Расшифровка грм: Что такое ГРМ Расшифровка ГРМ

Содержание

Грм Это Расшифровка в Машине где Находиться Ремень

Автор Сергей На чтение 8 мин Просмотров 111 Опубликовано 21.11.2020

ГРМ расшифровывается как «газораспределительный механизм». Который предназначен для того, чтобы обеспечивать двигатель горючей смесью и выводить в атмосферу продукты горения. Он производит координацию клапанов, которые поочерёдно раскрываются и затворяются в порядке, необходимом для правильной работы двигателя.

Ремень ГРМ в автомобиле выступает связующим элементом распределительного вала и коленвала. Именно благодаря ремню газораспределительного механизма распредвал обеспечивает временное открытие и закрытие клапанов.

Назначение ремня ГРМ

Зубчатый ремень передаёт крутящий момент от коленвала на распредвал. Правильная установка приводного ремня будет решать главную задачу газораспределительного механизма. В нужный момент открыть соответствующий клапан и в нужный момент его закрыть. Дальнейший алгоритм действий двигателя будет таков: впуск, сжатие, расширение, выпуск.

В зависимости от конструкции газораспределительного механизма воздействие на клапан может выполняться непосредственно кулачком или через специальный рычаг. Зубцы ремешка обеспечивают крепкое сцепление без проскальзывания. И гарантируют поворот распредвала согласно расстоянию, на которое обернулся коленвал.

Как выглядит и где в машине

Расположен ремень газораспределительного механизма в торце двигателя. Он спрятан под кожухом совместно с шестернями коленвала и распредвала. Для обнаружения следует поднять капот авто и снять защитный кожух путём откручивания крепёжных винтов. Добраться к ремню можно простым способом, чтобы автовладелец мог вовремя контролировать его состояние износа.

Шкивы на которых устанавливается ремень

Ремень представляет собой резиновый хомут заданного диаметра с зубьями на внутренней поверхности. Производитель может обозначить маркировку с указанием пути для крепления ремня. Но невозможно установить в неправильной последовательности, так как он не имеет указанного направления. Индикация важна для установки согласно меток распределительного и коленчатого валов.

Типы ремней ГРМ

В историю автомобилестроения ремни имели разные формы воплощения. Первые ремни были шестерёнчатого типа, в наши дни такой вид встречается только на устаревших машинах. Как и устаревшим является цепной тип ремня ГРМ, который был более затратный при производстве автомобиля. Но на некоторых моделях внедорожников данный тип ремня устанавливают и сейчас.

Самым распространённым на сегодня есть ременной тип ремня, он практически бесшумный и имеет высокую износостойкость.

Конструкция ремней следующая:

поликлиновая;

Самый эффективный вариант — зубчатая конструкция в силу своего удобства и способности не проскальзывать на механизме. Клиновая и поликлиновая форма пользуются для вспомогательных приводов (кондиционера, гидроусилителя и т. д.).

Топ ходовых марок ремня ГРМ

Ремни ГРМ различных производителей имеют свои плюсы и минусы:

Bosch

Продукт этого производителя имеет высокое качество и невысокую стоимость. Поэтому занимает одну из первых позиций в рейтинге. Ремни Bosch подходят ко многим автомобилям и имеют долгоиграющий срок эксплуатации. Но стоит учесть, что при долгом хранении такой ремень будет высыхать и терять свои характеристики.

Lemforder

Имеет чёткие, крупные зубья и имеющий высокий уровен прочности. Но, к сожалению, в обиходе существует много подделок оригинального варианта.

Gates

Ширина данного ремня – 34 мм, что гарантирует минимум риск разрыва. Подходят к многим маркам авто, так и к спортивным. Однако, этот вариант довольно дорогостоящий.

Интервал замены ремня ГРМ

Все автомобили имеют инструкцию с точным указанием по сроком замены ремня ГРМ. Всё же замену делают согласно своему износу. Ориентироваться нужно на цифры 50 000 – 60 000 км пробега.

Износ ремня обуславливается такими факторами:

марка машины;
производитель ремня;
особенности используемых дорог.

При ориентировании на пробег автотранспорта учитывайте дорожные пробки и ежегодную смену сезонных температурных колебаний.

Как часто проверять

При проверке ремня нужно ориентироваться на следующие показатели:

Если никаких видимых повреждений в поверхностном осмотре автомобиля вы не находите. Также нет посторонних звуков, а машина на гарантии можно не спешить с проверкой ремня.
Обычно ремни не проходят указанный производителем ресурс. Поэтому лучше проводить осмотр ремня, начиная со второго ТО.
При осмотре нужно уделить внимание шкивам, на которых крепится ремень.
Ремень лучше проверить, если вы недавно установили новый.
При редкой эксплуатации авто ремни всё равно осматривается минимум раз в год.
Ремень нужно проверить после путешествий в условиях дополнительной влажности.

Модель и маркировка ремня (136 — это кол-во зубьев)

Если придерживаться этих показателей, вы не пропустите разрыв ремня. И избежите неприятных моментов в ремонте.

Как понять, что ремень ГРМ нуждается в замене

При осмотре обратите внимания на признаки его износа:

потёртости любого характера на гладкой поверхности ремня;
трещины разного калибра на любой из сторон;

внешний вид целого и нового ремня

зубцы ремня стёрты или сломаны;
у внешнего края есть расслоение или повреждение материала.

Любое из этих причины свидетельствует, что ремень нужно заменить. Обязательно уделите внимание сторонним звукам, исходящие из узла ГРМ.

Возможные поломки из-за проблем с ремнём

Стандартный износ ремня ГРМ в работе создаст такие проблемамы как:

Разрыв ремня. Это самая неприятная поломка, которая приводит к деформации поршней и клапанов, а затем к капитальному ремонту двигателя. В этот момент при остановке распредвала поршни выгибают клапана.
Проскальзывание ремня. Это происходить при стирании зубцов ремня либо попадания масла в систему. Тогда сдвигается угол распределительного вала и падает качество работы двигателя.

Последствия разрыва ремня

Очень досадный момент в жизни любого автовладельца, так как последствия этого будут серьёзные.

Это повлечет за собой:

капитальный ремонт двигателя по причине изгиба поршней и клапанов;
остановка в работе генератора, что повлечёт отказ всей электроники в автомобиле;
отключение работы гидроусилителя руля, что затруднит рулевое управление.

Кроме того, может возникнуть перегрев двигателя, что приведёт к остановке машины.

Исследования повреждений ремня

Анализ износа поможет понять причины этих повреждений и в будущем избежать их:

ремень надорван или имеет лохматые края – это могло вызвать чрезмерное напряжение;
некоторые зубья сколоты — слабое натяжение ремня, при стирании зубьев тоже рассматривается неправильное натяжение;
наличие трещин на ремне – древний возраст ремня либо воздействие резкого перепада температур;
износ торца или какой-либо стороны говорит о перекосе изделия;
шумы в работе двигателя говорят о неверном натяжении ремня, что нужно оперативно проверить.

Причины обрыва ремня – как этого избежать

Разрыв ремня может произойти по следующим причинам:

Чрезмерное натяжение ремня и как следствие – неправильная работа всего узла ГРМ. Поэтому при установке нужно правильно регулировать натяжение ремня.
Затекание масла на гладь ремня. По причине наличия масла на поверхности, ремень будет проскальзывать, спадать, что может привести к разрыву. При случайно попавшем масле придётся произвести замену ремня, так как убрать масляные следы с изделия проблематично.
Плохое качество ремня. Чтобы избежать этого, необходимо покупать оригинальное изделие только у проверенных автодилеров. Экономия небольших средств может привести к серьёзным поломкам.
Наружные дефекты. Небольшие разрывы, потёртости и трещины могут спровоцировать разрыв ремня. Поэтому при наличии таковых лучше своевременно произвести замену ремня на новый.
Резкие перепады температур и езда на сложных трассах. Если вы эксплуатируете машину в нестандартных и сложных условиях. Осмотр ремня стоит производить чаще, чем в сроки, заявленные изготовителем.
Сломанные ролики. Так как ролики поддерживают привод в натянутом виде. То их выход из строя также может спровоцировать разрыв ремня.

Клапаны в ГРМ

Клапаны выполняют существенную роль во всём газораспределительном механизме. Пример работы без клапанов можем наблюдать на двухтактном двигателе на отдельных мопедах, мотокосилках и бензопилах. В таком механизме камера сгорания не отделяется от выхлопного блока. Что значительно увеличивает уровень шума.

Особенно хорошо это можно наблюдать на бензопилах, ведь все знают, какие звуки этот инструмент производит при работе. Также снижена герметичность камеры сгорания, что сильно понижает мощность работы мотора.

Смещение меток – чем грозит?

В этом случае ремень может проскочить по шкиве, что разрушит синхронный механизм работы ГРМ. Процессы: впуск, сжатие, расширение, выпуск будут происходить несвоевременно, из-за чего топливная смесь может воспламеняться при средней позиции поршня.

