XiaoMi-AI文件搜索系统
World File Search System频带
通过子频带光吸收
抽象过渡金属二甲化合物（TMD）分层半导体在光子，电子，光电和传感器设备的设计中具有巨大的潜力。然而，从近红外（NIR）到短波长红外（SWIR）的TMD的子频率光吸收不足以超出带隙极限。在此，我们报告说，MOS 2 /AU异质结构的子频率光响应可以通过所采用的电极制造方法进行牢固调节。我们在MOS 2 /AU异质结构中观察到多达60％的亚带gap吸收，其中包括杂交界面，其中通过溅射沉积应用了AU层。sub-Bandgap光的吸收大大增强是由于MOS 2和AU形成的平面腔。因此，可以通过改变MOS 2层的厚度来调整吸收光谱。在SWIR波长范围内的光电流增加，由于吸收增加而增加，这意味着可以从可见到SWIR的宽波长检测。我们还以1550 nm的激发波长达到了快速的光响应（〜150 µs）和高响应性（17 mA W -1）。我们的发现展示了一种使用金属电极工程的光学性质调制方法，并在宽带2D材料中实现SWIR光电进行。
设想语音识别的脑电图频带分析
摘要 — 自动语音识别 (ASR) 界面在日常生活中越来越受欢迎，用于电子设备的交互和控制。当前使用的界面不适用于各种用户，例如患有言语障碍、闭锁综合症、瘫痪或对隐私有极高要求的用户。在这种情况下，可以使用脑电图 (EEG) 信号识别设想语音的界面可以带来很大的好处。过去已经针对这个问题进行了各种研究。然而，在识别有助于设想语音识别的 EEG 信号频带 (δ、θ、α、β、γ) 方面工作有限。因此，在这项工作中，我们旨在分析从大脑不同叶获得的不同 EEG 频带和信号的重要性及其对识别设想语音的贡献。从不同叶瓣获得的信号以及针对不同频带进行带通滤波的信号被输入到具有卷积神经网络 (CNN) 和长短期记忆 (LSTM) 的时空深度学习架构中。性能评估基于一个公开可用的数据集，该数据集包含三个分类任务 - 数字、字符和图像。我们对这三个任务的分类准确率分别为 85.93%、87.27% 和 87.51%。实现代码已在 https://github.com/ayushayt/ImaginedSpeechRecognition 上提供。索引术语 - 设想语音、EEG、CNN、LSTM、频带、脑机接口
基于 EEG-EMG 频带功率相关 (BPC) 的 BCI
摘要：自人类历史开始以来，人们就一直着迷于这样一种概念：他们可以通过简单的“思考”的力量来影响周围的环境。由于过去几十年脑机接口 (BCI) 技术的发展，这一目标越来越接近现实。人类大脑内部发生的持续活动可以转化为各种命令，这些命令既可用于通信，也可用于通过使用 BCI 系统来操作外部设备。该过程从捕获脑信号开始，可以以侵入式或非侵入式方式进行。在数据收集之后的下一个阶段是处理信号，以获得与用户执行任务的意图相关的相关元素。基于 BCI 的神经康复模型使用来自大脑的 EEG 信号和来自肌肉的 EMG 信号来开发基于 BCI 的神经康复模型，该模型将任何生物信号与脑信号相结合，从而使机器人辅助系统更好地工作。为此，我们使用了基于试验的频带功率相关 (BPC) 衍生的 EEG-EMG 混合技术，该技术对 BCI 系统中的运动任务进行分类。结合 EEG 和 EMG 信号以及皮质肌肉相互作用来激活手外骨骼装置，并评估其对中风患者的可行性。我们计算用于对右手和左手运动进行分类的 BPC。
双频带，广角和高捕效效率...
