始数据进行降维,提高计算效率和识别率,实现对航天器电信号数据的快速、准确识别分类。随机森林算法在处理高维数据上具有优越的性能,但是考虑到时间复杂度问题,利用主成分分析方法对数据进行压缩和降维,在保证准确率的同时提高了计算效率。实验结果表明:与其他算法相比,针对航天器电特性信号数据,本文方法在准确率、计算效率和稳定性等方面均显示出优异的性能。 展开更多

关键词 航天器 电信号识别 主成分分析(PCA) 多分类 随机森林(RF)

在线阅读 下载PDF 职称材料

基于脑电信号评价情绪状态及听觉激励对改善情绪的研究 被引量：1

10

作者 王慧 邱义波 骆永乐 《南京信息工程大学学报（自然科学版）》 CAS 2019年第2期158-164,共7页

如何从脑活动数据中发现具有生物学意义的知识及规律,正成为当今神经信息学理论与实践研究的热点与难点.基于脑电的情绪识别和情绪及其脑机制的关联研究已经成为神经工程和生物医学工程领域的热门课题.本研究基于脑电信号评价情绪状态,... 如何从脑活动数据中发现具有生物学意义的知识及规律,正成为当今神经信息学理论与实践研究的热点与难点.基于脑电的情绪识别和情绪及其脑机制的关联研究已经成为神经工程和生物医学工程领域的热门课题.本研究基于脑电信号评价情绪状态,尝试借助脑电耳机来监测"毫无头绪"的脑电波,重点开展了听觉激励对改善焦虑情绪状态的实验研究.借助特定中国古风纯音乐产生听觉信号激励,激发出被试者平静放松的情绪状态,从而改善焦虑,发现音乐和情绪之间可能存在的关系.将来在BCI技术研究的基础之上,情绪识别可以进一步满足患有特定疾病(ALS症、脑瘫、脑干中风、脊髓损伤等)的患者人群的某些更高级的需求,即通过脑电分析出其对事物的喜好度,比如音乐的选择,从而设计出更加友善和智能的BCI系统,在医疗康复领域具有很好的应用前景. 展开更多

关键词 脑电信号 脑电成像 脑电信号识别 信号处理 音乐激励

在线阅读 下载PDF 职称材料

基于表面肌电的意图识别方法在非理想条件下的研究进展 被引量：21

11

作者 李自由 赵新刚 +3 位作者 张弼 丁其川 张道辉 韩建达 《自动化学报》 EI CAS CSCD 北大核心 2021年第5期955-969,共15页

在基于表面肌电信号(Surface electromyography,sEMG)的意图识别研究领域,目前大多数的研究主要集中在提高肌电识别的准确性方面.然而,在实际应用中,基于sEMG识别的交互系统往往受到诸多非理想因素干扰,肌电识别的准确性大大降低.本文... 在基于表面肌电信号(Surface electromyography,sEMG)的意图识别研究领域,目前大多数的研究主要集中在提高肌电识别的准确性方面.然而,在实际应用中,基于sEMG识别的交互系统往往受到诸多非理想因素干扰,肌电识别的准确性大大降低.本文主要关注在非理想条件下肌电识别的鲁棒性研究,首先详细归纳了肌电识别方法受到的非理想干扰因素(如电极偏移、个体性差异、肌肉疲劳、肢体姿态或其他综合性干扰),总结了当前研究的抗干扰方法;随后讨论了非理想干扰因素研究现状中的主要问题;最后在构建肌电数据集、探索深度学习和迁移学习以及肌电分解研究等方面,对未来的关键技术进行了展望. 展开更多

关键词 肌电信号识别 研究进展 非理想条件 模式识别

在线阅读 下载PDF 职称材料