一种新型的脑电有线传输技术

本文介绍了一种新的脑电信号有线传输技术；经公共电话网络、通过一个调频信道、利用时分多路复用方式可同步传输多达20导联的脑电信号；通过另一个调频信道，接收方还能实时获知受测试者的当前意识状态以及实现收发双方的同步。经在此基础上开发的脑电遥测系统的使用验证：该技术能涵盖大部分临床诊断的实际需要、并且信号的传输质量较好、失真度小、无明显噪声污染、无基漂。     

脑电遥测技术的研究

本文提出了一种新型的脑电遥测技术。利用两个调频信道、通过公用电话线进行信号传输：其中一个调频信道采用时分多路复用的方法实时传输多导联脑电信号;另一个调频信道则同步发遂状态参数以供接收方进行数据标识或同步处理。该技术能涵盖任何常规临床诊断的实际需要,并且波形传输质量好、失真度小、无明显噪声污染、无基漂,具有较高的应用价值。     

基于脑电alpha波及运动想象的在线脑机接口系统设计

背景：目前在线脑机接口系统绝大多数采用同步式设计,无法区分“工作”状态与“空闲”状态。 目的：设计一种能够自由在“工作”与“空闲”状态间切换,方便灵活的脑机接口系统。 方法：设计了综合睁眼产生的alpha波阻断现象,以及进行运动想象时产生事件相关同步及去同步现象这些生理特征的在线脑机接口系统。通过检测使用者枕部脑电信号alpha波状况,来切换“空闲”与“工作”状态;在“工作”状态下,通过想象不同的肢体运动,分析运动皮质脑电信号的频率特征,来实现对外界的信息传输。 结果与结论：实验证明,经过训练的使用者在该在线脑机接口平台上可以自如的在不同状态间进行切换,并且能以很高的分类正确率发出控制命令。采用此方法进行设计,脑机接口系统的实用性得到了增强。     

多导联脑电遥测与远程监护系统的研制

介绍了一种脑电实时遥测与监护系统的研制，通过公共电话线网络进行信号传输，利用便携式脑电记录系统作为系统的发射端，可同步传输20导联的脑电信号到系统接收端（监控中心），同时监控中心可对波形进行实时滚动显示，冻结，存储，回放，分析以及打印，为远程诊断提供依据和治疗指导。     

基于功率谱峰值及时变线性分类算法的运动意识分类

背景:脑电信号的特征提取是脑机接口系统中一个重要的环节,如何快速有效地提取反映大脑意识任务状态的脑电特征是进行分类、正确解读意识任务的关键。目前,提取脑电信号特征通常采用功率谱密度估计、自回归模型和小波变换等方法,这些特征都是以脑电信号的线性化为前提,上述方法不能很好地反映出大脑的非线性动力学性质。目的:分析脑电信号功率谱峰值在识别左右手想象运动中的作用。方法:采用脑机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8～24Hz脑电信号,计算C3,C4电极脑电信号的功率谱峰值作为脑电特征向量,运用时变线性分类算法对运动意识任务运行分类。结果与结论:对140次实验的测试样本进行数据分析,最大分类正确率可达89.29%,最大互信息和信噪比分别为0.6269bit和1.3848。C3,C4电极8～24Hz脑电信号功率谱峰值能很好地反映左右手运动想象脑电特征的变化,与事件相关去同步/事件相关同步现象变化一致,可在线识别左右手想象运动。     

匹罗卡品诱导的癎样放电大鼠EEG节律的同步分析

目的：了解癎样放电不同阶段脑电信号各节律的同步关系及其在不同脑功能状态间转换时的变化。方法：用似然同步方法分析由匹罗卡品（pilocarpine）诱导的癎样放电大鼠的大脑皮层和海马的不同节律脑电信号。结果：在同一种脑功能状态下,左右皮层和左右海马脑电信号各节律的同步性之间存在显著差异。其中无癎样放电时,δ节律的同步性显著高于α,σ,β节律的同步性（P〈0．01）;连续性癎样放电时,δ节律的同步性显著低于θ,α节律的同步性（P〈0．05）。当脑功能状态从无癎样放电向连续性癎样放电转换时,不同脑区间脑电信号各节律的同步性显著增强（P〈0．01）;从连续性癎样放电向周期性癎样放电转换时,不同脑区间脑电信号除δ节律外,其余各节律的同步性显著降低（P〈0．05）。结论：大鼠在癎样放电前δ节律可能已先于其它节律产生了类似于癎样放电的同步现象;但在癎样放电过程中则是较高节律的同步化活动占优势;而在癎样放电终止过程中,δ节律始终维持在较高的同步状态,因而推测δ节律在痴样放电过程中可能起着重要的作用。     

