谢平
教授，博士生导师
L
o
a
d
i
n
g
.
.
.
利用植入性或非植入性技术，采用电刺激或药物手段改变中枢神经、外周神经或自主神经系统活性从而来改善患病人群的症状，提高生命质量的生物医学工程技术。
应用当前最前沿的不同方法和原理的多种监测技术以实时监测大脑病理生理变化和评估大脑功能的各种方法的总称。
脑机接口技术是一种变革性的人机交互技术。其作用机制是绕过外周神经和肌肉，直接在大脑与外部设备之间建立全新的通信与控制通道。它通过捕捉大脑信号并将其转换为电信号，实现信息的传输和控制。
康复机器人已经广泛地应用到康复护理、假肢和康复治疗等方面，这不仅促进了康复医学的发展，也带动了相关领域的新技术和新理论的发展。
燕山大学电气工程学院智能信息处理团队依托河北省智能康复及神经调控重点实验室、河北省测试计量技术及仪器重点实验室，紧密结合工程实际中的复杂设备状态检测和临床脑功能疾病康复需求，
利用计算机科学、信息处理、生物信号检测、机械故障诊断等方法的多学科交叉，针对多模态信息处理、脑机接口及神经康复、康复机器人生物反馈、基于人机交互的虚拟康复、可穿戴多生理信息
检测、工业大数据分析及风电装备健康监测与智能维护等研究内容开展研究。
近5年来，项目组承担国家自然科学基金10项、河北省自然科学基金项目10项、河北省重点基金项目1项、河北省重点研发计划1项、中国博士后科学基金项目5项、作为子课题负责人参与国家重点研
发计划项目2项、国防科工局基础研究和科研项目多项。近年来，在IEEE Transactions on Industrial
Electronics、IEEE Transactions on Neural Systems and Rehabilit
ation Engineering、IEEE Transactions on Biomedical Engineering、Neuroimage: Clinical、Frontiers
in Neuroscience等国内外权威期刊共发表学术论文130余篇，
其中SCI检索50篇，EI检索60余篇，授权发明专利20余项。
课题组与北京师范大学认知神经科学与学习国家重点实验室、香港理工大学生物医学工程跨领域学部、美国罗德岛大学自适应学习与系统实验室、中国科学院深圳先进技术研究院、国家康复辅具研究
中心附属康复医院、中国兵器工业计算研究所、解放军第281医院等有长期合作关系，定期派老师和学生交流访问或联合培养，拥有脑机接口、神经调控、康复机器人、虚拟康复和风电故障诊断等先
进科研和实验平台。
在脑机接口与神经康复领域，针对脑机接口及智能康复技术中的人体行为意图解析和生物反馈控制等关键性问题，构建面向人机智能交互的混合脑机接口系统，研究基于神经反馈认知增强和脑肌电特
征深度融合学习方法，实现具有个体适应性的运动意图解析和脑机接口控制；结合多模态信息融合和虚拟现实技术，设计了基于混合脑机接口的虚拟康复系统和可穿戴式肌电反馈康复机械手，可实现
基于运动意图识别和运动能力评估的个体适应性运动康复。相关研究成果丰富了神经康复理论及脑机接口实用技术，已在秦皇岛第一医院、中国人民解放军281医院开展临床试用，提高了临床康复效
率；与北汽新技术研究院合作研发生物特征识别新概念车实现了运动想象脑控转向灯控制系统。
在工业大数据分析及复杂系统监测故障与预测维护领域，研究并提出了基于时频分析理论、非线性动力学理论、随机共振理论的微弱故障特征提取新方法，解决了机械故障信号信噪比低、早期微弱故
障提取难等问题；针对工业大数据“多源异构、高维相关、动态时变”的特点，提出基于深度学习理论的多源信息特征学习与融合智能诊断新策略，构建了基于多尺度卷积神经网络、多水平去噪自编码
网络、多视角稀疏滤波网络、多变量时空融合网络等新型深度学习网络的智能故障诊断模型，所研究方法和设计监测系统已应用混联机床、风电机组等复杂工程装备系统运行状态监测，丰富了故障诊
断理论技术，有效实现了唐山轨道客车有限责任公司动车组三维测量数据分析、秦皇岛港股份有限公司硫化工艺关键参数监测设备研发、北京科诺伟业风能设备有限公司风电大数据智能运维等应用系
统研发，解决了企业攻关难题，提高了运行经济效益。
课题组注重理论研究和实践能力培养并重，团队学生获中国“互联网+”大学生创新创业大赛、研究生电子设计竞赛国家、省级以上赛事奖励30余项，开发了智能康复机械手、虚拟康复系统、多模态BC
I系统、风电监测与故障诊断系统等技术产品，课题组已培养博士研究生10人(毕业留校3人)，硕士研究生70余人(毕业40余人，香港理工大学、大连理工等读博8人)，每年获研究生国家奖学金2人次。
教授，博士生导师
副教授，博士生导师
副教授，博士生导师
副教授，硕士生导师
副教授，硕士生导师
讲师，硕士生导师