выставление по меткам

Это приведёт к нестабильной работе двигателя, мотор может часто глохнуть или сильно ослабить мощность. В иных случаях вы просто не сможете завестись. И вся силовая установка полностью заклинит. Часто такие перекосы ремня сопровождаются громким металлическим стуком в моторе.

Замена ремня ГРМ самостоятельно

Алгоритм при самостоятельной замене будет вмещать следующие пункты:

Нужно снять кожух, убрать коленвал и поставить его в верхнюю отметку первого цилиндра.
После совпадения меток шкивы и коленвала, снимаем старый ремень ГРМ.
Далее осмотрите остальные детали узла ГРМ: сальников, ролика и помпы. При необходимости смените эти детали вместе с ремнём.
Место для нового ремня нужно тщательно очистить. После чего на него устанавливается ролик и новый ремень.
Обязательным моментом в установке является регулировка натяжения ремня.
Как установить и поменять на 16 клапанов можете посмотреть здесь

Заключение

Ремень ГРМ оказывает важное составляющее привода газораспределительного механизма. При его неправильном функционировании управление машиной обернёться капитальным ремонтом двигателя. Поэтому очень важно контролируйте хорошее состояние ремня и вовремя меняйте его. Эту услугу вам предоставят на СТО при ТО вашего автомобиля.

Мне нравится3Не нравится

Что такое ремень ГРМ: расшифровка и назначение?

Что такое ГРМ — расшифровка которого описана в данной статье, важно знать любому автолюбителю. Это необходимо для того, чтобы не было неприятных сюрпризов при выходе из строя какого-либо комплектующего газораспределительного механизма.

Что такое ГРМ в автомобиле?

ГРМ расшифровывается как газораспределительный механизм. Его назначение подавать в цилиндры воздушно-топливную смесь (ВТС) с определенной периодичностью, а также выводить из камер цилиндров отработанные газы. Вместо ВТС может поступать просто воздух, это зависит от конструкции двигателя в автомобиле. Мотор будет выполнять свои функции, если вовремя будут открываться и закрываться клапана и правильно ходить поршни в цилиндрах.

Газораспределительные механизмы различаются типом привода, идущего от коленвала. Он может быть цепным и ременным.

Отличаются ГРМ расположением распределительного вала в автомобиле:

Клапаны могут располагаться сверху в головке цилиндра, а распределительный вал внутри блоков цилиндров. Благодаря клапанам приводятся в движение коромысла и штанги-толкатели. Преимуществом этой системы является простая конструкция и соответственно высокая надежность. Недостаток – большая инерционность, что не дает набирать высокие обороты, что снижает мощность.
При нижнем расположении клапанов, они располагаются снизу тарелками вверх. Распредвал размещается снизу и от него непосредственно идет привод. Плюс этой системы — малый шум и простота изготовления. Минус — в сложной системе топливной системы, из-за этого падает мощность, так как происходит слабое насыщение камер качественной ВТС.
Разновидностью ГРМ являются двигатели, в которых распределительный вал находится в головке цилиндров вместе с клапанами.
Существуют моторы, в которых клапаны находятся с двух сторон от распредвала и приводятся в действие коромыслами, нанизанными на одну ось. Коромысла раскачивают кулачки на распределительном валу. К недостаткам системы относится высокая шумность и сложность настроек клапанных зазоров, а также большая нагрузка в местах контактов.
Есть системы, где распредвал расположен над клапанами, тарелки которых находятся снизу. При такой конструкции распределительный вал двигает клапана с помощью толкателей цилиндрического типа. Недостаток системы в низкой эластичности двигателя и сложности настройки зазоров для клапанов. Эти системы, в свою очередь, делятся на два вида по количеству клапанов, приходящихся на один цилиндр: два и четыре.

Устройство ГРМ двигателя внутреннего сгорания

Благодаря ему синхронизируется работа поршней и клапанов, которые движутся в нужных фазах. Без этой синхронизации мотор работать не будет.

Для чего служит ремень ГРМ

Теперь разберемся, что такое ремень ГРМ, какой принцип действия. Его основное назначение — связывать между собой распредвал и коленчатый вал.

Назначение и принцип действия устройства

Привод ГРМ представляет собой резиновое изделие с зубчатой внутренней поверхностью. Изготовленный из прочной резины, он надевается на коленвал и на одну или несколько шестерен распредвала. Назначение зубьев — обеспечивать хорошее сцепление и исключать проскальзывание. Их количество строго определено, так как от того зависит синхронизация коленвала и распредвалов. Например, на двигателях ВАЗ-2111 и ВАЗ-2112 устанавливаются ремни распредвалов с 111 и 136 зубьями соответственно.

Ремень газораспределительного механизма

Провод распредвала является важной комплектующей автомобиля, поэтому следует разобраться, что такое ремешок ГРМ, и постоянно контролировать его состояние. Выполнять замену следует согласно регламента через 30-45 тысяч километров пробега или при повреждении его частей. При несвоевременной замене ремень может оборваться, что приведет к (в лучшем случае), остановке машины, в худшем к поломке ДВС и его капремонту или замене. Причина этого в том, что при разрыве или соскоке ремня исчезает синхронизация валов, в результате поршни начинают ударять по клапанам. Так как это чаще всего происходит на высоких оборотах, комплектующие быстро приходят в негодность.

Продлить срок службы двигателя позволяет правильная его эксплуатация. Не стоит запускать двигатель с помощью буксировки, именно в эти моменты большая вероятность обрыва и соскока ремня ГРМ, что приводит к поломке силового агрегата. Дешевле найти и устранить причину неполадки, или вызвать эвакуатор, чем делать капитальный ремонт силовому агрегату. Кроме синхронизации валов, ремень может выполнять функцию привода для насоса:

охлаждающей жидкости;
масла;
топлива с высоким давлением и др.

От исправной работы ГРМ и ремня зависит правильное функционирование двигателя в автомобиле, поэтому следует следить за состоянием системы газораспределения: соблюдать регламентные проверки и вовремя выполнять замены комплектующих, которые пришли в негодность.

Расшифровка обозначений ремня ГРМ

Расшифровку обозначений ремня газораспределительного механизма по международным стандартам можно рассмотреть на примере ремня для силового агрегата ВАЗ-2111. На этих двигателях устанавливается ремень ISO-58111×19. Первые две цифры – 58 – содержат зашифрованную серию зубьев. В рассматриваемом случае шаг и профиль без желобка, полукруглой формы с высотой 3,5 мм. Следующие цифры – 111 – означают количество зубьев. За знаком X идет цифра 19, обозначающая ширину ремня. Могут встретиться зубья в форме скругленной трапеции (эвольвентные). Они полностью могут заменяться описанными выше.

Многие производители зубчатых ремней указывают не обозначение по ISO, а номер, который соответствует собственному каталогу. Ниже приведена таблица с обозначениями и краткими характеристиками ремней разных производителей.

Зубчатый ремень фирмы Dayco

Производитель	Обозначения ремня
Производитель	ДВС 8V	ДВС 16V
Contitech	CT 527	CT 996	Ремни марки поставляются во многие страны мира. Они могут устанавливаться как на отечественные, так и на импортные марки машин.
Bosch	ZP 1 987 949 095	ZP 1 987 049 559	Надежные, малошумные обеспечивают синхронную передачу в течение всего срока эксплуатации. Имеют широкое применение.
Gates	5521	5539	Компания находится на рынке уже более 100 лет, предлагает широкий спектр приводов как для зарубежных, так и для отечественных автомобилей.
Dayco	111 SP 190 EEU	136 SP 254 H	Ремни обладают высоким износостойкими качествами. Компания поставляет 40 лет ведущим фирмам продукцию для первичной комплектации, поэтому имеет безупречную репутацию.

Важны не только геометрические параметры, но также и эксплуатационные характеристики зубчатых ремней. Ремни должны быть:

прочными на разрыв;
надежными;
соединение с основой должно выдерживать эксплуатацию в широком диапазоне температур;

наработка должна выдерживать до полного износа;
после наработки должно существовать допустимое удлинение.

Таким образом, следует использовать ремни проверенных производителей, имеющих высокое качество и долгий срок службы.

Видео «Принцип работы ГРМ»

В этом видео показано устройство газораспределительного механизма, подробно рассматривается принцип работы.

Газораспределительный механизм (ГРМ) — узел, который состоит из множества конструктивных элементов, работающих синхронно. В этой статье мы расскажем, какая используется расшифровка для ремня ГРМ и в чем заключается принцип действия механизма в целом.

Устройство и принцип действия

Для чего служит ремень?

Обозначения на ремешке

Таблица: Маркировка ремней

Цепной или ременной привод

Цепь: преимущества и недостатки

Ремень: плюсы и минусы

Видео «Ресурс эксплуатации ремней ГРМ»

Комментарии и Отзывы

Что такое ГРМ?

Прежде чем разобрать, как переводится и расшифровывается аббревиатура ремня ГРМ, рассмотрим, для чего предназначен газораспределительный механизм двигателя в машине и его принцип работы. ГРМ представляет собой распределительное устройство силового агрегата автомобиля, использующееся для дозировки цилиндров установленным количеством горючей смеси. Процедура дозирования при этом осуществляется в определенные временные промежутки.

