西交大脑控实验报告
医学信号处理二_随机信号统计特征分析
西安交通大学实验报告课程 医学信号处理 第 页 共 页系 别 生命学院 实 验 日 期 2017 年 3 月 31日 专业班级 医电42 实 验 报 告 日 期 2017 年 4 月 7 日 姓 名 黄横波 学号 2141201033 报 告 退 发 ( 订正 、 重做 ) 同 组 人_________________________________ 教 师 审 批 签 字实验名称 随机信号统计特征分析一、实验目的1. 理解随机信号的各种统计特征。
2. 学习用MATLAB 语言编写统计特征程序。
3. 观察不同通道脑电信号的统计特征。
二、实验内容1. 分别产生1000个点的白噪声信号x 和y ，分别计算x 和y 均值、均方值以及方差，并计算信号x 、y 自相关函数，并作图显示信号以及它们的自相关函数、互相关函数。
（产生白噪声信号的函数：randn ，相关函数：xcorr ）2. 使用1中的信号x 加上余弦信号x ’构成的随机信号z ，作图显示x ’和z 信号图形，分别计算z 、x ’的自相关函数，以及x ’与z 互相关函数，并作图显示自相关函数和互相关函数。
（其中，'()cos(1501)x t t ππ=⋅⋅+⋅，信号采样的时间间隔0:1:999t =，相关函数：xcorr ）3. 给出三个通道脑电信号FP1导联、FP2导联以及Pz 导联，分别计算脑电信号的均值、均方值、方差以及自相关函数，作图显示脑电信号信号和它们的自相关函数。
另外，计算FP1导联和FP2导联、FP1导联和Pz 导联，FP2导联和Pz 导联的互相关函数，并作图显示。
（FP1导联、FP2导联以及Pz 导联脑电信号数据：eeg1.mat 、eeg2.mat 以及eeg3.mat ，数据长度均为10000，信号采样率1000Hz ，单位：微伏(V µ)。
）4. 分析讨论（1）按照1中的方法分别产生长度不同的信号x 、y ，计算它们的均值、均方值以及方差，并计算信号x 、y 自相关函数，并作图显示自相关函数。
CT仿真实验报告
西安交通大学实验报告共 7 页课程医学成像实验系别生物医学工程实验日期 2012 年 12 月 XX日专业班级医电 01 班组别交报告日期 2013 年 01 月 02日姓名学号报告退发 (订正、重做)同组者教师审批签字实验名称 CT重建原理——投影数据采集实验1一、实验目的以及要求实验目的：利用CTSim模拟软件生成投影数据，为滤波反投影重建实验做准备。
实验基本要求：用CTSim程序完成实验模拟，分析评价结果。
二、实验内容1、利用CTSim模拟软件生成椭圆的平行束投影数据；2、利用CTSim模拟软件生成Shepp-Logan图的平行束投影数据；3、对生成的投影数据进行初步评价。
三、实验步骤A、完成CTSim模拟软件生成椭圆的平行束投影数据；1、点击软件ctsim，打开软件界面，点击File，选择creat phantom，选择Herman Head，得到椭圆的灰度图像，如图：图1 软件界面图2 选择界面图3 椭圆的原始数据2、在选择椭圆窗口的情况下，点击Process，选择rasterize，点击OK，将图像进行光栅化，如图：图4 光栅化参数图5 光栅化后的图像3、在选择unnamed3窗口，选择View，选择Auto Scale Parameters，将Standard Deviation Factor参数改为，点击OK，得到处理后图像，如图：图6 光栅化参数图7 参数优化后图像4、回到herman窗口，点击Process，选择Projection Paramaters，参数默认即可，点击ok，开始采集数据，如图：图8 参数选择界面5、得到投影参数后，在选择unnamed4窗口界面下，选择Analyze，在选择Plot Histogram，得到平行束投影分析数据，如图：图9 平行束投影后的数据图10 投影数据分析图6、在选择平行束投影后数据窗口情况下，选择Reconstruct，选择Filtered Backprojection Parameters，选择默认参数即可，点击OK，得到重建数据，如图：图11 参数选择界面图12 重建后的图像7、可选择不同的View参数对重建后的图像进行参数的优化调整，得到最优的观察效果。
