基于脑电的脑-机接口：关键技术和应用前景

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于脑电的脑-机接口：关键技术和应用前景

尧德中, 刘铁军, 雷旭, 杨平, 徐鹏, 张杨松

文章导航 > 电子科技大学学报 > 2009 > 38(5): 550-554

尧德中, 刘铁军, 雷旭, 杨平, 徐鹏, 张杨松. 基于脑电的脑-机接口：关键技术和应用前景[J]. 电子科技大学学报, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009

引用本文:

尧德中, 刘铁军, 雷旭, 杨平, 徐鹏, 张杨松. 基于脑电的脑-机接口：关键技术和应用前景[J]. 电子科技大学学报, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009

YAO De-zhong, LIU Tie-jun, LEI Xu, YANG Ping, XU Peng, ZHANG Yang-song. Electroencephalogram Based Brain-Computer Interface: Key Techniques and Application Prospect[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009

Citation:

YAO De-zhong, LIU Tie-jun, LEI Xu, YANG Ping, XU Peng, ZHANG Yang-song. Electroencephalogram Based Brain-Computer Interface: Key Techniques and Application Prospect[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009

基于脑电的脑-机接口：关键技术和应用前景

doi: 10.3969/j.issn.1001-0548.2009.05.009

1.
神经信息教育部重点实验室电子科技大学生命科学与技术学院成都 610054

基金项目:

国家自然科学基金(60736029);国家863计划(2009AA02Z301)

作者简介:
尧德中(1965?)，男，博士，长江学者特聘教授，博士生导师，主要从事脑电和fMRI方面的研究

中图分类号: R318

Electroencephalogram Based Brain-Computer Interface: Key Techniques and Application Prospect

1.
Key Laboratory for NeuroInformation of Ministry of Education,School of Life Science and Technology,University of Electronic Science and Technology of China Chengdu 610054

摘要: 介绍了运动想像脑-机接口技术中的几项核心技术,即在信息特征提取阶段采用的共空间模式和判决空间模式滤波方法、在模式识别阶段采用的大概率测试样本扩充训练集合的贝叶斯线性判决分析方法、直推式支持向量机方法、基于流形学习的拉普拉斯支持向量机方法和基于分层贝叶斯模型的方法。介绍了在线系统设计中的放大器设计和空闲态检测,展望了未来的发展方向。
- 脑机接口 /
- 脑电 /
- 特征提取 /
- 在线系统 /
- 模式识别
Abstract: Several key techniques of brain computer-interface based on motor imagery are introduced. For the feature extraction, emphasized are the common spatial patterns (CSP) and discriminative spatial patterns (DSP) filters; for the pattern recognition, stressed are the Bayesian linear discriminant analysis (BLDA) employed large probabilistic test samples to expand the training set, the transductive support vector machines (TSVM), the manifold-based Laplacian support vector machine (LapSvm), and the hierarchical Bayesian linear discriminant analysis. For on-line system realization, amplifier designing and the idle-state detection are described. Finally, the potential future directions are discussed.
- brain-computer interface /
- electroencephalogram /
- feature extraction /
- on-line learning /
- pattern recognition