Устройство и принцип действия

В зависимости от особенностей и типа силового агрегата узел может подавать воздух в цилиндры как с горючим, так и отдельно.

Клапаны устанавливаются в специально предназначенных для их монтажа втулках, расположенных в головке БЦ. Они крепятся благодаря так называемым тарелкам, пружинным элементам и стопорным деталям. Сверху монтируются рокера с возвратной пружиной. Также здесь есть рабочая поверхность, по которой скользят кулачки распределительного вала, издавая при этом минимум посторонних звуков. Верхней конструктивной составляющей является распредвал, установленный в подшипниковые устройства. На более старых авто он монтируется в корпус вкладышей.

Устройство ремня ГРМ

Принцип действия начинается с момента вращения звездочки распредвала, которая запускает определенный такт. В результате в работу вступает сам вал. На нем в определенном порядке имеются кулачки, которые должны соответствовать такту.

Когда при запуске силовой агрегат начинает работать с первого цилиндра, то кулачок 1 бьет по рокеру.

Последний преодолевает усилие пружинной детали и опускает клапан в самый низ. В результате вращения кулачок соскакивает с поверхности рокера, и тот под давлением пружинки перемещается в изначальное положение. Это приводит к возвращению клапана, который в итоге закрывает камеру сгорания. Аналогично происходит с другими цилиндрами.

Вся процедура синхронизируется с работой коленвала силового агрегата. Если один из клапанов откроется не вовремя, это приведет к невозможности запуска двигателя.

Поэтому в качестве привода газораспределительного механизма применяется коленчатый вал.

Из ролика канала «Сделано в гараже» можно узнать о последствиях обрыва ремня ГРМ.

Газораспределительные механизмы могут отличаться между собой по месту нахождения распредвала в машине:

Распредвал установлен внутри ГБЦ, а клапана — на верхней части головки. Это позволяет элементам запускать движение так называемых коромысел и штанг-толкателей. Основное достоинство такого механизма заключается в простоте конструкции и надежности системы в целом. Минус — высокая инерционность, в результате чего силовой агрегат не способен быстро набирать обороты, что приводит к потере мощности.
Клапаны могут располагаться в нижней части тарелками вверх. Распределительный вал устанавливается внизу, привод идет от него. Достоинство этого механизма заключается в отсутствии шума. Основной недостаток — сложная по конструкции топливная система. В результате слабого насыщения камеры сгорания топливовоздушной смесью снижается мощность двигателя.
Распредвал может быть установлен непосредственно в головке блока цилиндров с клапанами. Элементы располагаются по бокам от распределительного вала и начинают работать в результате воздействия коромысел, находящихся на одной оси. Эти детали раскачивают кулачки на распредвале. Минусом таких устройств является высокая шумность, а также сложность регулировки зазоров клапанов. Кроме того, в месте контакта устройство работает под высокой нагрузкой.
В некоторых силовых агрегатах распределительный вал устанавливается над клапанами, а тарелки этих элементов расположены снизу. Сам вал в таких моторах приводит в действие клапаны посредством толкателей, находящихся в цилиндрическом корпусе. Основной недостаток такой конструкции заключается в низкой эластичности агрегата и сложности регулировки зазоров.

Для чего служит ремень?

Ремень газораспределительного механизма представляет собой деталь, назначение которой заключается в выполнении функции связующего звена.

Благодаря ремню ГРМ распределительный и коленчатый вал работают синхронно, что способствует правильному функционированию двигателя в целом. В этом заключается необходимость применения ремешка.

Обозначения на ремешке

Разберем несколько примеров перевода расшифровки на ремне ГРМ:

ISO-58111х19. В первых двух цифрах (58) зашифрована серия зубчиков, использующихся на изделии. В этом случае шаг и профиль будут без желобка, форма полукруглая, а высота составляет 3,5 мм. Затем идут три цифры (111), которые указывают на число зубьев. По цифре 19 можно определить ширину изделия. В продаже бывают ремни, зубчики которых выполнены в виде округленной трапеции.
58127х3/4 HSN. Здесь первые две цифры также обозначают серию зубчиков. Цифры 127 указывают на их число, но нужно учесть, что в ремешках, относящихся к серии 40, это количество условно. Цифры 3/4 говорят о ширине изделия в дюймах. В данном случае она также составляет 19 мм. Метка HSN в самом конце обозначает, что изделие изготовлено из прочного высоконасыщенного нитрила. Этот материал доказал свою прочность. Если таких букв в конце нет, то ремешок выполнен из неопренового каучука.

Таблица: Маркировка ремней

Производители могут по-разному обозначать маркировку своих изделий. В таблице показано, как расшифровать значения ГРМ.

Цепной или ременной привод

Для обеспечения вращения двух валов применяются ремни или цепи. Цепная передача использовалась в машинах изначально. Цепи могут иметь от одного до трех рядов звеньев, здесь все зависит от мощности силового агрегата.

Цепь: преимущества и недостатки

Достоинство цепи заключается в высоком ресурсе эксплуатации. Ее растяжение компенсируется за счет специально установленного натяжителя. По сравнению с ремешком она функционирует намного дольше.

Цепь необходимо менять только при значительном растяжении или повреждении и обрыве, что происходит довольно редко.

Это единственное преимущество цепной передачи.

Минусы таких устройств:

Использование цепи влияет на шумность работы силового агрегата. Однорядные изделия издают не так много шума, но двух- и трехрядные цепи более громкие. Их применение способствует довольно шумной работе двигателя машины.
Блоки цилиндров, в которых используется цепь, по конструкции представляют собой более сложные устройства. Из-за этого процедура замены изделия значительно усложняется, поскольку автовладельцу нужно иметь прямой доступ к коленвалу.

Ремень: плюсы и минусы

Основные плюсы ременных передач:

Если двигатель оборудован ремнем ГРМ, то такое изделие будет работать значительно тише. Водитель может услышать только один звук при функционировании силового агрегата — слабый стук клапанов.
Простота замены по сравнению с цепной передачей. Если подготовиться, то можно поменять ремень самостоятельно.

Низкий ресурс эксплуатации привода по сравнению с цепной передачей. В результате длительного использования ремешок обрывается, а это может стать причиной серьезных неисправностей. Восьмиклапанные двигатели практически не страдают от обрывов. В случае с моторами, оборудованными 16 клапанами, сами элементы могут погнуться в результате обрыва. Это приведет к необходимости проведения капитального ремонта, стоимость которого будет значительно выше, чем замена ремешка. Иногда сокращение ресурса и обрыв ремня приводит к образованию трещин на головке или самом блоке цилиндров. Единственным вариантом решения проблемы будет установка новой ГБЦ, при этом меняется и прокладка.
Необходимость замены натяжного ролика вместе с ремнем. В некоторых случаях автовладельцам также надо менять водяное насосное устройство и комплект шайб. Ресурс эксплуатации ремешка в среднем составляет около 60 тысяч км пробега. Но если учесть сложные условия использования и наличие брака во многих запчастях, специалисты рекомендуют менять ремень раньше.

Фотогалерея

На фото можно посмотреть, как выглядит цепной и ременной привод ГРМ.

Видео «Ресурс эксплуатации ремней ГРМ»

О фактическом ресурсе эксплуатации ремней ГРМ можно узнать из ролика, снятого каналом Avto-Blogger.

Для автолюбителей страшной поломкой является обрыв ремня в системе газораспределения. Разберемся, чем опасна эта неисправность.

Роль ремня ГРМ в работе двигателя

Газораспределительный механизм, регулирует своевременный выпуск отработанных газов и впрыск топливо-воздушной смеси. Как правило, приводом ГРМ называют ремень или цепь. Сейчас распространены двигатели с ременным приводом, рассмотрим подробнее.

Ремень ГРМ на автомобиле

На самом деле ремень газораспределительной системы, только отвечает за передачу усилия от коленчатого вала к распределительному. Также, благодаря зубчатым шкивам, поддерживает правильные настройки системы.

Дополнительная функция привода газораспределительного механизма — передача усилия на водяной насос, а иногда и на водяную помпу.

Как устроен ремень ГРМ

Приводной ремень представляет собой замкнутое кольцо, которое выполнено из технической резины. Некоторые модели имеют в составе полимерные нити. Использование резины позволяет добиться минимального уровня шумности.

На большей части двигателей внутреннего сгорания, используются зубчатые ремни.

Они эффективнее настраивают фазы газораспределительного механизма. Такой ремень имеет насечки-зубцы на внутренней поверхности кольца, которые обеспечивают надежное зацепление со шкивами распределительных валов и коленвала.

1. Зубец. 2. Лента.

Применяются следующие разновидности ремней:

Два последних типа применяются крайне редко. По сравнению с зубчатыми ремнями, они не дают достаточную надежность передачи усилия.

Каждый ремень имеет точные размеры по внутреннему диаметру. Ширина ленты также различается. Учитывать эти параметры важно, если нужно будет приобрести неоригинальное изделие.

