XiaoMi-AI文件搜索系统
World File Search System传输速率
DLTtape IV
格式容量（2:1 压缩） 20 GB (40 GB) 35 GB (70 GB) 40 GB (80 GB) 磁带宽度（标称） 12.65 mm 12.65 mm 12.65 mm 磁带厚度（标称） 9 µm 9 µm 9 µm 磁带长度（标称） 557 m 557 m 557 m 持续传输速率（2:1 压缩） 1.5 MB/s (3 MB/s) 5 MB/s (10 MB/s) 6 MB/s (12 MB/s) 磁道 128 磁道 208 磁道 208 磁道 记录密度 82,000 bpi 86,000 bpi 98,000 bpi 磁道密度 256 tpi 416 tpi 416 tpi 盒式磁带尺寸（标称） 105.8 mm x 105.4 mm x 25.4 mm 操作环境 温度 10°C ~ 40°C 湿度 20% ~ 80% 无凝露 存储环境 温度 16°C ~ 32°C 湿度 20% ~ 80% 无凝露 运输环境 记录温度 5°C ~ 32°C 湿度 5% ~ 80% 无凝露 未记录温度 -23°C ~ 48°C 湿度 5% ~ 100% 无凝露 最长运输期 10 天
引用张萌, 王志勇, 胡红玲. 一种利用频率和空间编码视觉目标的基于SSVEP的BCI新方法. 中国科学信息科学, 2020, 63(8): 1893
亲爱的编辑，基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）与其他类型的BCI相比，具有更高的识别准确率、与刺激的关系更可靠、信息传输速率（ITR）更高等性能，引起了研究人员的广泛关注。基于SSVEP的BCI面临的一个主要挑战是可用于编码视觉目标的频带有限。更多的视觉目标可能会带来更高的ITR。为了解决这个问题，研究人员正在尝试设计新的编码方案，包括以代码形式呈现频率刺激和在编码方案中利用联合相位和频率信息[1-3]。这些研究通过将通信框架应用于BCI取得了显著的成果。受这些研究的启发，本研究提出了一种利用频率和空间信息对视觉目标进行编码的新编码方法。我们扩展了 [ 4 ] 的编码方案，在原始空间编码方案中引入了频率信息。根据我们提出的编码方案，我们实现了一个 BCI 系统，该系统利用四个不同的频率和相对于每个频率刺激的四个不同位置呈现 16 个视觉目标。与仅在编码方案中使用频率信息或空间信息的传统 BCI 系统相比，我们的提议研究可以
MLX90614 系列 - SparkFun Electronics
注意：所有通信和刷新率时序均针对标称校准的 HFO 频率给出，并将随此频率的变化而变化。1.所有 PWM 时序规格均针对单个 PWM 输出给出（MLX90614xAx 的出厂默认值）。对于扩展 PWM 输出（MLX90614xBx 的出厂默认值），每个周期的时序规格为原来的两倍（请参阅 PWM 详细描述部分）。对于大电容负载，建议使用较低的 PWM 频率。热继电器输出（配置时）具有 PWM DC 规格，可以编程为推挽或 NMOS 开漏。PWM 是自由运行的，上电出厂默认为 SMBus，详情请参阅 7.6“在 PWM 和 SMBus 通信之间切换”。2.有关 12V 应用上的 SMBus 兼容接口，请参阅应用信息部分。SMBus 兼容接口在 SMBus 详细描述部分中有详细描述。一条总线上 MLX90614xxx 设备的最大数量为 127，如果设备数量较多、总线数据传输速率更快、总线无功负载增加，建议使用较高的上拉电流。MLX90614xxx 始终是总线上的从设备。MLX90614xxx 可以在低功耗和高功率 SMBus 通信中工作。除非另有说明，所有电压均指 Vss（接地）。5V 版本 (MLX90614Axx) 不提供省电模式。
神经科学方法杂志
