論文元數(shù)據(jù)搜索，找到相關(guān)信息共 4 條：
2022, 44(2): 477-485.
doi: 10.11999/JEIT210778
刊出日期：2022-02-25
在基于運動想象(MI)的腦機接口(BCI)中，通常采用較多通道的腦電信號(EEG)來提高分類精度，但其中會有包含與MI任務(wù)無關(guān)或冗余信息的通道，從而影響B(tài)CI的性能提升。該文針對運動想象腦電分類中的通道選擇問題，提出一種采用相關(guān)性和稀疏表示對通道進(jìn)行選擇的方法(CSR-CS)。首先計算訓(xùn)練樣本每個通道的皮爾遜相關(guān)系數(shù)來選擇顯著通道，然后提取顯著通道所在區(qū)域的濾波器組共空間模式特征拼接成字典，利用由字典所得到的非零稀疏系數(shù)的個數(shù)表征每個區(qū)域的分類能力，選出顯著區(qū)域所包含的顯著通道作為最優(yōu)通道，最后采用共空間模式和支持向量機分別進(jìn)行特征提取與分類。在對BCI第3次競賽數(shù)據(jù)集IVa和BCI第4次競賽數(shù)據(jù)集I兩個二分類MI任務(wù)的分類實驗中，平均分類精度達(dá)到了88.61%和83.9%，表明所提通道選擇方法的有效性和魯棒性。
2016, 38(8): 1894-1900.
doi: 10.11999/JEIT151207
刊出日期：2016-08-19
海量機器類終端(或MTC終端)同步入網(wǎng)時，其業(yè)務(wù)呈現(xiàn)瞬時突發(fā)性，這使得基于齊次或復(fù)合泊松假設(shè)的多信道S-ALOHA穩(wěn)態(tài)性能分析辦法難以直接應(yīng)用。該文以第i個隨機接入時隙內(nèi)第j次進(jìn)行隨機接入的用戶數(shù)Mi(j)作為狀態(tài)變量，提出了一種沿Mi(j) 的j方向迭代進(jìn)行多信道S-ALOHA暫態(tài)性能分析的辦法及其近似形式。該迭代辦法可建立第i個隨機接入時隙內(nèi)第j次進(jìn)行隨機接入的用戶數(shù)與第x個隨機接入時隙內(nèi)新到用戶數(shù)的直接關(guān)系(其中xi)，也可給出接入時延概率密度函數(shù)、概率分布函數(shù)和均值的求解辦法。以3GPP MTC業(yè)務(wù)參考模型進(jìn)行數(shù)值仿真，驗證了所提迭代辦法及其近似形式的有效性。相關(guān)研究可為承載網(wǎng)絡(luò)的優(yōu)化設(shè)計提供參考。
2023, 45(10): 3458-3467.
doi: 10.11999/JEIT221449
刊出日期：2023-10-31
基于運動意圖的腦-機接口(BCI)對人體運動功能增強、替代和康復(fù)具有重要研究意義與應(yīng)用價值。其中，運動想象(MI)是最常用的表征運動意圖的BCI范式。然而，傳統(tǒng)MI-BCI通常僅實現(xiàn)不同肢體部位運動意圖解碼，且識別正確率較低，制約著精細(xì)運動控制與康復(fù)效果。針對上述問題，近年來研究者在單一肢體特定部位、運動學(xué)與動力學(xué)意圖誘發(fā)頭皮腦電編解碼以及運動意圖錯誤相關(guān)電位檢測3個方面開展了一系列有意義的探索，并在高自由度的運動指令控制和面向卒中患者的臨床康復(fù)應(yīng)用方面取得了較大的研究成果。該文從運動意圖的頭皮腦電(EEG)編解碼相關(guān)范式及其BCI應(yīng)用兩個方面綜述了本領(lǐng)域研究進(jìn)展，并探討當(dāng)前研究存在的問題和可能的解決方案，以期促進(jìn)運動意圖BCI技術(shù)的深入研究及開發(fā)應(yīng)用。
2015, 37(10): 2483-2489.
doi: 10.11999/JEIT150030
刊出日期：2015-10-19
為了抑制或者消除準(zhǔn)同步碼分多址(QS-CDMA)通信系統(tǒng)的多址干擾(MAI)、多徑干擾(MI)以及鄰小區(qū)干擾，該文提出一類非對稱零相關(guān)區(qū)(A-ZCZ)序列偶集的構(gòu)造方法。基于給定的最佳自相關(guān)序列偶，運用交織操作，成功設(shè)計一類非對稱零相關(guān)區(qū)序列偶集。新集合的每個子集均是零相關(guān)區(qū)序列偶集，且不同子集的序列偶間的互相關(guān)函數(shù)(CCF)具有更大的零互相關(guān)區(qū)(ZCCZ)。同時，該文提出的構(gòu)造方法可以根據(jù)系統(tǒng)要求靈活地選擇子集的零相關(guān)區(qū)寬度。
