肖晓琳
- 作品数：60 被引量：34H指数：3
- 供职机构：天津大学更多>>
- 发文基金：国家自然科学基金国家杰出青年科学基金教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信航空宇航科学技术更多>>
- 一种脑机接口训练数据扩增方法、装置、介质及电子设备
- 本申请提供一种脑机接口训练数据扩增方法、装置、介质及电子设备。该脑机接口训练数据扩增方法，包括：获取待处理脑电信号集包括的原始信号子集；其中，每获取一个原始信号子集，针对获取的原始信号子集执行以下操作，以得到用以构成扩增...
- 罗睿心许敏鹏周晓宇肖晓琳孟佳圆王坤明东
- 一种基于非对称视觉诱发电位的脑-机接口通讯系统
- 本发明公开了一种基于非对称视觉诱发电位的脑?机接口通讯系统，该系统包括：液晶显示器，用于显示刺激界面；脑电电极，用于脑电生物信号的采集；脑电放大器，用于将信号经过脑电放大器放大、滤波后输入计算机；计算机处理平台，用于根据...
- 许敏鹏肖晓琳汤佳贝王仲朋陈龙何峰綦宏志明东
- 面向中高频SSVEP脑机接口的编解码算法研究被引量：8
- 2022年
- 基于稳态视觉诱发电位(steady-state visual evoked potentials,SSVEPs)的脑-机接口系统(brain-computer interface,BCI)通常使用低频强闪烁刺激诱发强特征脑电信号。尽管相关数据处理技术日臻成熟,但是系统使用舒适度差,训练时间较长。提高刺激频率能够有效缓解受试者的视觉疲劳,提高系统友好度,然而现有中高频SSVEP系统又存在指令集数量少、信息传输率(information transfer rate,ITR)低等缺陷。针对以上问题,本文基于中高频SSVEP脑电特征,提出并使用了包含空码的Code Words编码范式与集成任务相关成分分析(ensemble task-related component analysis,eTRCA)解码算法,并研究了该套编解码方法的适用性与可扩展性。本研究选择中高频段的4个频率(20、24、30、40 Hz)分别构建脑控字符拼写系统,单个频率的闪烁刺激可独立构建多达6个控制指令,联合多个频率理论上可实现指令集数量的成倍扩增。共有10位健康受试者参与了离线脑电实验,利用18~60 Hz带通滤波对脑电数据进行预处理,使用eTRCA算法进行特征识别。18指令集系统的理论平均分类准确率为96.71±1.69%,理论平均ITR达86.94±6.07 bits/min。以上结果表明,本研究提出的编解码算法能够有效诱发并准确识别中高频SSVEP的时-频-相多维特征,在此基础上通过增加编码单元频率种类、提高有效编码率、改进解码算法等方式有希望进一步提升系统性能。
- 许敏鹏许敏鹏熊文田肖晓琳肖晓琳
- 关键词：脑-机接口
- 刺激范式生成系统、脑-机接口系统、检测方法及装置
- 本申请提供一种刺激范式生成系统、脑‑机接口系统、检测方法及装置，涉及人工智能技术领域。该刺激范式生成系统，包括：显示装置，用于显示第一圆盘圆环中的第一扇环视觉刺激块，和/或第二圆盘圆环中的第二扇环视觉刺激块；刺激反射装置...
- 许敏鹏 杨满肖晓琳 文胜福 孟佳圆明东
- 多导联脑电采集头盔
- 本公开提供了一种多导联脑电采集头盔，可以应用于脑电信号处理技术领域。该多导联脑电采集头盔包括：头盔壳体，头盔壳体包括多个外壳区域，每个外壳区域包括多个通孔以及设置于每个通孔中的弹簧电极结构；其中，弹簧电极结构包括腔体、弹...