西交大射频实验报告
射频专题实验实验报告实验一匹配网络的设计与仿真实验目的1.掌握阻抗匹配、共轭匹配的原理2.掌握集总元件L 型阻抗抗匹配网络的匹配机理3.掌握并(串)联单支节调配器、λ/4阻抗变换器匹配机理4.了解ADS 软件的主要功能特点5.掌握Smith 原图的构成及在阻抗匹配中的应用6.了解微带线的基本结构基本阻抗匹配理论信号源的输出功率取决于U s、R s和R L。
在信号源给定的情况下，输出功率取决于负载电阻与信号源内阻之比k 。
当R L=R s时可获得最大输出功率，此时为阻抗匹配状态。
无论负载电阻大于还是小于信号源内阻，都不可能使负载获得最大功率，且两个电阻值偏差越大，输出功率越小。
匹配包括：共轭匹配，阻抗匹配，并(串)联单支节调配器。
练习1.设计L型阻抗匹配网络，使Zs=(46－j×124) Ohm信号源与ZL=(20+j×100) Ohm的负载匹配，频率为2400MHz.仿真电路图2. 设计微带单枝短截线线匹配电路，使MAX2660的输出阻抗ZS=（126-j*459）Ohm与ZL=50Ohm的负载匹配，频率为900MHz.微带线板材参数：相对介电常数：2.65相对磁导率：1.0导电率：1.0e20损耗角正切：1e-4基板厚度：1.5mm导带金属厚度：0.01mm仿真电路图仿真结果实验二衰减器的仿真设计一、练习：设计10dB П型同阻式（Z1=Z2=50Ω）固定衰减器。
仿真电路：仿真结果：二、衰减器的测量——AV36580A 矢量网络分析仪(一)测失配负载在600～2600MHz 的驻波比（S11、回损）S11 对数幅度实验三威尔金森功分器的设计与仿真一、设计指标要求：中心频率：2.45GHz带宽：60MHz频带内输入端口的回波损耗：S11<-20dB，S22<-20dB频带内插入损耗：S21>-3.1dB, S31>-3.1dB隔离度：S32<-25dB二、板材参数：H:基板厚度(1.5 mm)， Er:基板相对介电常数(2.65)Mur:磁导率(1)， Cond:金属电导率(5.88E+7)Hu:封装高度(1.0e+33 mm) T:金属层厚度(0.035 mm)TanD:损耗角正切(1e-4)， Roungh:表面粗糙度(0 mm)三、威尔金森功分器原理：如下图为威尔金森功分器的结构图，其输入、输出特性阻抗均为。
西安交大 人工智能 重排九宫格实验报告
int move_down(int num[9]) { int i=0; for (;i<9;i++) if (num[i]==0) break; if (i>5) return 0; else { num[i]=num[i+3]; num[i+3]=0; return 1; } } //空格向左移 int move_left(int num[9]) { int i=0; for (;i<9;i++) if (num[i]==0) break; if (i==0||i==3||i==6) return 0; else { num[i]=num[i-1]; num[i-1]=0; return 1; } } //空格向右移 int move_right(int num[9]) { int i=0; for (;i<9;i++) if (num[i]==0) break; if (i==2||i==5||i==8) return 0; else { num[i]=num[i+1]; num[i+1]=0;
void get_numbers_to(int other_num[9]); int get_nipn(void) {return not_in_position_num;} int get_deapth(void) {return deapth;} int get_evafun(void) {return eva_function;} void set_num(int other_num[9]); void show(void); eight_num& operator=(eight_num&); eight_num& operator=(int other_num[9]); int operator==(eight_num&); int operator==(int other_num[9]); }; //计算启发函数 g(n)的值 void eight_num::cul_para(void) { int i; int temp_nipn=0; for (i=0;i<9;i++) if (num[i]!