Когда менять ремень ГРМ?

На срок замены ремня могут влиять множество факторов:

срок эксплуатации;
неисправности двигателя;
неправильная установка и обслуживание.

На практике наиболее частой причиной замены, становится плановое ТО, согласно регламенту производителя.

Заявленный производителем срок службы ремня ГРМ.

Производители рассчитывают срок службы ремня ГРМ. В техническом руководстве к каждой модели можно найти данные по пробегу, на котором производится замена. Работа входит в плановое ТО. В таблице ниже можно найти информацию по популярным маркам легковых автомобилей.

Марка автомобиля	Срок службы в км пробега
Audi	120 000
Renault	120 000
Ford	160 000
Hyundai	75 000
BMW	95 000
Honda	120 000
Toyota	95 000
Volkswagen	95 000
Nissan	95 000
Mazda	95 000
KIA	90 000
Daewoo	115 000

Стоит учитывать, что данная таблица носит справочный характер. Максимальный допустимый пробег зависит от модели двигателя, некоторые особенности мотора могут влиять на срок службы ремня

Пример износа ремня

7 признаков, что пора менять ремень ГРМ

Ориентироваться, только на рекомендации неосмотрительно. Обрывы ремня встречаются и с меньшим пробегом. Когда ремень обрывается избежать серьезных повреждений двигателя не получится.

Трещины на ремне ГРМ

В целом менять деталь стоит при видимом износе, трещинах и других повреждениях. Но ремень обычно скрыт кожухом, разбирать его регулярно для визуальной диагностики не самая лучшая идея. Поэтому, стоит знать основные признаки, что пора поменять ремень.

Возраст ремня. Имеется ввиду не только пробег, но и общее время эксплуатации. Если на машине ездили редко, но в эксплуатации она уже лет 7–8, имеет смысл проверить, а еще лучше сразу заменить привод ГРМ. Резина имеет определенный срок эксплуатации, после которого может начать разрушаться, даже без видимых нагрузок.
Сбои в системе зажигания. При сильном износе ремень может перескакивать через зубцы на шкиве. В результате мотор работает нестабильно, может не запускаться с первого раза. В некоторых случаях двигатель троит. Если ремень перескочил больше, чем на один зубец, возможно повреждение клапанов.
Дым из выхлопной трубы может появляться по разным причинам. Одна из этих причин — ослабление ремня привода газораспределения. В результате чего топливо сгорает неполностью, догорая в системе выхлопа.
Если ремень сильно изношен, могут появляться нехарактерные звуки, например, щелчки. Важно: такие же звуки может издавать и разрушающийся подшипник водяной помпы или генератора.
Потеки смазки из-под кожуха ГРМ. Появляются они из-за проблем с сальником коленвала. Попадание моторного масла на ремень однозначно приведет к необходимости замены всего комплекта (ремня, шкивов и роликов).
Когда доступ к визуальному осмотру ремня все же имеется. Осмотрите его по всей длине, аккуратно поворачивая мотор (перед этим выкрутите свечи). Любые трещины и другие незначительные повреждения говорят о необходимости замены.
Если стартер крутится, а мотор не запускается, скорее всего порвался ремень ГРМ. И хорошо, если не произошло повреждение других элементов двигателя.

Последствия обрыва ремня

В некоторых случаях можно обойтись «малой кровью» и никаких последствий кроме замены ремня и сопутствующих деталей не потребуется. Правда, такое случается редко. Некоторые модели имели выемки в поршнях, позволяющие избегать встречи с клапанами. Сейчас такие двигатели практически не производятся, так как имеют сниженное КПД.

Обрыв ремня на двигателе

Вероятнее всего проблемы все же возникнут. Распространенная ситуация — загиб клапанов. Происходит это по причине разнобойной работы валов. Распредвал застыл в одном положении, клапана естественно тоже. Коленвал еще работает по инерции, и поршни в верхней мертвой точке бьют по клапанам, повреждая их. В итоге, водителю приходится менять комплект клапанов.

В некоторых случаях клапан пробивает и поршень. Тогда придется провести полную переборку мотора, в очень редких ситуациях разбивается блок цилиндров. Еще реже повреждается пастель распредвала, тогда потребуется замена ГБЦ (головки блока цилиндров).

Особенности выбора детали и замены

Рекомендуется покупать только оригинальные запчасти, это гарантирует длительный срок службы и отсутствие сюрпризов. Даже если машина приобреталась с рук, и вы не знаете, каталожный номер оригинала, выяснить это можно по номеру VIN. Ставить неоригинальные ремни можно только в самом крайнем случае.

Комплект ГРМ для замены

Если подбираете ремень не по номеру в каталоге, следует учитывать следующие моменты:

Технические характеристики. Это ширина и длина, количество и размер зубьев. Желательно смотреть еще на шаг между зубьями
Цена/качество. Ремень ГРМ важная деталь, не приобретайте слишком дешевые комплектующие, экономия в дальнейшем может выйти дополнительными тратами
Производитель. Не стоит покупать деталь, произведенную неизвестным заводом, даже если номер совпадает с каталогом. Качество может быть не самым хорошим

Помимо всего перечисленного, имеет смысл покупать детали только в проверенных магазинах или у официальных представителей.

Пример маркировки ремня ГРМ

Переходим к замене. Оптимально отдать машину в авторизованный сервисный центр. Это гарантированно избавит вас от целого ряда проблем.

Если планируете выполнять ремонт самостоятельно, будут полезны следующие советы:

Замена производится только комплектом. Износ роликов и шкивов может быть меньше, но определить какой из них находится в «рабочем» состоянии практически невозможно. Оставив старые детали на месте, ускорите износ нового ремня. Также ролики-натяжители или шкивы могут вскоре выйти из строя, требуя очередного ремонта.
Тщательно следите за метками. Размещаются на коленвале, распредвале и возле маховика (местоположение и внешний вид зависит от модели автомобиля). Все должны полностью совпадать.
При замене ремня на моторах с двумя распредвалами, обязательно нужно использовать фиксаторы.
На некоторых автомобилях используется гидравлический натяжитель. Его перед установкой нового ремня демонтируют, приводят в рабочее положение, устанавливают обратно.

Задача по замене ремня ГРМ не слишком сложная. Но, при этом желательно иметь навыки работы с двигателем.

Заключение

Ремень ГРМ отвечает за одновременную работу коленвала и распредвала. Проблемы с этой деталью способны привести к серьезному ремонту. Важно следить за состоянием ремня постоянно, не дожидаясь обрыва.

При покупке запчастей для своего автомобиля, необходимо знать конкретно, какая деталь нужна именно вам. Поэтому очень важно знать большое количество аббревиатур, одной из которых является ГРМ. Расшифровка этого узла предельно проста и сейчас вы узнаете, что это такое.

Что такое ГРМ

ГРМ – это газораспределительный механизм двигателя внутреннего сгорания и предназначен для дозирования цилиндров определенным количество топливовоздушной смеси в заданные промежутки времени. Работа ГРМ четко синхронизирована с вращением коленчатого вала.

Газораспределительный механизм представлен головкой блока цилиндров, на которой располагаются все необходимые элементы – это клапана, их втулки, седла, а также пружины, рокера, распределительный вал и корпус подшипников. В зависимости от конструкции и типа двигателя, механизм может подавать воздух, как отдельно, так и вместе с топливом.

Сами клапана располагаются в специальных втулках, установленных в ГБЦ. Клапана фиксируются при помощи специальных тарелок, двух пружин и стопорных «сухариков». Поверх них крепятся рокера с возвратной пружиной и имеются специальную поверхность, которая позволяет скользить кулачкам распредвала с минимум шума. Самой верхней же частью является распределительный вал, который заключен внутри корпуса подшипников, а на старых автомобилях – вкладышей.

Принцип действия газораспределительного механизма

Звездочка распределительного вала начинает вращение, запуская тот или иной такт. В движение приводится вал, на котором расположены кулачки в разном порядке, соответствующем определенному такту. Если работа двигателя начинается с первого цилиндра, то первый кулачок ударит по рокеру и тот, преодолевая усилие пружины, опустит клапан вниз. В процессе вращения, кулачок соскакивает с рокера и тот под действием пружины возвращается в исходное положение. Соответственно вернется и клапан, который закроет камеру сгорания. То же самое происходит со всеми остальными.

Более подробно смотрите в видео

Весь» процесс имеет четкую синхронизацию с коленчатым валом двигателя, ведь если клапан откроется не то время, которое нужно, мотор попросту не запустится. Поэтому для привода ГРМ используют сам коленвал.

Цепной или ременный привод ГРМ

Чтобы привести два вала, расположенные на расстоянии друг от друга, необходимо использовать цепную или ременную передачу. Изначально в автомобилях применялась именно цепь. Ее преимуществом было то, что она долговечна, а ее растяжение компенсировалось специальным натяжным устройством. В зависимости от мощности силовой установки, цепь может быть одно-, двух- или трехрядная.