背景：最近，我们利用并发的P300和稳态视觉诱发电位（SSVEP）特征（也称为混合特征）实现了具有大指令集的高速脑机接口（BCI）系统。然而，如何为所提出的BCI系统选择刺激间隔（ISI）以平衡编码效率和解码性能仍不清楚。新方法：本研究开发了一个6 * 9混合P300-SSVEP BCI系统，并研究了一系列ISI，范围从-175 – 0 ms，步长为25 ms。从几个方面分析了ISI对混合特征的影响，包括诱发特征的幅度、分类准确性、信息传输速率（ITR）。招募了12名天真的受试者进行实验。结果：结果表明ISI因素对混合特征有显著影响。具体而言，随着ISI值的降低，诱发特征的幅度和准确性逐渐降低，而ITR迅速增加。当ISI等于-175 ms时，达到了最高的ITR 158.50 bits/min。与现有方法的比较：与前文研究中使用的ISI相比，本研究中的最佳ISI取得了更好的性能。结论：ISI对P300-SSVEP BCI系统有重要影响，本研究中其最优值为-175 ms，这对于未来开发具有更大指令集的高速BCI系统具有重要意义。
声音对基于视觉ERP的脑机接口影响的研究
摘要：基于事件相关电位（ERP）的脑机接口（BCI）应用于现实环境时性能会下降，限制了BCI的通用性。声音是日常生活中常见的噪声，其是否对BCI的性能下降有影响尚不清楚。本研究设计了一个视听BCI任务，要求受试者集中注意力于视觉界面输出命令，同时根据听觉故事进行计数。故事以三种速度播放以引起不同的工作负荷。在相同或不同工作负荷下收集的数据用于训练和测试分类器。结果表明，当故事播放速度加快时，枕顶区 P300 和 N200 电位幅值分别下降 0.86 µV（p=0.0239）和 0.69 µV（p=0.0158），导致准确率下降 5.95%（p=0.0101），信息传输速率下降 9.53 bits/min（p=0.0416）。使用高工作量数据进行性能测试时，用高工作量数据训练的分类器比用低工作量数据训练的分类器获得更高的准确率。结果表明，声音可以通过增加工作量来影响视觉 ERP-BCI。训练数据和测试数据的高相似性与 ERP 幅值对于获得高性能同样重要，这为我们提供了如何使 ERP-BCI 具有泛化能力的见解。
隐蔽注意力可以持续控制大脑......
脑机接口 (BCI) 不仅可用于控制外部设备，还有望为研究大脑的工作提供新工具。在本研究中，我们研究了通过改变隐蔽注意力来调节大脑活动是否可以用作 BCI 的连续控制信号。隐蔽注意力是指在不改变注视方向的情况下将精神集中在外围感官刺激上的行为。当受试者在保持注视的同时隐蔽地注意移动的线索时，使用脑磁图记录了受试者的持续大脑活动。仅基于后阿尔法功率，就可以使用循环回归恢复受试者的注意方向。结果表明，在我们最好的受试者中，注意力角度可以用平均绝对偏差 510 来预测。对受试者进行平均，平均偏差约为 70°。在信息传输速率方面，用于恢复注意力方向的最佳数据长度被发现为 1700 毫秒；这导致最佳受试者的平均绝对偏差为 60°。结果是在没有任何受试者特定特征选择的情况下获得的，并且不需要事先进行受试者训练。我们的研究结果表明，由于内隐注意力的方向而引起的后阿尔法活动调节具有作为 BCI 环境中持续控制的控制信号的潜力。我们的方法将有多种应用，包括脑控计算机鼠标和改进的神经反馈方法，这些方法可以直接训练受试者调节后阿尔法活动的能力。
基于非侵入性神经记录的最新趋势，基于大脑对脑之间的脑之间的同步分析多学科人类相互作用，以理解大脑动态：系统评价
