XiaoMi-AI文件搜索系统
World File Search System入耳式
适用于入耳式应用的 MEMS 扬声器
近年来，人们对用于入耳式应用的 MEMS 扬声器的兴趣日益浓厚，在声压级、失真和外形尺寸方面取得了令人鼓舞的成果 [1–3]。基于薄膜 PZT 的 MEMS 扬声器有望取代目前用于小型可穿戴设备的笨重扬声器。减小扬声器尺寸并使其适应微制造工艺可以进一步降低功耗并将其集成到更小的设备中，如智能手表和真正的无线耳机。在本文中，我们介绍了 [4] 中所示的扬声器的测量结果，并将结果与 [5] 中提出的集总参数模型和有限元模型进行的仿真结果进行了比较。在使用集总参数和有限元模型进行的仿真中，扬声器产生的声压级超过 120 dB SPL，频率低至 100 Hz。扬声器的响应使用 GRAS RA0045 耳塞耦合器测量，符合国际 60318-4 (IEC) 标准。扬声器的后腔未加载，装置放置在消声 GRAS 室内。设计并 3D 打印了一个适配器，以使扬声器的移动板适应耳塞耦合器的输入。还评估了由于扬声器中使用的薄膜压电材料的复杂非线性行为而导致的总谐波失真 (THD)。实验结果与实际结果之间的差异
入耳式耳机上欧盟生态设计和电池指令的实施
如今生产的产品并非为维修而设计。这导致产品损坏后被丢弃，并被新产品取代，而不是进行维修。为了解决这个问题，欧盟委员会不断努力更新产品开发的法律和指令，并逐步生效。本论文重点关注便携式电池的生态设计指令和电池指令，旨在重新设计指定的耳机以满足可修复性和最终用户更换电池的要求。这款耳机已由 Sigma Connectivity AB 指定，并从现有的设计中开发出更新的设计以满足生态设计和电池指令的要求。这是通过设计更改来实现的，这些更改允许经济可行的维修和选择最终用户可以自行更换的新电池，以及新电池带来的设计更改。电池是镍氢电池。
利用耳内脑电图进行注意力状态分类
摘要 — 完全在耳内的脑电图 (入耳式 EEG) 为不引人注目的连续生理和认知状态监测开辟了令人兴奋的途径。这项工作提出了基于在警觉任务实验中使用的舒适的双耳入耳式 EEG 仪器记录的数据对注意力状态进行精确分类的技术。我们记录了来自多个受试者的头皮和耳内 EEG 信号，并表明入耳式 EEG 提供了相当的分类准确度。我们的工作是共模空间滤波技术首次应用于从不受束缚的受试者的稀疏电极获取的信号。我们在对注意力和静息状态进行分类时展示了 90-95% 的准确率（带有 30 个电极的头皮 EEG）和 70-75%（耳道和耳甲内有 5 个电极的入耳式 EEG）。我们还展示了我们的方法对于低功耗片上分类来说是轻量级的，具有少量学习的能力。可穿戴、连续健康传感器的必要性在于适应资源受限的应用，并适应受试者之间的差异和不同的环境条件。这项研究表明，未来系统级芯片 (SoC) 集成对于能够进行闭环认知状态监测和神经反馈的用户通用和便携式设备具有可行性。索引术语 —BCI、入耳式脑电图、认知状态监测、警觉任务
无线用户通用耳脑电图
摘要 — 过去几年，人们已经证明可以从耳内记录脑电图 (EEG)（入耳式 EEG）。为了打开小型耳机作为可穿戴脑机接口 (BCI) 的大门，本研究介绍了一种实用的入耳式 EEG 设备，该设备基于多个干电极、用户通用设计和用于流式传输数据和设备编程的轻量级无线接口。该耳机旨在改善广大用户的耳道接触，并采用基于真空成型、等离子处理和喷涂等标准技术的低成本可扩展制造工艺制造。2.5 × 2.5 cm 2 无线记录模块旨在记录数据并以无线方式传输到主机。在三个月内对三名人类受试者进行了性能评估，并与临床级湿头皮 EEG 记录进行了比较。介绍了自发和诱发生理信号、眨眼、α 节律和听觉稳态响应 (ASSR) 的记录。据我们所知，这是第一款采用干式多电极、用户通用设计的无线入耳式脑电图。用户通用耳部脑电图记录的平均 alpha 调制为 2.17，优于最先进的干式电极入耳式脑电图系统。
迈向无处不在的脑电图，耳内脑电图与前额脑电图的相关性
摘要：近年来，可穿戴式脑电图 (EEG) 在临床和研究之外的广阔应用前景推动下越来越受欢迎。连续脑电图的普遍应用需要不显眼的外形，以便终端用户轻松接受。在此过程中，可穿戴式脑电图系统已从整个头皮转移到前额，最近又转移到耳朵。本研究的目的是证明新兴的耳部脑电图提供与现有的前额脑电图相似的阻抗和信号特性。在阻抗分析后，使用装有三个定制电极和一个前额电极 (Fpx) 的通用耳机从十名健康受试者获取了睁眼和闭眼阿尔法范式的脑电图数据。入耳式电极阻抗的受试者间变异性在 10 Hz 时为 20 k Ω 至 25 k Ω。信号质量相当，入耳式电极的 SNR 为 6，前额电极的 SNR 为 8。所有入耳式电极在睁眼状态下的 Alpha 衰减都很明显，并且遵循前额电极功率谱密度图的结构，入耳位置 ELE（左耳上）和 ERE（右耳上）与前额位置 Fp1 和 Fp2 之间的 Pearson 相关系数分别为 0.92。结果表明，就阻抗、信号特性和信息内容而言，入耳式 EEG 是已建立的前额 EEG 的非侵入式替代方案。
采用标准化的自动夜间睡眠监测...