Однако такой подход очень неблаготворно влияет на шумность работы двигателя. Если однорядная цепь издавала минимум шума, то двухрядная уже сама по себе говорила о том, что мотор достаточно громкий. Кроме того, блоки цилиндров, изготавливаемые под цепной привод ГРМ, усложняли ее замену, так как для этого крайне необходимо получить доступ к коленчатому валу напрямую.

Совсем другая ситуация обстоит с ременным приводом, который практически не издает никакого шума. Единственное, что можно услышать при работе двигателя – это легкие стуки клапанного механизма. Однако у ременной передачи есть и недостатки. ГРМ с таким приводом недолговечен, а значит, рано или поздно может порваться, что влечет за собой довольно серьезные последствия. Для 8-ми клапанных мотор это практически не проблема, а вот если говорить о 16-ти клапанных двигателях, то тут есть риск просто загнуть сами клапана и тогда ремонт обойдется намного дороже замены ремня.

Кроме того, многие автомобили вместе с заменой ремня предусматривают замену натяжного ролика, водяного насоса и набора шайб. Менять все это необходимо каждые 60 тысяч километров, хотя если учесть брак во многих деталях, то выполнять эту процедуру желательно пораньше. Цепь же такой замены потребует только в случае ее сильного растяжения или обрыва (что происходит очень редко).

Не смотря на все различия и серьезные преимущества ременного привода, многие автогиганты до сих пор отдают предпочтение именно металлической цепи.

ГРМ — это… Что такое ГРМ?

Грм — получить на Академике активный купон COSMASI.RU или выгодно грм купить по низкой цене на распродаже в COSMASI.RU

ГРМ — газораспределительный механизм ГРМ Государственный Русский музей с 1918 Санкт Петербург Словарь: С. Фадеев. Словарь сокращений современного русского языка. С. Пб.: Политехника, 1997. 527 с. ГРМ глиссадный радиомаяк авиа, связь … Словарь сокращений и аббревиатур

ГРМ — Аббревиатура «ГРМ» имеет следующие расшифровки: Газораспределительный механизм Государственный Русский музей Глиссадный Радиомаяк … Википедия

ГРМ — глиссадный радиомаяк Государственный русский музей … Словарь сокращений русского языка

Ремень ГРМ — (Ремень газораспределительного механизма) резиновый замкнутый ремень, с насечками с внутренней стороны, предназначенный для синхронизации коленчатого и распределительного вала двигателя. Применяется при использовании ременной передачи. Цепь ГРМ… … Википедия

Цепь ГРМ — Ремень ГРМ (Ремень газораспределительного механизма) резиновый замкнутый ремень, с насечками с внутренней стороны, предназначенный для синхронизации коленчатого и распределительного вала двигателя. Применяется при использовании ременной передачи … Википедия

Глиссадный радиомаяк (ГРМ) — представляет собой наземное радиотехническое устройство, излучающее в пространство радиосигналы, содержащие информацию для управления воздушным судном в вертикальной плоскости относительно установленного угла наклона линии глиссады при выполнении … Официальная терминология

глиссадный радиомаяк РСП ГРМ РСП — Наземное радиотехническое устройство, излучающее радиосигналы, содержащие информацию для управления самолетом в вертикальной плоскости при выполнении ими захода на посадку. [ГОСТ 26121 84] Тематики инструментальный заход самолетов на посадку … Справочник технического переводчика

Чувствительность к угловому смещению ГРМ — отношение измеренной РГМ к соответствующему угловому смещению относительно соответствующей опорной линии. Источник … Словарь-справочник терминов нормативно-технической документации

Состав коллекции Витебского музея современного искусства — Состав коллекции Витебского музея современного искусства. Н. С. Гончарова. «Женщина с обезьяной». 1909(?) г. Местонахождение неизвестно. Альтман Натан Исаевич (1889 1970). Пейзаж. Местонахождение неизвестно. «1347. Пейзаж [без указания техники и… … Википедия

Артиллерия современная — АРТИЛЛЕРІЯ СОВРЕМЕННАЯ. I. Назначеніе полевой и горной А. Полевая А. имѣетъ своимъ назначеніемъ сопровождать, а иногда и опережать свою пѣхоту (ѣздящая А.) и кавалерію (конная А.), подготовлять и поддерживать атаку, задерживать атакующаго,… … Военная энциклопедия

Как понять, что пора срочно менять ремень ГРМ — Российская газета

Для начала в двух словах поясним, что такое ремень привода газораспределительного механизма (ГРМ). Эта, как правило, армированная металлом резиновая деталь используется для того, чтобы синхронизировать работу системы зажигания с ходом поршней и клапанов. Альтернатива ей — цепь газораспределительного механизма. В случае обрыва ремня (равно как и цепи) ГРМ, начнется рассинхронизация фаз, а последствия зависят напрямую от конструкции силового агрегата. Как правило, чем проще устроен мотор, тем выше вероятность того, что при обрыве пострадает только сам ремень.

На большинстве же современных двигателей сценарий моторной катастрофы следующий. После обрыва ремня ГРМ распредвал перестает вращаться, и клапана останавливаются в одном положении. Коленвал между тем продолжает вращаться по инерции, и поршни «встречаются» с клапанами. Деформироваться или разрушиться могут также элементы распредвала, головка блока цилиндров, шатунная группа, поршни и другое. Как вы понимаете, ремонт силового агрегата после такого сценария выльется в копеечку.

Когда следует менять ремень ГРМ

Фото: wikipedia.org

Срок службы ремня ГРМ в зависимости от модели варьируется от 50 до 100 тыс. км (точные данные указаны в сервисной книжке автомобиля), но ориентироваться на эти цифры во всех случаях нельзя. Случается, к примеру, что у автомобиля небольшой пробег, но самому ремню больше пяти лет. К этому сроку эта деталь почти наверняка будет изношена из-за естественного старения резины.

Не менее часто на срок службы ремня влияет его неправильная установка и внешние воздействия. Скажем, достаточно частая причина преждевременной кончины ремня — попадание под него грязи или ошметков ранее оборвавшихся ремней генератора и компрессора кондиционера, но даже чаще — пролив масла из потекших сальников распредвала, равно как охлаждающая жидкость из потекшей помпы.

Что может вызвать проблемы с ГРМ

Фото: iStock

Одна из возможных причин обрыва ремня ГРМ — низкое качество изделия. Отсюда вывод — не покупайте такие детали на рынке «по дешевке». Однако более частая причина проблем с ГРМ — подтеки или посторонние элементы под ремнем, равно как сильный износ, перетяжка или недостаточное натяжение ремня.

Эти явления рано или поздно приведут если не к обрыву, то к так называемым проскальзываниям — ремень перескочит на несколько зубьев на шкиве коленвала или распредвала. Двигатель в этом случае может начать работать с перебоями или даже заглохнуть. К обрыву могут привести резкие нагрузки на ремень, например, если машина часто заводится «с толкача».

Ищите пятна

Фото: iStock

С учетом вышесказанного, следует регулярно осматривать подкапотное пространство на предмет подтеков. Заметив свежее пятно в районе крышки ремня ГРМ, бейте тревогу.

Ведь даже незначительное количество масла или тосола способно создать условия, чтобы ремень ГРМ проскользнул. Если видимых следов масла или тосола не наблюдается, а двигатель работает с перебоями (не выходит на высокие обороты, плохо заводится, глохнет) следует снять крышку ремня ГРМ и убедиться в соответствии установленных меток ГРМ коленвала и распредвала.

Косвенные признаки износа

Фото: iStock

Идеальным вариантом было бы осмотреть ремень на предмет потертостей, трещин и надрывов самостоятельно. Однако сделать это оперативно не всегда возможно, поскольку доступ к детали, как правило, затруднен — ремень закрыт пылинками, рядом — различные детали, снять которые многие автовладельцы не смогут или не решатся.

Однако определить наличие проблемы можно и по внешним признакам. При сильном износе ремня возникают характерные тикающие или шаркающие звуки, исходящие из-под кожухов системы. Ту же симптоматику, кстати, дают поврежденные подшипники натяжных роликов или помпы. В любом случае, услышав нечто похожее, следуйте в сервис.

Не экономьте на деталях

Фото: iStock

Если сервисмены рекомендуют поменять ремень ГРМ ввиду его износа, то в ряде случаев (например, когда машина уже не молода или вы приобрели ее с рук и не знаете ее прошлого), будет разумным поменять не только ремень, но также и комплект роликов.

Более того, в ряде случаев вместе с заменой старого ремня и роликов ГРМ специалисты советуют поменять также и помпу. Логика рекомендации проста — замены ГРМ длительная и дорогостоящая, а срок службы помпы в ряде случаев сопоставим со сроком службы ремня ГРМ. Иными словами, так вы предвосхищаете возможные проблемы. Ведь поломка той же помпы может привести к обрыву ремня ГРМ.

Цепь и ремень ГРМ. В чем разница?