讲师，硕士生导师
博士，燕山大学电气工程学院教授，博士生导师。中国生物医学工程学会“智能康复及人机交互”学组委员、河北省生物医学工程学会理事，河北省教学名师、国家自然科学基金通讯评审。
主要从事脑机接口及智能康复、经颅超声刺激神经调控、风电运维大数据分析及智能监测、康复机器人智能控制、脑际混合智能、脑卒中功能评价等研究。
近年来，在Neuroimage:
Clinical,IEEE transactions on Industrial electronics Frontiers in neurology及Frontiers in
neuroscience等国内外期刊发表学术论文50余篇，申报并授权专利30余项。
作为负责人先后主持国家自然科学基金3项、作为子课题负责人参与国家重点研发项目1项、国防科工局基础研究项目2项、河北省重点基金项目2项、河北省自然科学基金3项、中国博士后科学基金项目1项、获河北省优秀教学成果二等奖2项。担任IEEE
transactions on cognitive and developmental systems、Frontiers in neuroscience、Neuoimage:
Clincal、物理学报及自动化学报等相关刊物的审稿人。作为主要负责人承担国家智能制造重大专项1项，完成中车集团、北汽新技术研究院、秦皇岛港口集团等企业合作项目20余项。
博士，燕山大学电气工程学院副教授，博士生导师，河北省优秀青年基金获得者，目前是中国生物医学工程学会智能康复分会青年委员、中国自动化学会智能健康与生物信息专业委员会委员、河北医工融合成果转化专委会委员。主要从事多模态信息处理、机器学习及模式识别、智能监测及控制研究。在多模态信号融合分析、运动-认知功能评估及训练、可穿戴康复机器人、混合脑机接口等领域取得了一系列领先的研究成果。
主持国家自然科学基金、省重点研发项目/省优青等国家/省部级项目9项，作为主研人参与国家级项目及省部级项目5项。相关研究成果已在IEEE
TNSRE, IEEE TBE, JNE,
中国科学等国内外期刊及学术会议上发表相关论文50余篇，申请发明专利近40项(授权15项，公示20项)，荣获2021世界机器人大赛—BCI脑控机器人大赛青年论文优秀提名奖、2019年中国脑卒中防治百篇优秀论文司南三等奖、2019上海国际运动生物力学与临床转化会议优秀论文二等奖等多个奖励。担任International
journal of biomedical science and engineering期刊编委、IEEE TNSRE、Neuoimage:
Clincal、JNE等多个国际学术期刊审稿人。与香港理工大学、国家康复辅具研究中心、中科院先进技术研究院等科研院所及医疗机构保持长期的项目合作及学生联合培养关系。
博士，燕山大学电气工程学院副教授，博士生导师，燕山大学与美国罗德岛学联合培养博士。主要研究方向为智能信息处理、工业/医疗大数据与人工智能(深度学习)、智能计算等基础研究及装备监测诊断与预测、脑疾病辅助诊断等应用研究。
主持国家自然科学基金2项(青年和面上各1项)，河北省自然科学基金、中央引导地方专项、中国博士后基金面上项目、河北省引进留学人才项目等省部级项目4项，主持企业横向课题2项，主持校级课程思政教改项目1项，作为主研人共参与国家自然科学基金重点项目、国防基础科研计划项目等6项，在IEEE
Transactions on Industrial Electronics、IEEE/ASME Transactions on Mechatronics、 IEEE
Transactions on Instrumentation and Measurement等国内外期刊发表学术论文50余篇，2篇论文入选ESI高被引论文，1篇入选IEEE
TIM期刊2017年被引次数最多的论文之一，以第一发明人申请发明专利18项，其中授权2项。获2017-2018年度燕山大学优秀博士学位论文，2019年燕山大学教育教学成果奖一等奖和河北省教育教学成果奖二等奖，2019年获河北省教育厅第三届深化高校创新创业教育改革论文一等奖，2019年获中国自动化学会优秀海报奖和全国博士后人工智能发展与应用论坛优秀论文奖，2020年入选河北省“冀青之星”，2022年获中国仪器仪表学会教育教学成果奖一等奖(排名第3)。近3年来先后指导学生获得“互联网+”、“创青春”等创新创业大赛省级一等奖3项，二等奖2项，三等奖3项。目前为IEEE
Member，IEEE Industrial Electronics Society Member、中国自动化学会会员、中国人工智能学会会员、河北电工技术学会高级会员，同时担任IEEE
TIE/TII/TNNLS/TIM/TCYB/TMECH/TKDE/TASE 等多个国际期刊审稿人。
