![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
脑机接口(BCI)
文章平均质量分 56
zeIx_
平凡的死去
展开
-
[2020世界机器人大赛] BCI脑控机器人技术赛主流算法讲座-运动想象主流算法笔记
文章目录功率谱估计(power spectral density,PSD)共空间模式 csp功率谱估计(power spectral density,PSD)共空间模式 cspEEG信号特征提取时域频域:功率谱、FFT、小波变换空域:CSP及其系列改进模式分类LDA、SVM、NN、Bayes...原创 2021-03-22 15:14:11 · 1022 阅读 · 0 评论 -
深度学习中的epoch,batch和iteration
名词定义epoch使用训练集的全部数据进行一次完整的训练,称为“一代训练”batch使用训练集中的一小部分样本对模型权重进行一次反向传播的参数更新,这一部分样本被称为“一批数据”iteration使用一个batch的数据对模型进行一次参数更新的过程,称为“一次训练”epoch:所有的训练样本都在神经网络中进行了一次正向传播和一次反向传播。然而,当一个epoch的样本数量可能过于庞大,就需要把它分成多个小块,也就是分成多个batch来进行训练。batch(...原创 2020-11-24 14:56:31 · 380 阅读 · 0 评论 -
MNE中Raw及用法简介
文章目录raw对象raw数据访问方式绘图mne从头创建raw对象raw对象"""Raw对象主要用来存储连续型数据,核心数据为n_channels和times,也包含Info对象。"""import osimport mneimport numpy as npimport matplotlib.pyplot as pltsample_data_raw_file = os.path.join('D:\\BaiduNetdiskDownload\\MNE-sample-data\\MNE-s原创 2020-10-26 18:31:18 · 1644 阅读 · 3 评论 -
阅读笔记8:基于深度学习的脑电及功能磁共振信号的识别研究
文章目录论文信息笔记1.摘要2.绪论3.深度学习概述3.1 人工神经网络的特性:3.2深度学习网络的框架3.2.1深度全连接网络3.2.2CNN(这个关于CNN的描述是我感觉最通俗易懂的)3.2.3RNN3.3 深度学习的优化和训练3.3.1常用的优化算法3.3.2 激活函数4.深度学习在基于脑电的运动想象识别中的应用4.1研究问题的定义4.2 背景知识4.2.1共空间模式特征4.2.2 时域卷积4.2.3 传统机器学习基准方法4.3 局部通道卷积神经网络4.3.1网络结构论文信息题目:基于深度学习的原创 2020-09-24 15:33:39 · 674 阅读 · 1 评论 -
阅读笔记7:多类运动想象脑电信号识别及其在BCI中的应用研究
文章目录论文信息笔记1.摘要2.绪论2.1 EEG信号处理方法国内外研究进展2.2存在的问题3.脑电信号采集及预处理方法3.1 共平均参考(CAR)3.2Butterworth 带通滤波器4.运动想象EEG信号特征提取4.1 基于 AF-CSP 方法的特征提取研究4.1.1 经验模态分解4.1.2共空间模式4.1.3基于 AF-CSP 的 EEG 信号特征提取4.2基于 SJ-GDA 方法的特征提取研究4.2.1 黎曼流形4.2.2半监督联合互信息4.2.3广义判别分析4.2.4基于 SJ-GDA 的 EE原创 2020-09-23 21:46:07 · 2402 阅读 · 0 评论 -
阅读笔记6*:基于半监督学习的运动想象脑机接口研究
论文信息题目:基于半监督学习的运动想象脑机接口研究作者:谭学敏单位:重庆大学电气工程发表时间:2015.05笔记摘要基于参数选择的自训练算法(STBMS),解决了运动想象 BCI 自训练中小样本无法利用交叉验证准确选择合适参数的问题基于衍生FLDA(Fisher Linear Discriminant Analysis)的协同训练算法(CTBMFLDA),运用到运动想象的分类中。...原创 2020-09-23 15:54:18 · 791 阅读 · 0 评论 -
阅读笔记5:面向智慧医疗的生物电信号分类识别算法研究
1.论文信息题目:面向智慧医疗的生物电信号分类识别算法研究作者:李端单位:北京邮电大学电子工程学院电子科学与技术发表时间:201803202.笔记2.1摘要提出了先进信号处理算法和高效自适应的机器学习算法及训练机制,设计了适合大数据实时辅助诊断的深度残差神经网络等算法,并且用于心电和脑电信号的分类识别。基于自适应频带选择共空间模态(CSP)特征提取及最小二乘双子支持向量机(LS-TWIN-SVM)的运动想象EEG识别方法提出了小波自适应阈值滤波ECG信号预处理方法,以及基于香农能量包原创 2020-09-22 16:52:56 · 1055 阅读 · 7 评论 -