Привод ГРМ

Сегодня настало время поговорить про привод ГРМ необходимость его замены. В современном автомобилестроении существует два типа привода это:

Ременной привод

Через ремень ГРМ осуществляется взаимосвязь между коленчатым валом и распределительными валами. Сама системы привода газораспределительного механизма состоит из ремня, роликов и натяжителей. Во многих случаях ремнем ГРМ так же приводится в движение водяной насос (помпа). У каждого производителя есть определенный регламент по замене привода газораспределительного механизма.

Пример: регламент автомобиля VOLVO s60 2007 г.в. /
двигатель 2,5 литра / 209 л.с.

Ремень ГРМ приводит в движение и помпу. По регламенту завода изготовителя ремень ГРМ рассчитан на 120000 км. пробега или 5 лет, в зависимости от того, что наступит раньше. Соответственно этому же регламенту помпа рассчитана на 150000 км.

По технологии ремонта, одиножды снятый с автомобиля ремень ГРМ не подлежит повторной установке. Что же получается. На 120000 км. мы меняем ремень ГРМ с роликами и продолжаем эксплуатацию автомобиля. На 150000 км. необходимо менять помпу. Соответственно при ее замене снимаем ремень и вынуждены поставить снова новый. Получается, что до первой замены мы проехали 120000км., а до второй всего 30000км. Это не совсем логично. К тому же не стоит забывать, что все регламенты рассчитываются исходя из средне нормальных условий эксплуатации.

В наших же реалиях, холодных зимах и движении в городском трафике стоит уменьшить интервал замены. В данном конкретном случае рекомендуем менять ремень и ролики при достижении пробега 75000 км., а на 150000 км. менять комплект ГРМ вместе с помпой.

Хотелось бы отметить, выход из строя ремня (его обрыв) ведет за собой повреждение, как минимум, головки блока цилиндров и дорогостоящий ремонт.

Цепной привод

При цепном приводе все немного проще. В некоторых модификациях цепь рассчитана на весь срок службы ДВС, в других так же подлежит периодической замене. Основной признак износа цепи — посторонние звуки при работе ДВС. Однако не каждый человек может правильно оценить звук работы двигателя, поэтому в данном случае лучше довериться профессионалам.

Удачи на дорогах!

Ремень грм расшифровка

Как расшифровывается ремень ГРМ и для чего он нужен в машине

Главная страница » ГРМ » Как расшифровывается ремень ГРМ и для чего он нужен в машине

Газораспределительный механизм (ГРМ) — узел, который состоит из множества конструктивных элементов, работающих синхронно. В этой статье мы расскажем, какая используется расшифровка для ремня ГРМ и в чем заключается принцип действия механизма в целом.

Устройство и принцип действия

Сам узел представлен головкой блока цилиндров мотора машины, на которой устанавливаются все конструктивные компоненты системы — клапаны, втулки, посадочные седла, пружины, рокера, распредвал, а также корпус подшипниковых устройств. В зависимости от особенностей и типа силового агрегата узел может подавать воздух в цилиндры как с горючим, так и отдельно.

Устройство ремня ГРМ

Когда при запуске силовой агрегат начинает работать с первого цилиндра, то кулачок 1 бьет по рокеру. Последний преодолевает усилие пружинной детали и опускает клапан в самый низ. В результате вращения кулачок соскакивает с поверхности рокера, и тот под давлением пружинки перемещается в изначальное положение. Это приводит к возвращению клапана, который в итоге закрывает камеру сгорания. Аналогично происходит с другими цилиндрами.

Вся процедура синхронизируется с работой коленвала силового агрегата. Если один из клапанов откроется не вовремя, это приведет к невозможности запуска двигателя.

Поэтому в качестве привода газораспределительного механизма применяется коленчатый вал.

Из ролика канала «Сделано в гараже» можно узнать о последствиях обрыва ремня ГРМ.

Виды

Газораспределительные механизмы могут отличаться между собой по месту нахождения распредвала в машине:

Распредвал установлен внутри ГБЦ, а клапана — на верхней части головки. Это позволяет элементам запускать движение так называемых коромысел и штанг-толкателей. Основное достоинство такого механизма заключается в простоте конструкции и надежности системы в целом. Минус — высокая инерционность, в результате чего силовой агрегат не способен быстро набирать обороты, что приводит к потере мощности.
Клапаны могут располагаться в нижней части тарелками вверх. Распределительный вал устанавливается внизу, привод идет от него. Достоинство этого механизма заключается в отсутствии шума. Основной недостаток — сложная по конструкции топливная система. В результате слабого насыщения камеры сгорания топливовоздушной смесью снижается мощность двигателя.
Распредвал может быть установлен непосредственно в головке блока цилиндров с клапанами. Элементы располагаются по бокам от распределительного вала и начинают работать в результате воздействия коромысел, находящихся на одной оси. Эти детали раскачивают кулачки на распредвале. Минусом таких устройств является высокая шумность, а также сложность регулировки зазоров клапанов. Кроме того, в месте контакта устройство работает под высокой нагрузкой.
В некоторых силовых агрегатах распределительный вал устанавливается над клапанами, а тарелки этих элементов расположены снизу. Сам вал в таких моторах приводит в действие клапаны посредством толкателей, находящихся в цилиндрическом корпусе. Основной недостаток такой конструкции заключается в низкой эластичности агрегата и сложности регулировки зазоров.

Для чего служит ремень?

Благодаря ремню ГРМ распределительный и коленчатый вал работают синхронно, что способствует правильному функционированию двигателя в целом. В этом заключается необходимость применения ремешка.

Обозначения на ремешке

Разберем несколько примеров перевода расшифровки на ремне ГРМ:

ISO-58111х19. В первых двух цифрах (58) зашифрована серия зубчиков, использующихся на изделии. В этом случае шаг и профиль будут без желобка, форма полукруглая, а высота составляет 3,5 мм. Затем идут три цифры (111), которые указывают на число зубьев. По цифре 19 можно определить ширину изделия. В продаже бывают ремни, зубчики которых выполнены в виде округленной трапеции.
58127х3/4 HSN. Здесь первые две цифры также обозначают серию зубчиков. Цифры 127 указывают на их число, но нужно учесть, что в ремешках, относящихся к серии 40, это количество условно. Цифры 3/4 говорят о ширине изделия в дюймах. В данном случае она также составляет 19 мм. Метка HSN в самом конце обозначает, что изделие изготовлено из прочного высоконасыщенного нитрила. Этот материал доказал свою прочность. Если таких букв в конце нет, то ремешок выполнен из неопренового каучука.

Таблица: Маркировка ремней

Расшифровка ремней по марке авто и типу двигателя Расшифровка ремней по марке машины и типу двигателя Расшифровка ремней по марке машины и типу двигателя Расшифровка ремней по марке машины и типу двигателя

Цепной или ременной привод

Цепь: преимущества и недостатки

Цепь необходимо менять только при значительном растяжении или повреждении и обрыве, что происходит довольно редко.

Это единственное преимущество цепной передачи.

Минусы таких устройств:

Использование цепи влияет на шумность работы силового агрегата. Однорядные изделия издают не так много шума, но двух- и трехрядные цепи более громкие. Их применение способствует довольно шумной работе двигателя машины.
Блоки цилиндров, в которых используется цепь, по конструкции представляют собой более сложные устройства. Из-за этого процедура замены изделия значительно усложняется, поскольку автовладельцу нужно иметь прямой доступ к коленвалу.

Ремень: плюсы и минусы

Основные плюсы ременных передач:

Если двигатель оборудован ремнем ГРМ, то такое изделие будет работать значительно тише. Водитель может услышать только один звук при функционировании силового агрегата — слабый стук клапанов.
Простота замены по сравнению с цепной передачей. Если подготовиться, то можно поменять ремень самостоятельно.

Недостатки:

Низкий ресурс эксплуатации привода по сравнению с цепной передачей. В результате длительного использования ремешок обрывается, а это может стать причиной серьезных неисправностей. Восьмиклапанные двигатели практически не страдают от обрывов. В случае с моторами, оборудованными 16 клапанами, сами элементы могут погнуться в результате обрыва. Это приведет к необходимости проведения капитального ремонта, стоимость которого будет значительно выше, чем замена ремешка. Иногда сокращение ресурса и обрыв ремня приводит к образованию трещин на головке или самом блоке цилиндров. Единственным вариантом решения проблемы будет установка новой ГБЦ, при этом меняется и прокладка.
Необходимость замены натяжного ролика вместе с ремнем. В некоторых случаях автовладельцам также надо менять водяное насосное устройство и комплект шайб. Ресурс эксплуатации ремешка в среднем составляет около 60 тысяч км пробега. Но если учесть сложные условия использования и наличие брака во многих запчастях, специалисты рекомендуют менять ремень раньше.

Фотогалерея

На фото можно посмотреть, как выглядит цепной и ременной привод ГРМ.

Цепной привод ГРМ Ременной привод ГРМ Загрузка …

Видео «Ресурс эксплуатации ремней ГРМ»

О фактическом ресурсе эксплуатации ремней ГРМ можно узнать из ролика, снятого каналом Avto-Blogger.

