XiaoMi-AI文件搜索系统
World File Search SystemSensors
传感器
摘要：近年来，基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）性能提升研究取得了长足进展。过去的SSVEP-BCI研究在许多不同的应用中采用了不同的目标频率和闪光刺激。然而，在执行SSVEP-BCI任务时不容易识别用户的心理状态变化。我们可以观察到的是从用户的视觉区域增加的目标频率的EEG功率。BCI用户的认知状态变化，特别是在精神集中状态或陷入沉思状态，将影响SSVEP持续使用中的BCI性能。因此，如何通过探索BCI用户在执行SSVEP时的神经活动变化来区分BCI用户的生理状态是提升BCI性能的关键技术。本研究设计了一个新的BCI实验，将工作记忆任务结合到SSVEP任务的闪烁目标中，使用12 Hz或30 Hz频率。通过探究工作记忆和SSVEP任务执行所对应的EEG活动变化，可以识别用户的认知状态是集中注意力还是陷入沉思。实验结果表明，在额叶，与陷入沉思相比，集中注意力状态下的delta（1-4 Hz）、theta（4-7 Hz）和beta（13-30 Hz）EEG活动增加更多；在枕叶，与陷入沉思相比，集中注意力状态下的delta（1-4 Hz）、alpha（8-12 Hz）和beta（13-30 Hz）波段的功率增加更多。此外，观察到KNN和贝叶斯网络分类器的受试者平均分类性能为77%到80%。这些结果显示了心理状态的变化如何影响 BCI 用户的表现。在这项工作中，我们开发了一种新场景来识别用户在执行 BCI 任务时的认知状态。这些发现可以用作未来 BCI 开发中的新型神经标记。
传感器
摘要：脑电信号被广泛应用于情绪识别，但目前基于脑电信号的情绪识别准确率较低，实时性受到限制。针对这些问题，本文提出了一种改进的特征选择算法来基于脑电信号识别受试者的情绪状态，并结合该特征选择方法设计了一种在线情绪识别脑机接口系统。具体而言，首先提取时域、频域、时频域不同维度的特征；然后采用改进的多阶段线性递减惯性权重（MLDW）粒子群优化（PSO）方法进行特征选择。MLDW算法可以很容易地优化惯性权重的递减过程；最后采用支持向量机分类器对情绪类型进行分类。我们从32名受试者采集的DEAP数据集中的脑电数据中提取了不同的特征，进行了两次离线实验，结果表明四类情绪识别的平均准确率达到了76.67%。与最新基准相比，我们提出的MLDW-PSO特征选择提高了基于脑电的情绪识别的准确率。为了进一步验证MLDW-PSO特征选择方法的有效性，我们开发了一个基于中文视频的在线二类情绪识别系统，对10名健康受试者取得了良好的效果，平均准确率达到了89.5%。证明了我们方法的有效性。
传感器
摘要：计算机处理技术的进步使研究人员能够分析实时大脑活动并构建实时闭环范式。在许多领域，这些闭环协议的有效性已被证明优于简单的开环范式。最近，睡眠研究作为闭环范式的一种可能应用引起了广泛关注。迄今为止，睡眠相关文献中已报道了几项使用闭环范式的研究，并建议使用闭环反馈系统来增强睡眠期间的特定大脑活动，从而改善睡眠的效果，例如记忆巩固。然而，据我们所知，没有报告回顾和讨论设计睡眠闭环范式时出现的详细技术问题。在本文中，我们回顾了有关睡眠闭环范式的最新报告，并对其中的一些技术问题进行了深入讨论。我们找到了 148 篇与“睡眠和刺激”密切相关的期刊文章，并回顾了 20 篇关于闭环反馈睡眠研究的文章。我们专注于进行任何反馈刺激方式的人类睡眠研究。然后，我们介绍了闭环系统的主要组成部分，并总结了闭环系统中广泛使用的几个开源库，并提供了用于睡眠的闭环系统实施的分步指南。此外，我们提出了使用闭环反馈系统进行睡眠研究的未来方向，这为闭环反馈系统提供了一些见解。
传感器
摘要：高性能、低功耗至零功耗的压电传感器满足了小尺寸、低功耗柔性微电子系统日益增长的需求，在机器人与假肢、可穿戴设备、电子皮肤等领域有着广阔的应用前景。本文介绍了压电传感器的发展历程、应用场景和典型案例，总结了提高压电传感器性能的几种策略：（1）材料创新：从压电半导体材料、无机压电陶瓷材料、有机压电聚合物、纳米复合材料，到新兴的、有前景的分子铁电材料。（2）在压电材料表面设计微结构，增大压电材料在作用力下的接触面积。（3）在传统压电材料中添加化学元素、石墨烯等掺杂剂。（4）开发基于压电电子效应的压电晶体管。此外，还讨论了每种策略的原理、优缺点和挑战。此外，还预测了压电传感器的前景和发展方向。未来，电子传感器需要嵌入微电子系统中才能充分发挥作用。因此，本文最后提出了一种基于外围电路的提高压电传感器性能的策略。