阅读笔记4:基于运动想象的脑机接口系统模式识别算法研究
论文信息题目:基于运动想象的脑机接口系统模式识别算法研究作者:刘美春单位:华南理工大学信号与信息处理发表时间:20091009笔记1.摘要脑机接口是一种不依赖于正常的由外围神经和肌肉组成的输出通道的通讯系统。BCI系统包括信号收集、预处理、特征提取和分类两种不同的运动相关电位(MRPs)特征提取算法:领域空间模式和自适应空间模式算法事件相关失同步/同步( ERD/ERS)和 MRPs 是 BCI 特征提取中的两大生理背景基础。对时空频信息敏感,提出一种广义时空特征提取算法(GTS原创 2020-09-19 19:12:09 · 1018 阅读 · 0 评论 -
阅读笔记3:基于深度学习的运动想象脑电信号分类算法研究
1.论文信息题目:基于深度学习的运动想象脑电信号分类算法研究作者佟歌单位:哈尔滨工程大学控制科学与工程发表时间:2018032.笔记2.1 脑电信号采集及预处理2.1.1脑电信号分析方法传统分析方法主要从四个方面入手:时域分析、频域分析、时频分析、空域分析时域分析:EEG 的全部信息都包含在采集到的时域波形中,因此时域分析是最为直观的方法,通常用来对脑电信号的幅值,周期等信息进行初步分析。该类方法的优点在于可以直接从时域提取有用的波形特征,简单方便而且不需要对脑电信号进行平稳性假设。原创 2020-09-18 09:36:27 · 5709 阅读 · 1 评论 -
简单理解小波变换
由来傅里叶变换(FT)基本思想将信号分解成一系列不同频率的连续正弦波的叠加。缺陷丢掉了时间信息,无法根据变换结果判定一个特定的信号是什么时候发生的。FT适合分析平稳信号。实际中大部分信号含有大量非平稳信号。这些情况反映了信号的重要特征,是分析的对象。短时傅里叶变换(STFT)基本思想给信号加一个小窗,主要集中在对小窗内的信号进行变换,反映了信号的局部特征。缺陷窗口函数的大小和形状均与时间和频率无关,保持固定不变,对于分析时变信号不利。高频信号持续时间短,低频长,我们希望对于高频原创 2020-09-17 15:17:01 · 4120 阅读 · 0 评论 -
阅读笔记2:运动想象脑机接口中模式识别方法研究
论文信息题目:运动想象脑机接口中模式识别方法研究作者:葛荣祥单位:东南大学机械工程机械制造及其自动化论文发表时间:20180531笔记脑机接口简介定义大脑与外部设备的交流控制系统且不依赖外围神经系统与肌肉。脑机接口系统的组成及工作原理(1)信号采集时要对其进行滤波、放大和A/D转换(2)EEG信号是一种信噪比非常小的微弱信号,容易被外部噪声和其他生理信号所干扰,所以要进行预处理,提高信号质量(3)从中提取出能够反映信号特点的特征量,为后续的分类识别奠定基础(问题:个体的差异性原创 2020-09-15 15:18:15 · 1165 阅读 · 0 评论 -
阅读笔记1:基于深度学习卷积网络的脑电运动想象分类方法
论文信息题目:基于深度学习卷积网络的脑电运动想象分类方法作者:陈娇单位:南京医科大学附属儿童医院发表时间:2019.08笔记脑机接口研究的关键点在于准确对脑电信号进行分类。常规方法是将原始的脑电信号进行特征提取,如AAR模型、共空间模式、小波分解和功率谱估计等,再将特征值送入分类器进行分类,常见的分类器有线性判别、SVM、贝叶斯分类和神经网络等。AAR(adaptive autoregressive model 自适应自回归模型):是统计上一种用来处理时间序列的方法。用同一变量如x之原创 2020-09-14 15:25:10 · 826 阅读 · 0 评论 -
稳定视觉诱发电位SSVEP
定义SSVEP是指当收到一个固定频率的视觉刺激的时候,人的大脑视觉皮层会产生一个连续的与刺激频率有关(刺激频率的基频或倍频处)的响应。 ------百度百科稳态视觉诱发电位 (英语:Steady state visually evoked potential, SSVEP) 是指大脑对于特定频率的视觉刺激会诱发的讯号。 ------wiki百科当视网膜接收到 3.5Hz 至 75Hz 的视觉刺激,大脑会产生和视觉刺激相同频率或倍数频原创 2020-08-25 18:41:14 · 1623 阅读 · 0 评论 -
脑机接口基础
脑机接口(BCI)基础脑机接口(brain-computer interface)1.脑机接口的定义2.脑机接口的分类2.1非侵入式2.2半侵入式2.2.1ECoG的优点2.3 侵入式3.无创(非侵入式)的常用技术3.1MEG脑磁图3.1.1什么是MEG?3.1.2它是如何工作的?3.2PET正电子发射断层扫描3.2.1什么是PET?3.2.2它是如何工作的?3.3功能磁共振成像功能磁共振成像3.3.1 什么是fMRI?3.3.2它是如何工作的?3.4fNIRS近红外光谱3.4.1 什么是fNIRS?3.4原创 2020-08-25 16:23:14 · 1785 阅读 · 0 评论