=target[i]) temp_nipn++; not_in_position_num=temp_nipn; if (this->parent==NULL) deapth=0; else deapth=this->parent->deapth+1; eva_function=not_in_position_num+deapth; } //构造函数 1 eight_num::eight_num(int init_num[9]) { for (int i=0;i<9;i++) num[i]=init_num[i]; } //显示当前节点的状态 void eight_num::show() { cout<<num[0]; cout<<" "; cout<<num[1]; cout<<" "; cout<<num[2];
脑控主被动协同刺激下肢康复训练系统研究与开发
脑控主被动协同刺激下肢康复训练系统研究与开发李龙飞;曹飞帆;张鑫;梁仍昊;徐光华【摘要】目的对脑控主被动协同刺激康复训练关键技术进行研究,探索解决脑卒中患者在康复训练过程中主动参与程度较低的问题.方法探索一种全新的脑控主被动协同刺激康复训练方法,集成了脑机接口、稳态运动视觉诱发电位、虚拟现实和下肢康复训练机器人等技术,通过视觉刺激效果和被动训练作用于患者中枢神经,形成信息传递的闭环回路,实现运动神经通道的协同刺激,并搭建了脑控主被动协同刺激的下肢康复训练系统.结果所有被试者都在本系统的辅助下顺利完成了实验,检测程序在信息传输率为6.82～16.11 bits/min时,系统检测的准确度为76.7％～96.7％,系统识别被试者运动意图的平均时间为6.01 s,平均识别率为82.8％.结论本系统通过脑控主被动协同训练,提高了患者的训练效率和积极主动性,具有良好的应用前景.【期刊名称】《西安交通大学学报（医学版）》【年(卷),期】2019(040)001【总页数】5页(P130-133,143)【关键词】脑机接口;稳态运动视觉诱发电位;虚拟现实;下肢康复训练机器人【作者】李龙飞;曹飞帆;张鑫;梁仍昊;徐光华【作者单位】西安交通大学机械工程学院,陕西西安 710049;西安交通大学机械工程学院,陕西西安 710049;西安交通大学机械工程学院,陕西西安 710049;西安交通大学机械工程学院,陕西西安 710049;西安交通大学机械工程学院,陕西西安710049【正文语种】中文【中图分类】R493我国脑卒中的发病率逐年上升，由脑卒中、脑损伤引起的偏瘫和残疾也呈上升趋势。
按照目前的发展，到2030年脑卒中所导致的全球死亡人数将达到780万，幸存患者中70%～80%(500.5～572万人口)会有不同程度的残疾[1]。
临床研究表明，科学的康复训练对脑卒中患者患侧肢体运动功能的恢复有至关重要的作用。
传统的康复治疗是以康复治疗师为主体，由治疗师对患者进行一对一的被动康复训练，康复训练效果不佳。
西安交通大学科技成果——面向脑损伤与渐冻人的脑控康复机器人与语言交互系统
西安交通大学科技成果——面向脑损伤与渐冻人的脑控康复机器人与语言交互系统
成果简介
西安交通大学技术团队一直致力于脑-机接口及其康复机器人的研究工作。
近年来，主持了国家自然科学基金重大研究计划集成项目、国基金面上项目、国家863主题项目等多项重点项目，提出了稳态视觉运动诱发电位创新脑机接口、噪声增强的脑电诱发技术，得到国际同行的高度评价。
所开发了智能脑控轮椅、脑控下肢主被动协同康复人系统和基于视觉运动诱发的高速中英文拼写系统，获国家基金委脑机接口大赛一等奖，并得到央视科教频道等报道。
目前面向中风的脑控下肢康复机器人已在第四军医大学西京医院进行临床试验，面向渐冻人的意念控制语言交互系统已在进行渐冻人的系统使用，奠定了良好的产业化基础。
面向中风康复的脑控轮椅（央视科教频道2013）
面向中风的脑控下肢康复机器人（央视新闻联播2017）
面向渐冻人的脑控语言交互系统
（国家基金委脑机接口大赛一等奖2015）。
西安交大自动控制原理实验报告
