可穿戴生物电信号监测允许前所未有的健康监护进入人们的生活，是当下IOT（Internet of Things)处于爆发前夜的一个重要发展分支，与互联网+相结合，将会推动智能医疗的发展，为医疗带来一场革命。 干性和非接触检测技术作为生物电信号可穿戴检测必要技术，均需极高输入阻抗和极高的电路噪声抑制能力，且面临监测距离与噪声之间的矛盾，尚无法满足应用需求。

本芯片采用动态追踪算法等专利技术,可以高效能的对生物电信号及物联网(LoT)中传感器信号进行模数转换,适合便携式传感器设备中ADC的需求。同时,芯片集成了对心电信号特征参数提取处理模块,用最小的设计开销达到便携式心电信号监护设备的基本要求。

本成果属于一种计算机信号处理软件:首先用生理信号传感器(电极 帽)将脑电信号采集进计算机，然后由计算机程序自动识别出脑电信 号的类型用于医疗诊断。脑电信号波形复杂，肉眼诊断困难，医生需 要经过多年培训才能用肉眼识别脑电信号中的异常，目前只有大城市 有少量医生可以识别脑电信号中的异常，患者太多、有经验的医生太 少，采用仪器自动诊断可以缓解这一矛盾。 脑电信号采集时的电极的位置和病人睁眼或闭眼都会影响信号的波 形，从而影响医生的诊断;本软件对电极的位置和病人是否睁眼或闭 眼都不敏感，稳定性高。 本软件在

脑电信号作为人体重要的生理信息，已经被广泛应用于医学疾病诊断与治疗、人体潜能开发等方面。脑电图通过将电极接入被试对象的头皮，来测量大量神经元发放所形成的电场。脑电波作为能够体现大脑活动的信号中的一种，有方便检测、非侵入式且对被试对象友好等特点。一般认为，通过对大脑脑电波的检测并采取特定数据分析方法，有望将大脑的各项反应能力充分挖掘出来。近年来，脑电信号分析已成为认知神经科学领域的重要技术之一。大量研究表明，人类认知能力与脑电信号有关，其中工作记忆能力在认知中起关键作用。脑电信号具有数据量大、时间分辨率高、易受干扰等特点，给研究带来了不少挑战。杨立坚课题组使用样条函数，基于随机抽取的122名大学生志愿者训练集，以闭眼静息态下8个脑前区导联的脑电信号（图1），对20名志愿者测试集进行工作记忆能力的预测（图2），其确定系数R^2在多次随机试验下的中位数为68%，最低值大于50%，最高值72%（图3）。图1 ：试验中脑电信号记录的导联名称和位置图2：对某测试集计算的认知能力预测值与真实值的对比图3：对多次重复随机抽取的测试集计算的确定系数R^2箱线图杨立坚课题组依托10年来自身在函数型数据领域的研究成果，课题组2017级博士生张园园和2018级博士生黄昆在学习神经科学专业知识的同时，与机械工程系教授吴方芳和硕士生王健凯高效合作，分析季林红课题组的大学生志愿者脑电与认知能力数据。他们秉承“面向应用，背靠理论，写好算法”的统计学理念，把样条回归估计脑电信号的光滑轨迹，张量样条回归估计协方差函数，样条估计函数型主成分与得分等深刻的统计学前沿理论，结合LASSO回归，转化为快速准确分析脑电数据的算法（图4），从2018年12月开始仅用6个多月的时间，就很好地解决了基于工作记忆能力预测的问题，完成了这篇跨学科应用方法论文。图4：算法流程图

本发明公开了一种心电信号降噪方法，包括以下步骤：(1)对原始心电信号进行均值滤波，计算每一信号点的梯度值 gi 及衰减系数 hi并判断该信号点为边缘信号点或非边缘信号点；(2)对原始心电信号的进行非部均值降噪，得到非局部均值预滤波结果；(3)对步骤(2)中获得的非局部均值预滤波结果，根据步骤(1)获得的梯度值 gi 结果修正。本发明对不同的心电信号波段，自适应调整衰减系数，有效抑制心电信号中噪声的同时更好地保护信号细节，滤波效果良好。

