基于小波变换和BP神经网络的视觉诱发电位识别

结合小波变换和BP神经网络对视觉诱发脑电信号（VEP）进行分类而产生脑机接口控制信号。利用一维离散小波变换提取强噪声背景下的低频微弱脑电信号，获取特征向量输入BP神经网络进行事件相关电位模式识别。实验表明，小波变换特征向量提取方法能有效地实现信号的去噪、降维和特征提取，BP神经网络能比较准确地从VEP中识别出事件相关电位，进行10次测试的平均识别正确率为99．375％，有利于产生脑机接口控制信号。     

探讨通道对视觉诱发电位单次提取精度的影响

采用“模拟自然阅读”诱发电位作为脑-机接口通信载体,结合小波变换和误差逆传播（ErrorBackPropagation,HIJBP）神经网络对视觉诱发脑电信号（VEP）进行分类以产生脑机接口控制信号。将被试者4个通道记录到的脑电信号分别作为特征,信号时程都为300ms,时段分别取100ms~400ms、200ms-500ms和300ms~600ms。试验结果表明四个单通道都达到较好的分类效果,有利于产生脑机接口控制信号。     

用于气压测量的微弱信号检测电路

简述了压力传感器的选择以及恒流源和数据放大器的选择,重点对气压计的系统电路进行了设计。并对其原理和性能实行了分析,结果得到好的研究效果。     

自适应滤波在诱发脑电探测中的应用

用递归最小二乘(RLS)自适应算法和快速横向滤波(FTF)自适应算法对诱发脑电信号(EP)进行自适应滤波处理,从而有效的从测得的脑电信号(EEG)中检测出诱发脑电信号(EP)。通过MATLAB仿真并比较两种滤波方法滤波前后的波形,结果表明文中的方法能够较好的从平稳随机噪声背景中提取诱发电位信号(EP)。FTF由于具有结构简单、精度高、收敛速度快、收敛速度对数据的相关性不敏感等突出优点,滤波效果更满意。