[1]	李自强, 李睿, 孙抗. 基于时序拓扑数据分析的电力电缆局部放电模式识别 . 电子科技大学学报, 2024, 53(): 1-7. doi: 10.12178/1001-0548.2022398
[2]	郭磊, 林啸宇, 王勇, 陈正武, 常伟. 基于深度学习的直升机旋翼声信号检测与识别一体化算法 . 电子科技大学学报, 2023, 52(6): 925-931. doi: 10.12178/1001-0548.2023108
[3]	郜东瑞, 周晖, 冯李逍, 张云霞, 彭茂琴, 张永清. 基于特征融合和粒子群优化算法的运动想象脑电信号识别方法 . 电子科技大学学报, 2021, 50(3): 467-475. doi: 10.12178/1001-0548.2020107
[4]	胡青松, 张亮, 丁娟, 李世银. 人体动作数据编码与CNN精确识别 . 电子科技大学学报, 2020, 49(3): 473-480. doi: 10.12178/1001-0548.2019108
[5]	高军峰, 张家琦, 韦思宏, 彭丝雨, 周到. 冰毒成瘾者脑电信号的分类研究 . 电子科技大学学报, 2020, 49(6): 955-960. doi: 10.12178/1001-0548.2020013
[6]	张安安, 杨林, 何嘉辉, 高春林, 李茜. 基于MDS的电缆附件局部放电模式识别 . 电子科技大学学报, 2019, 48(2): 202-207. doi: 10.3969/j.issn.1001-0548.2019.02.007
[7]	张崇, 于晓琳, 饶妮妮. 多任务中枢疲劳脑电的线性描述符参数分析 . 电子科技大学学报, 2019, 48(4): 613-618. doi: 10.3969/j.issn.1001-0548.2019.04.020
[8]	常文文, 王宏, 化成城, 王翘秀, 原玥, 刘冲. 基于脑功能网络连接的隐藏信息检测研究 . 电子科技大学学报, 2018, 47(5): 775-780. doi: 10.3969/j.issn.1001-0548.2018.05.022
[9]	闫海, 李国辉, 李建勋. 雷达抗欺骗式干扰信号特征提取方法 . 电子科技大学学报, 2015, 44(1): 50-54. doi: 10.3969/j.issn.1001-0548.2015.01.008
[10]	袁勤, 黎源, 谭波. 基于似然同步方法的非线性脑电信号分析方法 . 电子科技大学学报, 2015, 44(2): 316-320. doi: 10.3969/j.issn.1001-0548.2015.02.027
[11]	高军峰, 张文佳, 杨勇, 胡佳佳, 陶春毅, 官金安. 基于P300和极限学习机的脑电测谎研究 . 电子科技大学学报, 2014, 43(2): 301-306. doi: 10.3969/j.issn.1001-0548.2014.02.028
[12]	田银, 李沛洋, 徐鹏. 基于AdaBoost的脑机接口分类算法研究 . 电子科技大学学报, 2013, 42(5): 791-793. doi: 10.3969/j.issn.1001-0548.2013.05.029
[13]	方光战, 游自立, 夏阳, 赖永秀, 尧德中. 低频脑电成分在睡眠时相转换中的作用 . 电子科技大学学报, 2011, 40(4): 620-624. doi: 10.3969/j.issn.1001-0548.2011.04.030
[14]	龙文, 马坤, 辛阳, 杨义先. 适用于协议特征提取的关联规则改进算法 . 电子科技大学学报, 2010, 39(2): 302-305. doi: 10.3969/j.issn.1001-0548.2010.02.032
[15]	金燕华, 秦开宇, 白泰礼. 在模式识别下的萃取液温度控制方法研究 . 电子科技大学学报, 2009, 38(3): 376-379. doi: 10.3969/j.issn.1001-0548.2009.03.014
[16]	李建勋, 唐斌, 吕强. 双谱特征提取在欺骗式干扰方式识别中的应用 . 电子科技大学学报, 2009, 38(3): 329-332. doi: 10.3969/j.issn.1001-0548.2009.03.003
[17]	于雪莲, 刘本永. 最优的核判别分析用于雷达目标识别 . 电子科技大学学报, 2008, 37(6): 883-885,937.
[18]	孟庆宇, 刘本永, 姚宏达. 基于分数本征特征的手写数字识别 . 电子科技大学学报, 2006, 35(3): 289-291.
[19]	俞海, 贺昌政, 何跃. 自组织模式识别与经济预测 . 电子科技大学学报, 2003, 32(1): 104-108.
[20]	王贵新, 刘建胜, 居琰, 汪同庆, 彭健, 杨波. “有效行”特征对手写体字符的识别 . 电子科技大学学报, 2001, 30(3): 287-291.

WeChat

点击查看大图

计量

文章访问数: 3895
HTML全文浏览量: 187
PDF下载量: 553
被引次数: 0

基于脑电的脑-机接口：关键技术和应用前景

doi: 10.3969/j.issn.1001-0548.2009.05.009

1. 神经信息教育部重点实验室电子科技大学生命科学与技术学院成都 610054

基金项目:

国家自然科学基金(60736029);国家863计划(2009AA02Z301)

作者简介:
尧德中(1965?)，男，博士，长江学者特聘教授，博士生导师，主要从事脑电和fMRI方面的研究

收稿日期: 2009-05-27
刊出日期: 2009-10-15

中图分类号: R318

关键词:

摘要: 介绍了运动想像脑-机接口技术中的几项核心技术,即在信息特征提取阶段采用的共空间模式和判决空间模式滤波方法、在模式识别阶段采用的大概率测试样本扩充训练集合的贝叶斯线性判决分析方法、直推式支持向量机方法、基于流形学习的拉普拉斯支持向量机方法和基于分层贝叶斯模型的方法。介绍了在线系统设计中的放大器设计和空闲态检测,展望了未来的发展方向。

English Abstract

尧德中, 刘铁军, 雷旭, 杨平, 徐鹏, 张杨松. 基于脑电的脑-机接口：关键技术和应用前景[J]. 电子科技大学学报, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009

引用本文:

尧德中, 刘铁军, 雷旭, 杨平, 徐鹏, 张杨松. 基于脑电的脑-机接口：关键技术和应用前景[J]. 电子科技大学学报, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009

YAO De-zhong, LIU Tie-jun, LEI Xu, YANG Ping, XU Peng, ZHANG Yang-song. Electroencephalogram Based Brain-Computer Interface: Key Techniques and Application Prospect[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009

Citation:

YAO De-zhong, LIU Tie-jun, LEI Xu, YANG Ping, XU Peng, ZHANG Yang-song. Electroencephalogram Based Brain-Computer Interface: Key Techniques and Application Prospect[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(5): 550-554. doi: 10.3969/j.issn.1001-0548.2009.05.009

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发