- 贺威忠陈超明东许敏鹏顾斌汤佳贝孙长城孟琳肖晓琳
- 脑-机接口中脑电解码算法研究综述被引量：9
- 2019年
- 脑-机接口(BCI)作为一种可实现人脑与外界信息交流和控制的人机交互方式,已经受到脑科学、人工智能等研究领域的广泛关注。脑电特征解码是BCI系统的核心步骤。高效特征解码取决于"特征"和所使用的特征解码算法。本文首先介绍了脑电信号的主要特征描述方式,紧接着介绍BCI相关研究中使用的经典解码算法的基本原理、适用范围、存在问题以及改进方法,最后介绍了近年来提出的多种新算法及理论框架,并展望了未来脑电特征解码算法的新动向,希冀为研究开发高性能BCI提供新思路。
- 周晓宇许敏鹏肖晓琳肖晓琳顾晓松(综述)明东(审校)
- 关键词：脑-机接口脑电图特征提取模式识别
- 一种多窗口判别典型模式匹配方法及脑-机接口应用
- 本发明公开了一种多窗口判别典型模式匹配方法及脑‑机接口应用，包括：基于Fisher线性判别的思想构建空间滤波器，利用空间滤波器对训练集和验证集进行滤波，对训练集划分不同时间窗Win；在不同时间窗Win下进行空间滤波器和欧...
- 肖晓琳许敏鹏明东
- 脑机接口中高频稳态视觉诱发电位的识别研究被引量：3
- 2023年
- 利用高频刺激进行编码能够缓解基于稳态视觉诱发电位(SSVEP)的脑-机接口(BCI)产生的用户视觉疲劳,提升系统的舒适度和安全性,具有广阔的应用前景。然而,当前先进的SSVEP解码算法大多在低频数据集上进行对比验证,在高频SSVEP信号上的识别性能仍然未知。针对此问题,本文采集了20名受试者在高频SSVEP范式下的脑电(EEG)数据,对目前主流的2种典型相关分析算法、3种集成任务相关成分分析算法和1种任务判别成分分析算法展开对比。结果表明,它们均能有效解码高频SSVEP信号,且在不同条件下算法的分类性能指标和速度存在差异。本研究为高频SSVEP-BCI系统的算法选择提供了依据,在构建舒适友好型BCI系统方面具有潜在的应用价值。
- 罗睿心豆心怡肖晓琳吴乔逸许敏鹏许敏鹏
- 关键词：脑-机接口稳态视觉诱发电位高频解码算法
- 脑电信号运动伪迹去除综述
- 2025年
- 脑机接口(Brain-Computer Interface,BCI)是一种不依赖于外周神经和肌肉,直接将中枢神经活动转化成人工输出的系统,脑电图(Electroencephalogram,EEG)作为BCI实现的重要手段,因其具有无创、时间分辨率高等优势,成为当前应用最广泛的脑信息采集技术之一。然而,在头皮记录的EEG经过颅骨等介质的传导和衰减,信号幅值微弱且信噪比低,易受到心电、眼电、肌电等生理噪声和工频干扰等非生理噪声的干扰。尤其是随着脑电采集设备的小型化、便携化,EEG应用范围逐渐扩展至更为多元动态的环境。在非实验室环境的实际运动场景中,采集的EEG信号通常会混杂大量的运动伪迹。此运动伪迹干扰频率低、幅值大,谐波范围广,其频率范围易与脑电频带重合,因此消除或减少运动伪影较为困难。运动伪迹会严重影响EEG的信号质量,给脑电解码带来挑战,针对此问题,国内外众多研究学者已开展了对脑电信号中运动伪迹去除方法的深入研究,但当前缺乏对这些研究的系统性归纳与总结,因此该文围绕脑电信号运动伪迹去除技术,调研总结了去除运动伪迹的主要评价指标,梳理归纳了无参考和以姿态数据为参考的两类运动伪迹去除算法,系统对比了现有算法的优缺点及其适用场景,最后展望了运动伪迹去除的发展方向,以期推动EEG技术在现实场景中的广泛应用。
- 肖晓琳刘晓杰刘晓杰李辉许敏鹏许敏鹏
- 关键词：脑机接口
- 脑电信号处理方法、背景脑电预测模型的训练方法及装置
- 本申请关于一种脑电信号处理方法、背景脑电预测模型的训练方法及装置。其中该方法包括，获取脑电信号，并对所述脑电信号进行预处理；将预处理后的所述脑电信号输入至预先训练的背景脑电预测模型，预测所述脑电信号的背景脑电信号；基于所...
- 岳瑨许敏鹏肖晓琳明东陈龙