脑肌电信号同步耦合分析方法研究进展

运动神经系统通过神经振荡活动传递运动控制信息,从而引起相应肌肉的同步性振荡活动并反映运动响应信息,然后反馈至大脑皮层,使其能够感知肢体的状态。这种同步振荡活动可反映皮层肌肉功能耦合的连接信息。其中,耦合的强弱由多种因素决定,包括肌肉收缩的力量、注意力、运动意图等,因此分析不同因素影响下的脑肌电信号同步耦合的强弱对运动功能评价及控制方法等研究有重要意义。针对脑肌电信号同步耦合的分析方法,本文主要介绍与比较了线性方法中的相干性分析和格兰杰因果分析,以及非线性方法中的互信息以及传递熵,总结了各方法在脑肌电信号同步耦合的应用研究,以便于相关领域的科研工作者更系统地了解目前脑肌电信号同步耦合分析方法的研究进展。     

不同麻醉深度下大鼠脑电复杂度和功率谱的变化过程

本研究计算和分析了大鼠在逐渐加深的Urethane麻醉过程中脑电信号的算法复杂度、近似熵、功率值和功率谱重心频率的变化特征。结果表明：随着麻醉程度的加深，皮层脑电中同步波的两种复杂度值逐渐减小，同步波高频段功率也逐渐减少，使得功率谱重心频率向低频方向迁移；去同步波则在深度麻醉状态下不再出现，说明中脑网状结构的激励已消失。另外，脑电信号的算法复杂度和近似熵的计算结果有很好的一致性。     

基于扩展Infomax 独立分量分析算法的脑电信号消噪

背景：脑电信号能够反映大脑不同的生理病理状态,但在采集和分析处理过程中极易受到各种噪声的干扰,如眼球运动、眨眼、心电、肌电等,这些噪声的存在严重影响了脑电信号的分析和处理。 目的：介绍了一种基于扩展Infomax的独立分量分析方法,并用于脑电信号消噪。 方法：通过扩展Infomax算法的迭代求得分离矩阵,采用去除噪声分量后的独立成分重构需要记录的脑电信号,观察Matlab仿真得到的去噪后的脑电信号,同时比较去噪前后各导联脑电信号与眼电信号的相关性。 结果与结论：使用扩展Infomax 独立分量分析算法能够成功地去除多导脑电信号中的眼电干扰。再比较去噪前后各导联脑电信号的功率谱,可以发现使用扩展Infomax独立分量分析算法同时也能够成功地去除多导脑电信号中的工频干扰,且对脑电信号中的其他有用信号几乎没有破坏。     

家庭远程医疗监护数据的传输及处理

介绍了家庭远程医疗监护系统，利用VB编程通过Intemet实现了监护数据的远程传输，医疗中心对接收到的监护数据可以进行去噪、去干扰、特征提取等预处理。在此基础上，实现脑电信号的远程传输，并对医疗中心接收到的脑电信号进行独立成分分析(ICA)分离眼动干扰的处理，取得了较好的效果。     

A multichannel telemetry system for recording cardiovascular neural signals.

A multichannel telemetry system was developed for use with chronically instrumented unrestrained cats. This system can simultaneously record efferent and afferent cardiovascular neural signals, bioelectrical noise arising near the electrode recording the neural signals, EEG, ECG, and a standard calibration signal. The miniature (18 cm3), lightweight (24 g), telemeter is a five-channel, time-multiplexed, pulse width modulation (PWM)/FM device employing a high frequency subcarrier (60 kHz) and two sampling frequencies (30 kHz and 6 kHz). The device is powered by two small 120 mA . h silver oxide cells; it has an indoor transmission range of 10 m and can operate for 48 h. One channel transmits a standard signal (a square wave of 100 Hz and 200 mVp-p) used to monitor and regulate the system's performance. When the variation in either the amplitude or frequency of the standard signal is greater than 10% of the control value, the transmitted bioelectrical signals are automatically discarded.     

A miniaturized four-channel radio transmitter with receiving system for obtaining physiological data from birds

A miniaturized FM/FM four-channel radio transmitter was developed for telemetering physiological data. The transmitter weighs 24 g and has a volume of 1·5 cu. in. Transmitting frequency is 91 Mc/s and stable signal reception has been obtained at a distance of 200 ft. The system was developed to simultaneously study EEG, ECG, respiration, and temperature of wild birds such as pigeons (Columba livia), but its application is not limited to birds. With proper selection and placement of sensors and transducers, physiological parameters other than the above may be measured. The transmitter meets IRIG (Inter Range Instrumentation Group) standards for channels 13, 14, 15, and 16, and a receiving system that meets these standards can be used to filter and demodulate the transmitted signal.     