У Вас остались вопросы? Специалисты и читатели сайта AUTODVIG помогут вам, задать вопрос Была ли эта статья полезна?Оценить пользу статьи: (2 голос(ов), среднее: 5,00 из 5) Загрузка…

Что такое ремень ГРМ: расшифровка и назначение?

Что такое ГРМ — расшифровка которого описана в данной статье, важно знать любому автолюбителю. Это необходимо для того, чтобы не было неприятных сюрпризов при выходе из строя какого-либо комплектующего газораспределительного механизма.

Виды привода ГРМ

Отличаются ГРМ расположением распределительного вала в автомобиле:

Клапаны могут располагаться сверху в головке цилиндра, а распределительный вал внутри блоков цилиндров. Благодаря клапанам приводятся в движение коромысла и штанги-толкатели. Преимуществом этой системы является простая конструкция и соответственно высокая надежность. Недостаток – большая инерционность, что не дает набирать высокие обороты, что снижает мощность.
При нижнем расположении клапанов, они располагаются снизу тарелками вверх. Распредвал размещается снизу и от него непосредственно идет привод. Плюс этой системы — малый шум и простота изготовления. Минус — в сложной системе топливной системы, из-за этого падает мощность, так как происходит слабое насыщение камер качественной ВТС.
Разновидностью ГРМ являются двигатели, в которых распределительный вал находится в головке цилиндров вместе с клапанами. Существуют моторы, в которых клапаны находятся с двух сторон от распредвала и приводятся в действие коромыслами, нанизанными на одну ось. Коромысла раскачивают кулачки на распределительном валу. К недостаткам системы относится высокая шумность и сложность настроек клапанных зазоров, а также большая нагрузка в местах контактов.
Есть системы, где распредвал расположен над клапанами, тарелки которых находятся снизу. При такой конструкции распределительный вал двигает клапана с помощью толкателей цилиндрического типа. Недостаток системы в низкой эластичности двигателя и сложности настройки зазоров для клапанов. Эти системы, в свою очередь, делятся на два вида по количеству клапанов, приходящихся на один цилиндр: два и четыре.
Устройство ГРМ двигателя внутреннего сгорания

Механизм с клапанным газораспределением является самым распространенным среди ГРМ, устанавливаемых на 4-х контактных ДВС поршневого типа. ГРМ играет важную роль в правильном функционировании силового агрегата в автомобиле. Благодаря ему синхронизируется работа поршней и клапанов, которые движутся в нужных фазах. Без этой синхронизации мотор работать не будет.

Для чего служит ремень ГРМ

Назначение и принцип действия устройства

Ремень газораспределительного механизма

охлаждающей жидкости;
масла;
топлива с высоким давлением и др.

Расшифровка обозначений ремня ГРМ

Зубчатый ремень фирмы Dayco

Производитель	Обозначения ремня
ДВС 8V	ДВС 16V
Contitech	CT 527	CT 996	Ремни марки поставляются во многие страны мира. Они могут устанавливаться как на отечественные, так и на импортные марки машин.
Bosch	ZP 1 987 949 095	ZP 1 987 049 559	Надежные, малошумные обеспечивают синхронную передачу в течение всего срока эксплуатации. Имеют широкое применение.
Gates	5521	5539	Компания находится на рынке уже более 100 лет, предлагает широкий спектр приводов как для зарубежных, так и для отечественных автомобилей.
Dayco	111 SP 190 EEU	136 SP 254 H	Ремни обладают высоким износостойкими качествами. Компания поставляет 40 лет ведущим фирмам продукцию для первичной комплектации, поэтому имеет безупречную репутацию.

прочными на разрыв;
надежными;
соединение с основой должно выдерживать эксплуатацию в широком диапазоне температур;
наработка должна выдерживать до полного износа;
после наработки должно существовать допустимое удлинение.

Видео «Принцип работы ГРМ»

ГРМ расшифровка и назначение в автомобиле

При покупке запчастей для своего автомобиля, необходимо знать конкретно, какая деталь нужна именно вам. Поэтому очень важно знать большое количество аббревиатур, одной из которых является ГРМ. Расшифровка этого узла предельно проста и сейчас вы узнаете, что это такое.

Что такое ГРМ

ГРМ – это газораспределительный механизм двигателя внутреннего сгорания и предназначен для дозирования цилиндров определенным количество топливовоздушной смеси в заданные промежутки времени. Работа ГРМ четко синхронизирована с вращением коленчатого вала.

Сами клапана располагаются в специальных втулках, установленных в ГБЦ. Клапана фиксируются при помощи специальных тарелок, двух пружин и стопорных «сухариков». Поверх них крепятся рокера с возвратной пружиной и имеются специальную поверхность, которая позволяет скользить кулачкам распредвала с минимум шума. Самой верхней же частью является распределительный вал, который заключен внутри корпуса подшипников, а на старых автомобилях – вкладышей.

Принцип действия газораспределительного механизма

Более подробно смотрите в видео

Весь процесс имеет четкую синхронизацию с коленчатым валом двигателя, ведь если клапан откроется не то время, которое нужно, мотор попросту не запустится. Поэтому для привода ГРМ используют сам коленвал.

Цепной или ременный привод ГРМ

Однако такой подход очень неблаготворно влияет на шумность работы двигателя. Если однорядная цепь издавала минимум шума, то двухрядная уже сама по себе говорила о том, что мотор достаточно громкий. Кроме того, блоки цилиндров, изготавливаемые под цепной привод ГРМ, усложняли ее замену, так как для этого крайне необходимо получить доступ к коленчатому валу напрямую.

Что такое ГРМ

Среди различных узлов и элементов, из которых состоит конструкция современных авто, особого упоминания заслуживает газораспределительный механизм. Многие автолюбители, изучающие строение машины, желают выяснить какие бывают грм, что это, расшифровка аббревиатуры и как устранять самые распространенные неисправности этого узла.

Что такое ремень ГРМ

Ремень газораспределительного механизма представляется важнейшим элементом, необходимым для корректной работы машины. Он используется для обеспечения должной синхронизации движений коленчатого и распределительного вала. Выясняя, что такое ремень грм и каковы его основные особенности, необходимо отметить его незаменимость для подачи топлива к цилиндрам силового агрегата.

Помимо прочего, грм в автомобиле используется для правильной работы жидкостного насоса. Он отвечает за циркуляцию охлаждающей жидкости по всей системе. Это позволяет предотвратить перегрев двигателя даже при интенсивных нагрузках.

Ремень ГРМ

Изучая, как выглядит ремень ГРМ в машинах, следует отметить, что он представляет собой своеобразный ремень, который находится между блоком цилиндров и радиатором. При этом необходимо учитывать, что точное расположение данного узла напрямую зависит от конкретного производителя авто. В некоторых моделях он скрыт за различными защитными элементами, однако даже в этом случае к нему легко получить доступ, демонтировав крышку.

Если ознакомиться с фото, можно сделать вывод, что ремень ГРМ представляет собой замкнутую полоску из резины, оснащенную с внутренней стороны зубьями для лучшего сцепления с валами. При этом необходимо помнить, что подобные комплектующие предназначены для использования лишь в конкретной модели/серии авто и не являются универсальными.

Для чего необходим

Как было сказано ранее, ремень газораспределительного механизма необходим для корректной работы двигателя. Именно благодаря ему удается сделать работу коленвала и распредвала синхронной. Однако, нередко в конструкции автомобиля он служит и для выполнения других действий.

Так, данный узел может эксплуатироваться в качестве привода для насосного оборудования, предназначенного для:

охлаждающей жидкости;
моторного масла;
бензина/дизеля, в зависимости от используемого типа топлива.

Узел ГРМ невероятно важен. Необходимо поддерживать его в работоспособном состоянии во избежание появления серьезных проблем, для устранения которых потребуются внушительные затраты.

Принцип действия

Выяснив, как переводится ГРМ в автомобиле, необходимо отметить, что он используется для согласования работы распредвала и коленвала с помощью специальных зубьев, которые обеспечивают отличный уровень сцепления с поверхностями данных деталей.

При этом число таких зубьев строго ограничено и зависит от используемой модели авто. Например, ВАЗ 2112 оснащен сразу 136 зубьями, в то время, как другие модели могут иметь значительно больше или меньше.

Цепной механизм ГРМ

Классификация газораспределительных механизмов

Выяснив, как расшифровывается ГРМ, необходимо более подробно ознакомиться с существующими разновидностями подобных механизмов. Они отличаются между собой своими характеристиками, сроком службы и другими параметрами. Это следует учитывать при эксплуатации.

Наибольшее распространение получили следующие разновидности привода ГРМ:

ременной привод. Отличается низким уровнем шума при работе, что компенсируется низким уровнем прочности и возможным смещением фаз из-за недостаточного уровня натяжения;
цепной механизм. Благодаря уникальной конструкции, вероятность сбивания фазы значительно снижается, что обусловлено поддержанием оптимальной степени натяжения. При этом уровень шума у данного типа привода значительно выше, в связи с чем далеко не все автопроизводители устанавливают этот элемент;
шестереночный привод. Подобный вариант широко использовался в прошлом и отличается низкой стоимостью, высокой надежностью и практически неограниченным сроком службы. К числу недостатков подобного элемента можно отнести внушительные размеры узла.