自动控制原理实验报告学院：班级：姓名：学号：西安交通大学实验报告课程自动控制原理实验日期2014 年12月22 日专业班号交报告日期 2014 年 12月27日姓名学号实验五直流电机转速控制系统设计一、实验设备1.硬件平台——NI ELVIS2.软件工具——LabVIEW二、实验任务1.使用NI ELVIS可变电源提供的电源能力，驱动直流马达旋转，并通过改变电压改变其运行速度；2.通过光电开关测量马达转速；3.通过编程将可变电源所控制的马达和转速计整合在一起，基于计算机实现一个转速自动控制系统。
三、实验步骤任务一：通过可变电源控制马达旋转任务二：通过光电开关测量马达转速任务三：通过程序自动调整电源电压，从而逼近设定转速编程思路：PID控制器输入SP为期望转速输出，PV为实际测量得到的电机转速，MV为PID输出控制电压。
其中SP由前面板输入；PV通过光电开关测量马达转速得到；将PID 的输出控制电压接到“可变电源控制马达旋转”模块的电压输入控制端，控制可变电源产生所需的直流电机控制电压。
通过不断地检测马达转速和期望值对比产生偏差，通过PID控制器产生控制信号，达到直流电机转速的负反馈控制。
PID参数：比例增益：0.0023 积分时间：0.010 微分时间：0.006采样率和待读取采样：采样率：500kS/s 待读取采样：500启动死区：电机刚上电时，速度为0，脉冲周期测量为0，脉冲频率测量为无限大。
通过设定转速的“虚拟下限”解决。
本实验电机转速最大为600r/min。
故可将其上限值设为600r/min，超过上限时，转速的虚拟下限设为200r/min。
改进：利用LabVIEW中的移位寄存器对转速测量值取滑动平均。
四、实验截图【程序框图】未加移位寄存器：加移位寄存器：【程序运行结果】未加移位寄存器：加移位寄存器：五、实验总结通过本次实验初步掌握了LABVIEW的编程方法，深刻体会到了LABVIEW作为一种基于数据流的图形化编程语言的强大之处，一定会继续深入学习LABVIEW。
脑控智能轮椅控制系统
脑控智能轮椅控制系统传统的轮椅人机交互由声音、摇杆和按键等实现。
然而对于高位瘫痪不具备语言能力的人来说，通过bci这种技术可以很好地帮助他们实现意念控制外部设备的愿望。
目前随着bci技术的发展，实现大脑控制外部设备变得越来越有可能。
在国外，farwell等人就利用脑电信号中的p300开发了虚拟打字机，可以实现意念控制文字的输入[3]。
同时，在现有脑电控制的智能轮椅系统中，可以利用闭眼放松的脑电信号的alpa波和左右手运动想象脑电信号的beta波来实现对轮椅的控制[4]。
而脑电信号很微弱且易受外部环境的干扰[5]，其处理的算法也非常复杂。
对于利用脑电信号进行控制的系统，处理脑电的步骤一般包括信号的滤波、特征提取、信号分类和转换。
脑电特征提取方法主要有小波(包)分析、功率谱法和共空间模型等。
而脑电信号的分类方法中最主要的包括线性判别法、支持向量机法和人工神经网络等[6]。
由于脑机接口的研究非常复杂，许多处理算法还处于离线理论研究阶段，实际操作的可靠性有待提高。
本文主要研究脑电数据的离线处理方法，利用AR模型估计方法验证想象数据的可分性，然后利用感知器算法对信号的特征进行分类，并基于bci2000平台将其转换为控制信号，从而达到控制外部轮椅设备的目的。
本实用新型的优点是：无需利用人体肢体运动即可控制轮椅的运动方向，成本低。
它为有运动障碍的残疾人提供了一个自由的控制平台，对未来进一步实现轮椅的综合控制具有重要意义。
1bci2000测试平台bci2000是一种能描述任意bci系统的模型，该模型由4个相互联系的功能模块构成：数据获取模块（数据的采集和存储）、信号处理模块、用户应用程序模块、操作员模块，。
这4个模块各自分离，并通过tcp/ip协议进行相互通信[7]。
在bci2000系统运行过程中，每次数据采集模块获取一组脑电数据时，都会将其发送给信号处理模块。
在这里，EEG数据将进行信号特征提取和模式分类，分类结果将转换为控制命令并发送给用户应用模块。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
西交大脑控实验报告 Document serial number【KK89K-LLS98YT-SS8CB-SSUT-SST108】