博士，燕山大学电气工程学院副教授，硕士生导师，燕山大学电气工程学院自动化仪表系，英国纽卡斯尔大学电气电子与计算机学院， 访问学者；2005年获得燕山大学电气工程学院测试计量技术及仪器专业博士学位，2006-2008年燕山大学信息科学与工程学院电子与科学技术博士后，2005年至今先 后在燕山大学电气工程学院电气工程及其自动化系和自动化仪表系副教授。在信号检测与估计、智能信息处理、复杂系统状态监测等领域开展研究，作为主持和主要参与 人承担国家自然科学基金、河北省自然科学基金、省重点项目等多项科研项目，在国内外重要期刊和学术会议上发表相关论文50余篇，有十余篇分别被SCI、EI、ISTP收录。
博士，燕山大学电气工程学院副教授，硕士生导师，燕山大学与美国罗德岛学联合培养博士。主要研究方向为智能信息处理、工业/医疗大数据与人工智能(深度学习)、智能计算等基础研究及装备监测诊断与预测、脑疾病辅助诊断等应用研究。
燕山大学电气工程学院仪器科学与工程系任教，2006年7月，燕山大学电气工程学院，获得测控技术与仪器专业学士学位，
2012年9月，燕山大学信息科学与工程学院，获得电路与系统工学博士学位，2012年11月至今，燕山大学电气工程学院任教。主要
从事人体生物电信号分析与处理/康复机器人生物反馈控制/手功能康复机械手开发，先后主持和参与国家自然科学基金4项、河北省
自然科学基金3项、河北省教育厅项目2项、河北省教学改革项目4项；主持各类企业合作项目多项，为企业进行了技术改进。发表学术论
文30余篇，申请和授权发明专利40余项。
博士，燕山大学电气工程学院讲师，硕士生导师，主要从事神经信号分析，神经调控等方向的研究。 近年来，在NeuroImage，Alzheimer's Research & Therapy，Frontiers in Aging Neuroscience等国际刊 物上以第一作者身份发表多篇学术论文。主持参与国家自然科学基金2项，主持河北省自然科学基金等省部级项目2项。
博士，燕山大学电气工程学院讲师，硕士生导师，燕山大学电气工程学院仪器科学与工程系讲师。谢平教授领导的BCI接口及智能信号处理研究团队成员。 现从事混合主动噪声控制网络、BCI智能电子机械设备混合控制研究，发表论文10余篇。欢迎有意从事主动噪声控制及基于BCI接口的机械电子设备控制相关研究的同学加入团队。
本发明公开了一种基于多模态信号的运动想象意图识别方法，利用了脑电信号与近红外信号的时空分辨率互补性，以及多任务的相关性，设计非对称的多任务卷积网络以并行方式提取两种信号的空间‑时间特征，并以级联的方式将两种信号进行特征层融合，然后分别送入辅助度量任务与主分类任务，上述技术手段融合了多任务学习的方法，因此能够提取更具代表性的特征，与传统的卷积网络模型及其变体相比，本发明能够增强分类性能，提高模型泛化能力，为运动想象分类识别提供新的途径。
本发明涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。该方法包括：获取待检测图像；将待检测图像进行分割和放大，得到待检测图片序列；获取观测者观测待检测图片序列的脑电信号数据；待检测图片序列通过RSVP技术呈现给观测者；采用任务相关成分分析方法，提取脑电信号数据中每个待检测图片对应的相关成分特征；根据相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值；判断预测分值是否大于预测阈值；如果是，将预测分值对应的待检测图片确定为目标图像；如果否，将预测分值对应的待检测图片确定为非目标图像。本发明可以提高弱小目标检测的准确度。
本发明提供了脑卒中运动功能评价模型建立方法、评价方法及系统，通过对体现脑电和肌电信号的神经肌肉系统功能状态进行采集，将采集的脑电信号和肌电信号进行多层次脑肌电耦合特征提取，并对多个神经肌肉耦合指标筛选，构建可视化运动功能评价模型；利用该可视化运动功能评价模型，进而得出可视化运动功能评估结果。本发明与现有技术相比，从多个方面进行了生理信号的采集，从病理机制和多信息融合角度对脑卒中患者运动功能状态进行客观全面的数字评估，使得到的数据更科学准确。
本发明公开了一种基于快速序列视觉呈现下的脑电信号特征提取方法，该方法考虑了RSVP脑电信号在不同节律能量分布不均且在gamma节律上具有显著的时‑频‑空能量特征，将gamma节律脑电信号分解为多个时、频子成分，采用共空间模式方法对每个子成分的多通道信号进行空间滤波，采用线性判别分析算法分别对各个子成分进行加权整合，从而得到RSVP脑电信号gamma节律的时‑空‑频特征集来实现RSVP范式下的目标图像识别，能有效提高RSVP范式下图像识别的准确率。