XiaoMi-AI文件搜索系统
World File Search System信号周期
使用动态时间规整增强事件相关电位分析的平均值
在 [17] 中，作者考虑了一种扭曲方案，该方案采用基于最小二乘的时间位移和对齐底层模型。Gibbons 和 Stahl [20] 也考虑了 ERP 平均的响应时间校正：作者假设 ERP 分量（尤其是后期分量）的时间会有显著变化，因此他们建议使用多项式表达式来校正响应时间，该表达式基于先前确定的平均响应时间和线性插值。[21] 中介绍了不考虑噪声、抖动或新频率的出现而迭代使用平均 DTW。在 [22] 中，作者提出了一种成本矩阵的修改，该修改可以消除在对非线性对齐的信号周期进行平均时抑制噪声的不利结果。
367 类通信、电气：声波系统...
367 电气通信：声波系统与装置 1 声纳对抗措施 2 应答器 3 .声纳浮标和声纳浮标系统 4 ..带有部件启动或部署装置 5 ..带有多个声纳浮标 6 .带有多个应答器 7 声像转换 8 .声全息术 9 ..地震显示 10 ..液体或可变形表面全息术 11 .带有记忆装置 12 光束稳定或补偿 13 测试、监测或校准 14 地震勘探 15 .海上勘探 16 ..传感器位置控制 17 .液压机械 18 .流体变化 19 ..传感器电缆位置确定 20 ..多水听器电缆系统 21 ..信号处理 22 ..传感器输出加权 23 ..受控源信号 24 ..混响消除 25 .测井 26 ..阈值设置系统 27 ..时间间隔测量 28 ..振幅测量 29 ..峰值振幅 30 ..振幅比较 31 ..非压缩声波能量 32 ..频率相关确定 33 ..深度记录或控制 34 ..接收信号周期鉴别 35 ..井眼或套管状况 36 .陆地折射类型 37 .陆地反射类型 38 ..信号分析和/或校正 39 ..随机信号相关 40 ..接收相关 41 ..传输相关 42 ..标准相关 43 ..滤波器
脑电图中心理运动意象分类的稳定性取决于分类器模型的选择和实验设计，而不是信号预处理
心理运动意象 (MI) 是指在心理上执行运动任务（Milton 等人，2008 年，例如打网球或游泳）。此类任务可用于体育领域（Schack 等人，2014 年）或评估严重脑损伤患者的认知表现（Stender 等人，2014 年；Engemann 等人，2018 年），利用事件相关去同步 (ERD) 可靠地检测脑损伤患者的高级认知功能（Cruse 等人，2011 年、2012b 年）。可靠地检测健康人的 MI 任务表现对于诊断工具评估无法对任务做出公开反应的脑损伤患者的隐性意识是必不可少的。在一项关于心理 MI 的里程碑式研究（ Goldfine 等人，2011 ）中，作者证明，所有健康对照组的脑电活动都有意识地调节，并与活跃心理或静息状态的时间锁定在一起。但这些调节是不一致的。因此，我们得出结论，在测试健康人时，即在考虑患有严重脑损伤的患者之前，是否有可能可靠地区分心理 MI 范式中的活跃状态和静息状态，这一点值得担忧。从技术上讲，稳定的心理 MI 大脑状态的检测似乎高度依赖于所使用的信号处理、分类程序和统计分析，正如对心理 MI 数据的重新分析（ Henriques 等人，2016 ）中所报告的那样。因此，在这项工作中，我们重新审视了健康个体中 MI 范式的潜力，并研究了四个不同的研究问题（RQ）。我们首先研究定量分析 EEG 数据时的两个非常关键的问题：伪影的识别和剔除以及电极空间的选择。由经过培训的研究人员对 EEG 信号进行目视检查，并手动去除充满伪影的信号周期，是从记录中去除受污染通道（Cruse 等，2011、2012a）或尾迹（Cruse 等，2012b）的常用方法。这种伪影剔除方法可以应用于明显的伪影，如眨眼或运动，但肌源性活动往往与感兴趣的大脑活动（McMenamin 等，2010）混合在一起，因此无法用这种策略从信号中去除。独立成分分析（ICA）是分离肌源性和大脑活动的有力工具。ICA 将数据分解为独立成分，然后通过目视检查将其分类为肌源性或真正的大脑活动。然而，受过训练的专家的错误分类可能是导致 ICA 性能有限的原因（Olbrich 等人，2011 年）。大约三分之一的 EEG 分类研究使用手动伪影清除，然后不进行伪影清除，并且