摘要 — 目的：传感器小型化和计算能力的进步为在现实场景中监测人类生理状况提供了支持技术。睡眠中断可能会影响神经功能，也可能是身体和精神疾病的症状。本研究提出使用可穿戴入耳式脑电图 (ear-EEG) 进行整夜睡眠监测，作为一种 24/7 连续、不引人注目的社区睡眠质量评估技术。方法：共有 22 名健康参与者参加了整夜睡眠监测，同时进行耳部脑电图和常规全多导睡眠图记录。在结构复杂性和频谱域中分析了耳部脑电图数据。提取的特征用于通过监督机器学习自动预测睡眠阶段，其中 PSG 数据由睡眠临床医生手动评分。结果：基于单个入耳式传感器的耳部脑电图自动预测睡眠阶段与基于完整 PSG 的睡眠图之间的一致性在五个睡眠阶段分类的准确度上为 74.1%。这得到了 kappa 度量 (0.61) 的高度一致性的支持。结论：入耳式传感器可用于在睡眠实验室外监测整夜睡眠，还可减轻与 PSG 相关的技术困难。因此，它代表了一种 24/7 连续可穿戴的替代品，可以替代传统笨重且昂贵的睡眠监测。意义：“标准化”的通用粘弹性入耳式传感器是监测睡眠的下一代解决方案——该技术有望成为一种可行的可随时穿戴的睡眠监测方法，是实现负担得起的医疗保健和未来电子健康的关键。
多功能入耳式生物传感系统和体域网络，实现不引人注目的持续健康监测
为了实现连续的移动健康监测，可穿戴传感器需要以轻巧、不显眼的包装提供与临床设备相当的性能。这项工作提出了一个完整的多功能无线电生理数据采集系统 (weDAQ)，该系统已证明可用于耳内脑电图 (EEG) 和其他身体电生理学，使用由标准印刷电路板 (PCB) 制成的用户通用干接触电极。每个 weDAQ 设备提供 16 个记录通道、驱动右腿 (DRL)、3 轴加速度计、本地数据存储和可适应的数据传输模式。weDAQ 无线接口支持部署体域网络 (BAN)，该网络能够通过 802.11n WiFi 协议同时聚合多个可穿戴设备上的各种生物信号流。每个通道可解析超过 5 个数量级的生物电位，噪声水平为 0.52 μV rms，带宽为 1000 Hz，峰值 SNDR 为 119 dB，CMRR 为 111 dB（2 ksps 时）。该设备利用带内阻抗扫描和输入多路复用器，动态选择良好的皮肤接触电极作为参考和传感通道。从受试者进行的耳内和前额 EEG 测量捕捉到了大脑 alpha 活动的调制、眼电图 (EOG) 特征性眼球运动以及下颌肌肉的肌电图 (EMG)。在休息和锻炼期间，在自然办公环境中对多个自由移动的受试者进行了同时的 ECG 和 EMG 测量。所展示的开源 weDAQ 平台和可扩展 PCB 电极的小尺寸、性能和可配置性旨在为生物传感界提供更大的实验灵活性，并降低新健康监测研究的进入门槛。
Livio Edge AI 消费者手册
迎接世界上第一款定制可充电助听器。定制意味着助听器是定制模制的，可以舒适安全地适合您独特的耳道。佩戴或摘下口罩时，它们不会缠结或脱落。多种颜色选择让您可以低调或炫耀您的新入耳式设备。
Livio Edge AI 患者手册
迎接世界上第一款定制可充电助听器。定制意味着助听器是定制模制的，可以舒适安全地适合您独特的耳道。佩戴或摘下口罩时，它们不会缠结或脱落。多种颜色选择让您可以低调或炫耀您的新入耳式设备。
Via Edge AI 消费者手册
迎接世界上第一款定制可充电助听器。定制意味着助听器是定制模制的，可以舒适安全地适合您独特的耳道。佩戴或摘下口罩时，它们不会缠结或脱落。多种颜色选择让您可以低调或炫耀您的新入耳式设备。