许多视网膜假体系统表明，由于视网膜外变性疾病而失去视力的个体，可以恢复有用的视力。早期的假体研究主要集中在电刺激的结合上，以改善空间分辨率和/或特定视网膜神经节细胞（RGC）类型的偏置刺激，以选择性视网膜在/OFF道路上的选择性激活，以增强视觉感知。为了更好地复制正常视力，考虑通过在RGC种群中产生的峰值活动来考虑信息传递也是至关重要的，因为将大量的视觉信息从眼睛转移到大脑。在以前的研究中，尚未充分探索，这是根据微电极传递的电刺激而创建了多少人工视觉信息。在目前的工作中，我们讨论了神经信息对高质量人工愿景的重要性。首先，我们总结了先前的文献，这些文献从RGC的峰值活动中计算出信息传输速率，以响应视觉刺激。第二，我们举例说明了一些研究，这些研究从电诱发的反应中计算出神经信息。第三，我们介绍了如何以代表性的两种方式计算信息速率 - 直接方法和重建方法。第四，我们在硅方法中介绍了建模人工视网膜神经网络，以探索信息量与尖峰模式之间的关系。最后，我们以临床意义结束了审查，以强调考虑视觉信息传输以进一步改善视网膜假体的必要性。
在RSVP范式下，基于BCI的拼写器中具有不同类型的视觉刺激的性能分析
大脑计算机界面（BCI）系统为严重运动残疾患者提供了替代通信通道，可以使用无肌肉运动与环境互动。近年来，与最经常研究的基于BCI的拼写范式相比，对非目光依赖的脑部计算机界面范式的研究的重要性一直在增加。在RCP范式下已经验证了用于通信目的的几种视觉修改尚未在最扩展的非目光依赖的快速串行视觉呈现（RSVP）范式下进行验证。因此，在本研究中，根据RSVP评估了三组不同的刺激，并具有以下交流特征：白色字母（WL），著名面部（FF），中性图片（NP）。11个健康受试者参加了该实验，其中受试者必须经历校准阶段，在线阶段以及最终的主观问卷完成阶段。结果表明，FF和NP刺激在校准和在线阶段促进了更好的性能，在FF范式中稍好。关于主观问卷，与WL刺激相反，参与者再次首选FF和NP，但这次NP刺激得分略高。这些发现表明，与最常用的基于字母的刺激相比，将FF和NP用于基于RSVP的拼写器可能是有益的，可以提高信息传输速率，并且可以代表具有改变眼运动功能的个人的有希望的通信系统。
探索五元 m 序列以实现更用户友好的 c-......
基于代码调制视觉诱发电位 (c-VEP) 的脑机接口 (BCI) 已实现了基于 EEG 的响应式通信系统。由于 BCI 目标具有自相关特性，因此通常使用二进制 m 序列对其进行编码；数字 1 和 0 对应不同的目标颜色（通常为黑色和白色），这些颜色会根据代码每帧更新一次。虽然二进制闪烁模式可以实现高速通信，但许多用户认为它们很烦人。五进制 (5 进制) m 序列（其中五个数字对应不同的灰度）可能会产生更微妙的视觉刺激。本研究探讨了两种减少闪烁感的方法：(1) 通过刷新率调整闪烁速度和 (2) 应用五进制代码。在这方面，使用八目标拼写应用程序测试了六种闪烁模式：以 60、120 和 240 Hz 刷新率生成的二进制模式和五进制模式。这项研究由 18 名非残障参与者进行。对于所有六种闪烁模式，都进行了一项复制拼写任务。根据问卷调查结果，大多数用户更喜欢建议的五进制模式而不是二进制模式，同时实现的性能与之相似（未发现两种模式之间的统计差异）。参与者的平均准确率超过 95%，所有模式和闪烁速度的信息传输速率均超过 55 位/分钟。
机器人、自动化和人工智能：
3.下一个关键的 RAAI 支持技术包括 3-D 视觉和 5G 无线。先进机器视觉的出现正处于创造新一代协作机器人的风口浪尖，这些机器人使用摄像头、激光雷达和红外传感器来实现更快但更安全的协作应用，从而带来新一波生产力提升。视觉引导机器人 (VGR) 很快（2020 年末/2021 年初）就能高度适应动态操作环境，将经过安全认证的 2-D 和 3-D 视觉硬件与先进的软件和强大的计算能力相结合，实时处理大量视觉数据。先进的 VGR 使用算法来实现精确控制的运动。功能齐全的 5G 无线技术具有低延迟、实时速度和更快的传输速率，可将机器人设备与实时计算连接起来，从而实现完全动态的集成性能功能。5G 有望在三到五年内全面投入使用，从而能够在户外等非结构化环境中更广泛地部署自主 RAAI 技术。目前，大多数商业上可行的自主 RAAI 技术应用都发生在更结构化的室内环境中。就像实时无线视频流创造了最后一波云计算浪潮（通常在远程数据中心）一样，5G 可能会催生本地化微型数据中心的出现，以处理预期的实时数据处理爆炸式增长。