5G、大数据、人工智能、元宇宙等新业务应用的兴起，以及后疫情时代催生的远程办公、远程教学等实时视频业务，急剧加速了通信网络流量激增的趋势。而长距离、大容量、高速率的光纤通信技术成为了实现信息化社会和数字经济的必由之路。对于光通信产业链上的模块厂商、设备制造商、运营商来说，测试是必不可少的环节。一般来说，驱动光收发机的高速芯片的开发进度会比光通信器件滞后差不多一年。 在光通信模块厂商、设备制造商开发最新相干光通信子组件时，工程师需要先进的测试设备，提供足够的性能，证明其最终模块设计的预期性能。随着系统速率的提升，复杂调制格式的演进，市场大量需求的出现，催生了低成本、高性能的宽带高速光电信号分析仪的巨大市场需求。同时，当今世界格局下，亟需突破国外在高速光通信信号检测领域对国内的技术限制和关键仪器、器件的性能瓶颈，实现在高速光电信号分析仪的国产化目标。 【成果介绍】 本成果基于线性光采样，利用低重复频率脉冲光对待测信号光在光域上进行采样，使用技术成熟成本较低的低速的光电探测器和采集卡进行光电和模数的转换，软件同步算法为光采样技术提供了数字信号处理上的支持，通过恢复出信号的眼图和星座图以及计算相应的 EVM 和 Q 值来判断信号的质量。通过多年技术积累，在相干检测中全光采样技术、超低时间抖动采样脉冲源的实现方法、以及相干检测算法和软件时钟提取技术中取得突破。 图1 高速光调制信号分析仪样机 【性能指标】 基于线性相干光采样技术在国内首次现场测试了4个ITU-T标准波长信道下的128Gbps PDM-QPSK光信号，测量结果利用安捷伦的光调制分析仪作为对照参考，同样信号下测得的 EVM 差值小于2%，Q 因子差值小于2dB。实现指标包括全光采样源时间抖动为60.335fs，分析带宽>1THz，时域分辨率200fs，待测光信号速率达到508.608Gbps，实测相位误差小于1.5°，测量时间100ms，平均故障间隔时间MTBF 1000小时。开发全光采样时域分析数据解算软件，可以实现光电信号波形分析、速率测量和眼图测量等功能。 图2 测试架构 图3 窄带光采样结果 图4 宽带光采样结果 【技术优势】 已经研制出样机。光采样技术相对于传统电采样方式，降低了系统带宽要求，减缓了光电探测器和采集卡带宽的瓶颈效应，降低了成本和硬件设计复杂度。同时，本产品所采用的线性光采样技术，其灵敏度远高于非线性光采样，且对高阶调制格式具有同样的处理效果和优越性能，能全面分析信号特性。低成本高测量带宽的线性光采样技术已成为高速信号质量检测未来最有潜力的方向。

本发明公开了一种基于极点对称模态分解和非局部均值方法的心电信号滤波算法，该方法包括以下几个步骤：首先对心电信号进行极点对称模态分解，得到一序列本征模态函数 IMF，然后对各 IMF 进行非局部均值滤波，再对各阶 IMF 与残差项进行叠加，最后对叠加信号进行非局部均值平滑处理，得到心电信号最终降噪结果。本发明由于采用了极点对称模态分解和非局部均值滤波方法的有机结合，有效改善了传统非局部均值算法在噪声污染程度较高时易产生的信号削弱问题，可在有效抑制心电信号噪声的同时很好地保护信号的尖峰等细节信息。

"本发明为一种基于谱峭度的局部放电信号识别方法，首先通过短时傅立叶变换估计含噪信号的谱峭度，根据谱峭度与Wiener滤波之间的关系设计自适应最优带通滤波器，对含噪局部放电信号进行滤波，再进行2-3层的小波平滑去噪，得出比较理想的局部放电信号特征。该算法简单，计算方便，避免了小波去噪方法在信噪比较低时分解层数较多，容易丢失原有局部放电信号特征信息的缺点，大大提高了信噪比，而且失真度小，与理想局部放电信号的波形相似度最大。 "

本发明公开了一种基于精细化运动想象脑电信号控制的机械手系统及方法，该系统包括脑电采集装置、计算机和多维度机械手；脑电采集装置包括电极帽、信号发送装置与信号接收装置；电极帽为非侵入式电极帽，直接佩戴在操作者头顶，采集操作者运动感觉区域的脑电信号，通过信号发送装置发送到信号接收装置；信号接受装置与计算机连接，计算机处理脑电信号，并将控制命令发送给所述多维度机械手，控制机械手的两个手爪电机、手腕电机、手肘电机和肩关节电机运动。操作者无需进行肢体运动，只要想象就能使机械手按照操作者的意愿实现抓取物体、搬运物体等功能，可以使瘫痪、丧失运动机能的残疾人重新实现一些基本的生活动作。