1电气和电子工程学院，敦侯赛因大学马来西亚大学，UTHM，BATU PAHAT 86400，马来西亚Johor 2高级传感设备和技术FG，电气和电子工程学院，Tun Hussein Onn University，Tun hussein onn University，uthm电气和电子工程，Nanyang Technological University，新加坡639798，新加坡4 Emtex CTS SDN。bhd。孵化器空间，第2级，研究大楼，F6，Tun Hussein Onn Malaysia，Parit Raja，Batu Pahat 86400，马来西亚Johor 5电信研究与创新（CERTI），电子工程与计算机工程学院（FKEKK），马六甲技术大学（UTEM），MALASYIA，马来西亚Melaka *通信 *通信：Ahmedjamal@utem.edu.edu.my（A.J.A.-G.）; zahriladha@utem.edu.my（Z.Z.）†这些作者为这项工作做出了同样的贡献。
一种 新型 多 频带 整流 电路 的 设计 与 分析
摘要 近年来，射频能量收集已成为一个有趣的研究领域。本文介绍了多频带整流电路的实施布局。我们在这里实现了 1.9 GHz 的整流电路。整流电路的设计和仿真采用 -10 dBm、0 dBm、10 dBm 的输入功率。在谐振频率 1.83GHz、4.37 GHz 和 5.53 GHz 频率下，输入功率相对于直流电压的变化如图所示。当负载为 10kOhm、1Kohm、5Kohm，谐振频率为 1.83GHz、4.37GHz 和 5.53GHz 时，效率 (%) 相对于输入功率 (dBm) 的变化如图所示。当输入功率为 -10dBm 和 10dBm，频率为 1.83GHz、4.37GHz 和 5.53GHz 时，直流输出电压相对于负载的变化如图所示。本文展示了输入功率为-10dBm、0dBm、谐振频率为1.83GHz、4.37GHz和5.53GHz时效率随负载的变化。本文解释了输入功率为-10dBm和0dBm、负载为1kOhm、5Kohm和10Kohm时输出直流电压随频率的变化。本文还介绍了输入功率=-10 dBm和0dBm、负载=10Kohm时输入阻抗（Zin）实部和虚部随频率（GHz）的变化。本文还展示了输入功率为-10dBm、负载为10KOhm时回波损耗S（1,1）（dB）随频率的变化。关键词：整流器、回波损耗、射频能量收集
慢性神经性疼痛中的EEG频带分析
背景和目标：慢性神经性疼痛（NP）是一种慢性疼痛疾病，严重影响患者的生活。疼痛管理被证明是不可能的。提供NP相关信息的低成本，无创工具是脑电图（EEG）。但是，事实证明，常用的线性脑电图特征在表征NP病理生理学方面受到限制。本研究试图确定非线性脑电图特征（例如近似熵（APEN））是否比绝对条带功率更好地区分疼痛严重性。方法：基于简短疼痛清单（BPI）的非参数统计方法，以及线性和非线性EEG特征。为此，招募了36例慢性NP患者，并注册了22个渠道。此外，将13名参与者的控制数据库用作参考，其中有19个通道注册。对于两组，在静止状态下记录了脑电图10分钟：5分钟，眼睛睁开（EO）和5分钟，闭上眼睛（EC）。在两组的所有通道中估计了五个临床频带（Delta，Theta，Alpha，beta和Gamma）中五个临床频带（Delta，Theta，Alpha，Beta和Gamma）中的绝对带功率和APEN EEG特征。结果，分别为实验和对照类别获得了220维和190维特征向量。对于实验类别，NP患者根据BPI评估分为三组：低，中度和高疼痛。©2023作者。由Elsevier B.V.最后，使用Kruskal Wallis和Hoc Dunn的测试比较组之间的特征向量。结果：APEN揭示了大多数频段和组之间的统计差异（P <= 0.0 0 01）。相比之下，群体之间的差异较小，尤其是在EO之间。此外，NP组仅在Theta，Alpha和Beta带中仅使用APEN聚集。结论：结果表明，APEN有效地表征了慢性NP的不同严重性，而不是常用的线性特征。APEN和其他非线性技术（例如，光谱熵，香农熵）可能是监测慢性NP体验的更合适的方法。这是CC下的开放式访问文章（http://creativecommons.org/licenses/4.0/）