现代测试技术及仪器应用
脑控机械臂和脑控七自由度工业机器人
实验报告
班级：硕
姓名：
学号：
一、实验目的
通过脑控机械臂和脑控七自由度工业机器人的实验，了解脑控技术的发展情况，对脑控技术有更深的了解。
在实验中更直观的看到脑控技术的发展及实际的操作情况，把学习到的脑电信号和眼电信号的理论知识，运用于实践中，在实践中巩固对于生物电信号的认识，并对生物电信号的采集系统，放大系统，分析系统，执行机构有更新的认识。
同时了解我校脑控技术的发展情况。
二、实验内容
（一）脑控机械臂实验
1、了解脑电技术的发展，国内脑电技术的发展情况
2、学习脑控技术的基本原理知识，了解脑电信号的产生机理。
脑电是大脑皮层产生的非常微弱的电信号，反映了脑细胞群的自发性、节律性电活动，是大量皮层神经元同时兴奋和静息的结果；大脑神经元电活动的直接测量方式。
3、了解脑控机械臂的系统组成。
学习脑控机械臂的信号传递路线。
4、观看脑控机械臂的操作过程，并观察机械臂的运动路线与脑控操作者想象的路线是否一致。
5、观看眼控小车的视频，了解眼控、脑控、肌肉信号控制的区别和发展。
（二）脑控七自由度工业机器人实验
1、学习脑控生物电在外界刺激下也会产生和外界频率一致的信号。
2、通过眼睛接收外界图形信号的频率，产生相应的脑电频率控制机械手的运动情况。
3、观察实验者在不同频率的外界信号刺激下，来实现对脑控机械手的操作。
三、系统组成
（一）脑控机械臂实验
脑控机械臂实的系统组成框架图
脑控机械臂系统包括了，脑电帽通过每个通道来采集操作者的脑电信号，并把脑电信号传输给放大器。
脑电信号非常微弱，因此需要放大器对脑电信号进行放大传输，便于对脑电信号的分析。
信号分析电脑对采集的信号进行滤波和分析，排除噪声对实验准确性的影响，并分析信号的含义发出控制指令。
控制端电脑对控制指令进行分析，产生机械臂可执行的信号。
电机驱动器根据信号驱动机械臂执行动作。
（二）脑控七自由度工业机器人实验
脑控七自由度工业机器人系统框架图
脑控七自由度工业机器人系统包括了，频率发生器，产生一定频率的动态图片信号，操作者通过眼睛看这些动态图片，产生相应频率的脑电信号。
脑电帽通过每个通道来采集操作者的脑电信号，并把脑电信号传输给放大器。
脑电信号非常微弱，因此需要放大器对脑电信号进行放大传输，便于对脑电信号的分析。
信号分析电脑对采集的信号进行滤波和分析，排除噪声对实验准确性的影响，并分析信号的含义发出控制指令。
控制端电脑对控制指令进行分析，产生机械臂可执行的信号。
电机驱动器根据信号驱动机械臂执行动作。
四、实验过程和结果
（一）脑控机械臂实验
1、实验中，实验者首先调出校准程序，实验对象跟随电脑显示屏的显示路线，想象机械臂运动轨迹，来对信号采集系统进行校正。
通过校准好信号采集系统能正常识别实验对象的脑电变化情况。
2、实验目的是让机械臂走圆圈轨迹，实验对象用大脑想象圆圈轨迹，脑电帽采集实验对象的脑电信号，并传输给分析软件，分析软件分析脑电信号。
3、观察机械臂的执行结果，我们可以观察到机械臂按照控制者的想象轨迹运作，并且在控制电脑中绘制出了，操作者想象的路径轨迹。
实验结果和理论一致。
4、师兄讲解脑控实验的理论知识和脑控的分类。
（二）脑控七自由度工业机器人实验
1、师姐讲解脑控七自由度工业机器人实验的原理，了解到通过眼睛接收到的频率信号可以在大脑中产生相应的频率信号。
2、学习实验系统的组成，实验的过程，实验的操作和实验的预期结果。
3、实验的过程，实验者观察电脑屏幕不同方向的频率图片，来实现对机械手的控制。
实验者根据要求看不同方向的图片，机械手可以执行相应的动作，同时屏幕点绿，实验结果与理论一致。
五、实验感受与未来工作展望
通过实验了解到我校脑控技术的发展水平，我校脑控技术发展迅速，成果喜人已经发展到西方发达国家的水平。
同时切身体会到了高科技的力量，可以我更多的残疾人造福。
同时，脑控技术的发展将引领今后的科技发展方向。
而且现在脑控技术还正在发展之中，需要我们投入更大的人力物力来支持脑控技术的发展。
而对于我未来的工作学习也有很大的启发，我的方向是研究控制理论的，我希望自己能不断的了解到世界先进的科技水平，不断扩展自己的知识面，实现更精确的控制。
同时，再吸收高科技的同时，不断学习，不断丰富自己的知识储备。