基于Java3D的虚拟飞机脑机交互应用系统设计

目的本文基于Java3D设计了虚拟飞机脑机交互（braincomputerinterface,BCI）应用系统．研究BCI对虚拟飞机的控制效果。方法通过TCP／IP协议将BCI中对脑电信号（electroencephalogram．EEG）分析处理的结果传给Java3D应用系统,进而将结果转换成对应的控制命令,实现实时控制虚拟飞机的飞行,可以直观反映并检验BCI的控制效果。应用系统的设计分为两个步骤：一是搭建三维虚拟场景,其中包括建立场景模型和设计场景的布局;二是虚拟飞机飞行控制的设计,以实现飞机前进和旋转的飞行控制。结果本应用系统能够实时正确通过TCP／IP接收EEG信号的分析结果,实时控制虚拟飞机的连续飞行运动。结论初步验证了Java3D应用系统的可行性,为BCI应用系统的设计提供了新的方法和发展方向。     

脑机接口中一种多类运动想象任务识别新方法

目的针对脑机接口中三类运动想象任务,提出一种最小二乘法自适应滤波结合独立成分分析以及样本熵(RLS-ICA-Samp En)、多类共同空间模式(CSP)、增量式支持向量机(ISVM)相结合的脑电识别新方法,以解决脑机接口中多类运动想象正确率低的问题。方法首先采用ICA将EEG分离,然后利用样本熵自动识别分离后的噪声,再采用RLS对识别出来的噪声进行滤波,最后进行信号重构,得到去除噪声的脑电信号。多类CSP采用"一对一"CSP与多频段滤波相结合,对去噪后的脑电信号进行特征提取。通过"一对多"方式的ISVM对三类运动想象脑电信号获取的特征向量进行分类。为检验新方法的有效性,将本文方法与多类CSP+ISVM(方法 1)及RLS-ICA+多类CSP+ISVM(方法 2)进行比较。结果对三类想象任务而言,本文方法识别正确率与方法 1和2相比均高8%左右。结论与方法1和2比较,RLS-ICA-Samp En、多类CSP、ISVM相结合的脑电识别新方法能更好地适用于多类运动想象任务识别。     

基于TGAM模块的便携式脑力疲劳检测系统

目的现代社会中脑力劳动者脑力疲劳容易引发事故和心理疾病,设计一种便携式脑力疲劳检测系统及时检测脑力疲劳并提醒劳动者休息具有重要的现实意义。方法在Android系统平台进行脑力疲劳检测系统的设计,主要包括脑电采集端、Android移动端、服务器端3个模块。检测系统首先通过脑电采集端进行听觉诱发EEG信号的采集,再将EEG信号通过Android移动端传输至服务器端,利用多种解析算法提取P300中P3b成分的幅值进行分析,最后将分析结果返回Android移动端。结果脑电采集端可实现对EEG进行采集、放大、滤波及传输,并通过蓝牙模块传输至服务器端进行解析和疲劳评判。通过Android端可查看原始脑波、P300波形、疲劳评判结果以及历史数据,也可登录服务器端查看原始脑电数据和数据处理结果。结论所构建的系统可以实时采集用户的脑电数据并进行P300波形分析,方便快捷地得到用户的脑力疲劳状态。未来将进一步优化算法模型,减轻个体差异性对准确度的影响。     

独立分量分析技术在EEG工频干扰分离中的应用

工频干扰是脑电图(EEG)中常见噪声，严重影响EEG-信号的提取和分析。通过比较Fastica、Extended Infomax、EGLD、Pearson—ICA等四种独立分量分析(ICA)算法和奇异值分解(SVD)技术用于分离EEG中工频干扰的效果，确证ICA方法有很好的抗干扰性，而常用的SVD技术则难以奏效；其中推广的最大熵(Extended Info—max)ICA算法有较好的收敛性，文中使用该算法成功地从16导联早老性痴呆症患者EEG信号中(含混入的工频干扰，最低信噪比约为0dB)分离出工频干扰。ICA在生物医学信号处理特别是临床医学工程中潜在着重要应用前景和研究价值。     

An effective feature extraction method by power spectral density of EEG signal for 2-class motor imagery-based BCI

EEG signals have weak intensity, low signal-to-noise ratio, non-stationary, non-linear, time-frequency-spatial characteristics. Therefore, it is important to extract adaptive and robust features that reflect time, frequency and spatial characteristics. This paper proposes an effective feature extraction method WDPSD (feature extraction from the Weighted Difference of Power Spectral Density in an optimal channel couple) that can reflect time, frequency and spatial characteristics for 2-class motor imagery-based BCI system. In the WDPSD method, firstly, Power Spectral Density (PSD) matrices of EEG signals are calculated in all channels, and an optimal channel couple is selected from all possible channel couples by checking non-stationary and class separability, and then a weight matrix which reflects non-stationary of PSD difference matrix in selected channel couple is calculated; finally, the robust and adaptive features are extracted from the PSD difference matrix weighted by the weight matrix. The proposed method is evaluated from EEG signals of BCI Competition IV Dataset 2a and Dataset 2b. The experimental results show a good classification accuracy in single session, session-to-session, and the different types of 2-class motor imagery for different subjects.