MI-BCI 性能与受试者特定的频带特征相关
* 电子邮件：camille.benaroch@inria.fr 简介：运动想象 (MI) 任务调节 EEG 活动，尤其是在 α 和 β 频带 (8-30 Hz) 中。在 BCI 校准期间，通常使用数据驱动方法来选择这些频带中的特征，而很少考虑由此产生的人类表现。这种方法能达到最佳性能吗？为了回答这个问题，本研究调查了机器学习选择的特定受试者频带的特征（平均频率 (FB-Mean) 和长度 (FB-Length)）与在线 BCI 用户表现之间的关系。
脑电图频带和数据分离对神经网络人员验证性能的影响
摘要：本文致力于研究基于脑电图的人员验证。分析的解决方案采用浅层人工神经网络，使用频谱脑电图特征作为输入表示。我们研究了来自不同频带的特征及其组合对验证结果的影响。此外，我们还研究了神经网络中多个隐藏神经元的影响。分析中使用的数据集包括 29 名健康成年参与者在不同日期的静息状态下记录的信号，每个参与者有 20 个脑电图会话。我们提出了两种不同的训练和测试过程场景。在第一种情况下，我们使用每个记录会话的不同部分来创建训练和测试数据集，在第二种情况下，训练和测试数据集来自不同的记录会话。在单个频带中，beta 频带的结果最好（第一种和第二种场景的平均准确率分别为 91% 和 89%）。将更多频带的频谱特征添加到 beta 频带特征中可以改善结果（95.7% 和 93.1%）。研究结果表明，没有足够的证据表明使用不同数量隐藏神经元的网络之间的结果不同。此外，我们还纳入了 23 个外部冒名顶替者的攻击结果，这些冒名顶替者的记录在两种情况下均未用于训练或测试神经网络。我们研究的另一个重要发现是，第二种情况下的灵敏度结果更差。这一结果表明，大多数基于第一种情景（在当前文献中占主导地位）提供验证或识别结果的研究在实际应用方面被高估了。
阿尔法和贝塔频带中审美自然感知的大脑光谱特征
。CC-BY-ND 4.0 国际许可，根据 提供（未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2022 年 8 月 15 日发布。；https://doi.org/10.1101/2022.08.11.503584 doi：bioRxiv 预印本
1.2 dB NF 分集接收模块的低频带多增益 LNA 设计
摘要：本文介绍并讨论了一种用于分集接收模块的低频带 (LB) 低噪声放大器 (LNA) 设计，该模块适用于多模蜂窝手机。LB LNA 覆盖 5 个不同频段，频率范围从 617 MHz 到 960 MHz，5 刀单掷 (5PST) 开关用于选择不同的频段，其中两个用于主频段，三个用于辅助频段。所提出的结构涵盖从 -12 到 18 dB 的增益模式，增益步长为 6 dB，每种增益模式的电流消耗都不同。为了在高增益模式下达到噪声系数 (NF) 规格，我们在本设计中采用了具有电感源退化结构的共源共栅 (CS)。为了实现 S 11 参数和电流消耗规格，高增益模式（18 dB、12 dB 和 6 dB）和低增益模式（0 dB、-6 dB 和 -12 dB）的内核和共源共栅晶体管已被分开。尽管如此，为了保持较小的面积并将相位不连续性保持在 ± 10 ◦ 以内，我们在两个内核之间共享了退化和负载电感器。为了补偿工艺、电压和温度 (PVT) 变化的性能，该结构采用了低压差 (LDO) 稳压器和极端电压补偿器。该设计在65nm RSB工艺设计套件中进行，电源电压为1V，以18dB和-12dB增益模式为例，其NF分别为1.2dB和16dB，电流消耗为10.8mA和1.2mA，输入三阶截取点（IIP3）分别为-6dBm和8dBm。