传感器
摘要：报道了一种采用临时键合技术制备的微型压阻式压力传感器。在SOI（Silicon-On-Insulator）晶片的器件层上形成传感膜，将传感膜与硼硅酸盐玻璃（Borofloat 33，BF33）晶片键合支撑，经硼掺杂和电极图形化后通过Cu-Cu键合剥离。将处理层减薄、刻蚀后键合到另一片BF33晶片上。最后采用化学机械抛光（CMP）减薄衬底BF33晶片，降低器件总厚度。切割后用酸溶液去除铜临时键合层，剥离传感膜。制备的压力传感器芯片面积为1600 µ m×650 µ m×104 µ m，传感膜尺寸为100 µ m×100 µ m×2 µ m。在0~180 kPa范围内获得了较高的灵敏度36 µ V / (V · kPa)。通过进一步减小宽度，所制备的微型压力传感器可以轻松安装在医疗导管中用于血压测量。
传感器
摘要：近年来，随着质量生产和能源消耗的增加，便携式和可穿戴的个人电子设备已迅速发展，从而造成了能源危机。使用寿命和环境危害有限的电池和超级电容器驱动着寻找新的，环保和可再生能源的需求。一个想法是利用人类运动的能量，并使用能量收集设备（Piezoelectric纳米发育仪（PENGS），Triboelectric纳米生成器（TENGS）和杂种。它们的特征是多种功能，例如轻度，灵活性，低成本，材料丰富等等。这些设备提供了使用物联网，AI或HMI等新技术的机会，并创建智能的自动传感器，执行器和自动植入/可穿戴设备。本评论的重点是彭，tengs和混合设备的最新示例，用于可穿戴和可植入的自动系统。讨论了所选示例的操作，微/纳米级材料的选择和制造过程的基本机制。当前的挑战和对纳米发育仪未来的前景。
传感器 - CORE
摘要：现代硬件和软件开发已导致用户界面从命令行演变为虚拟沉浸式环境的自然用户界面。模仿现实世界交互任务的手势越来越多地取代基于窗口/图标/菜单/指针 (WIMP) 或触摸隐喻的传统二维界面。因此，本文的目的是调查最先进的人机交互 (HCI) 技术，重点关注三维交互这一特殊领域。这包括当前可用的交互设备的概述、它们的使用应用以及手势设计和识别的底层方法。重点是基于 Leap Motion 控制器 (LMC) 的界面以及相应的手势设计和识别方法。此外，还回顾了所提出的自然用户界面的评估方法。
传感器和传感器
Published by IFSA Publishing, S. L., 2021 http://www.sensorsportal.com EEG Real Time Analysis for Driver's Arm Movements Identification * Enrico Zero, Chiara Bersani and Roberto Sacile Department of Informatics, Bioengineering, Robotics and Systems Engineering, University of Genova, Via all'Opera Pia 13, 16145 Genova, Italy电子邮件：enrico.zero@dibris.unige.it收到：2021年1月22日 /接受：2021年4月3日 /出版：2021年4月30日摘要：文献证明了自动驾驶在道路安全，交通拥堵和能源消费方面的潜在好处。必须由高级传感器和技术支持自动驾驶汽车，以建立对外部环境的可靠意识。但是，具有不同自动化水平的汽车在驾驶任务中需要不同水平的人类干预。在这种情况下，主要问题是确定人与自动化驾驶系统之间的相互作用，这在关键情况下需要详尽地了解驾驶员行为。本文提出了一个基于神经网络的EEG信号分类器，以通过其大脑电动活动来识别驾驶员的手臂运动，当时他/她必须转向右转或左转曲线轨迹。基于时间延迟神经网络（TDNN）的分类器旨在当参与者执行动作以移动他/她的手臂在模拟环境中行驶时抓住真正的方向盘时，旨在对人的脑电图进行分类。分类器的性能与大脑信号识别驾驶员的手臂运动有关的表现表现出了有希望的结果，值得进一步探索。关键字：脑电图，识别，神经网络，自动驾驶汽车，安全性。1。在汽车环境中，研究和创新最近集中在实现自动驾驶汽车上。自动驾驶汽车（AV）是指可以通过安装在船上的设备和传感器来检测环境，并在有限或没有人工干预的情况下开车。根据SAE International Standard 0，将AVS分为六个不同级别的自动化，从0级，驾驶员是即将到来的5级的唯一决策者，即车辆由自动驾驶系统（ADS）完全管理。详细说明，在0级，驾驶员执行所有动态驾驶任务（DDT），这些任务包括车辆运动所需的战术和操作功能。1级是