Также стоит упомянуть, что существует также перечень разновидностей ГРМ, которые необходимо упомянуть. Прежде всего, это SOHC, предусматривающий наличие одного распредвала. Подобный элемент обладает низкой стоимостью и работает без серьезного шума.

Другим типом ГРМ является DOHC, который предусматривает наличие в конструкции второго распредвала, который монтируется неподалеку от первого. Отличается повышенной стоимостью, однако способен несколько уменьшить расход топлива за счет улучшенного заполнения цилиндров.

OHV отличается специфичным расположением распредвала — внизу, что позволяет упростить его конструкцию, а также сократить размеры агрегата. К недостаткам можно отнести небольшой крутящий момент, избыточную инерционность и малую мощность.

Причины поломок

Самыми распространенными поломками данного узла представляется обрыв или сбивание фазы. Это приводит к остановке работы двигателя, а также серьезным поломкам, требующим дорогостоящего ремонта. К числу наиболее вероятных причин поломок можно отнести чрезмерный износ, заклинивание помпы натяжителей или валов, а также недостаточный уровень натяжения.

Способы их устранения

Процедура устранения неисправностей значительно отличается и зависит от причины их появления. Чаще всего, ремень требуется натянуть до оптимального состояния, что можно сделать с помощью соответствующего механизма. Однако, при обрыве или других серьезных поломках, может потребоваться замена ГРМ.

Процедура довольно проста и предусматривает выполнение следующих действий:

Демонтировать переднее колесо для получения доступа к шкиву коленвала.
Снять ремень гидроусилителя руля, генератор, свечи и насосный механизм.
Извлечь шкив и правую опору ДВС.
Удалить изношенный ГРМ и установить на его место новый.

Далее, потребуется повторить все операции в обратно порядке, поочередно устанавливая на автомобиль демонтированные узлы. Благодаря простой конструкции, подобные манипуляции можно выполнить своими руками, значительно сэкономив на услугах специалистов.

Заключение

Ремень ГРМ представляется одним из важнейших узлов в конструкции авто. Он отвечает за корректную работу двигателя. Он бывает различных типов и, как правило, уникален для каждой модели авто. При необходимости автомобилист может заменить его самостоятельно, избежав дополнительных затрат.

Что такое ДВС в автомобиле, расшифровка кратко

По дорогам мира перемещаются миллионы автомобилей, автобусов и грузовиков. Такое развитие транспорта было бы невозможным без ДВС – главной движущей силы всех современных машин. Расшифровка аббревиатуры ДВС несложная – двигатель внутреннего сгорания.

Что такое ДВС в автомобиле, что в нем горит и почему внутри – поясняем кратко. Паровой котел – это двигатель внешнего сгорания: дрова, уголь или мазут горят, подогревая воду, которая превращается в пар, который толкает поршни. Получается длинный и неэффективный цикл. Принципиальное отличие ДВС в том, что топливо сгорает внутри цилиндров, передавая энергию непосредственно поршням и валу, эффективность преобразования существенно выше. Кроме этого ДВС занимают немного места, мало весят, экономичны, работают на разнообразных видах топлива.

Краткое содержание статьи

1.Типы ДВС;

2. Как устроен ДВС автомобиля;

3. Как работает ДВС, описание, анимация;

4. Ремонт ДВС, стоимость.

1. Типы ДВС, бензин и дизель

По принципу воспламенения топлива двигатели делятся на несколько типов: искровые и дизельные. В первых топливо воспламеняется от искры, в цилиндрах вторых дизель зажигается от сжатия топливной смести. Бензиновые моторы имеют меньший КПД, по этому дизельные моторы экономичнее. Дизельные моторы дороже в обслуживание и ремонте, так как сложнее в устройстве.

2. Как устроен ДВС автомобиля

Приведем на примере современного двигателя внутреннего сгорания, опишем как устроен ДВС автомобиля.

ДВС состоит из следующих модулей:

Система подачи топлива;
Головка блока цилиндров;
Блок цилиндров с поршневой группой;
Газораспределительный механизм;
Коленчатый вал.

3. Как работает ДВС, описание и анимация

Главный принцип работы ДВС – расширение объема газов в замкнутом пространстве цилиндра от тепла, возникающего в результате сгорания топлива.

Чтобы двигатель работал непрерывно, реализуется цикл, состоящий из:

Поступления топливной смеси в цилиндр, Поджога и сгорания смеси;
Рабочего хода поршня;
Выпуска газов.

Импульс, полученный от сгоревшего топлива, толкает поршень, коленчатый вал поворачивается. Так энергия преобразуется в движение. Выше мы описали как работает ДВС, прикрепляем анимацию.

4. Ремонт ДВС в автомобиле, стоимость

Из чего состоит, и что такое ДВС в автомобиле мы разобрались, теперь немного расскажем о ремонте ДВС. Так как ДВС является сложным инженерным устройство и состоит из множества систем, которые должны слаженно работать, выход из строя или обшивка одной системы двигателя ведет к неровной работе системы в целом или к полной остановке мотора — поломке. Например, вышла из строя форсунка распыления топливной смеси в одном цилиндре, следовательно, в одном цилиндре нет детонации и что происходит с мотором в целом?

Мотор или как его еще называют ДВС, теряет мощность, и, если мотор 4 цилиндровый будет работать с рывками и провалами. С большой вероятностью будет давать сильную вибрацию на кузов, из-за ассиметричного зажигания. На помощь приходит диагностика и ремонт ДВС, автомобиль подключают к компьютеру и считывают ошибки по работе мотора. По набору ошибок, мастера поймут в чем причина поломки и поменяют форсунку.

Стоимость ремонта ДВС в автомобиле варьируется от модификации самого мотора и вида неисправности. Бывает, такое, что сама машины дешевая, а ремонт мотора дорогой, из-за неудобного расположения различных узлов. Бывает наоборот. Лучше всего не запускать проблемы по ДВС до ремонта. Нужно вовремя вменять масло, фильтры. Ели появляется как-либо проблема, нужно сразу вытиснять в чем причина и решать вопрос, пока мелкая проблема не переросла в полномасштабный ремонт.

Спонтанное декодирование времени и содержания восприятия человеческого объекта по записям кортикальной поверхности выявляет дополнительную информацию в связанном с событием потенциальном и широкополосном спектральном изменении

Abstract

Связь между восприятием объекта и нейронной активностью в зрительных областях коры головного мозга является проблемой фундаментальной важности в нейробиологии. Здесь мы показываем, что электрические потенциалы от вентральной височной кортикальной поверхности у людей содержат достаточно информации для спонтанной и почти мгновенной идентификации состояния восприятия субъекта.Электрокортикографические (ЭКоГ) матрицы были помещены на субвисочную кортикальную поверхность семи пациентов с эпилепсией. Изображения лиц и домов в оттенках серого отображались быстро в случайной последовательности. Мы разработали шаблонный проекционный подход для спонтанного декодирования непрерывного потока данных ЭКоГ с прогнозированием возникновения, времени и типа визуального стимула. В этом контексте мы оценили независимое и совместное использование двух хорошо изученных характеристик сигналов мозга, широкополосных изменений в частотном спектре мощности потенциала и отклонений в исходной трассе потенциала (потенциал, связанный с событием; ERP).Наша способность предсказать как время появления стимула, так и тип изображения была наилучшей, когда мы использовали комбинацию как широкополосного отклика, так и ERP, предполагая, что они улавливают различные и взаимодополняющие аспекты перцептивного состояния субъекта. В частности, мы смогли предсказать время и тип 96% всех стимулов, с менее чем 5% ложными срабатываниями и ошибкой во времени ~ 20 мс.

Сведения об авторе

Мы описываем новую технику декодирования восприятия на основе электрических потенциалов, измеренных с поверхности человеческого мозга.Все предыдущие попытки были сосредоточены на идентификации классов стимулов или поведения, для которых время экспериментальных параметров известно или заранее определено. Однако опыт реального мира носит спонтанный характер, и с этой целью мы описываем эксперимент, прогнозирующий возникновение, время и типы визуальных стимулов, воспринимаемых людьми на основе непрерывного сигнала мозга. В этом эксперименте пациентам-людям с электродами, имплантированными в нижнюю часть височной доли, в быстрой последовательности показывали изображения лиц и домов.Мы разработали новый метод проекции шаблона для анализа электрических потенциалов, в котором впервые широкополосные спектральные изменения и необработанные изменения потенциала могут быть сопоставлены, а также объединены. Наш анализ показал, что они несут разную физиологическую информацию и при совместном использовании обеспечивают беспрецедентную точность и точность при расшифровке человеческого восприятия.

Образец цитирования: Miller KJ, Schalk G, Hermes D, Ojemann JG, Rao RPN (2016) Спонтанное декодирование времени и содержания восприятия человеческого объекта по записям кортикальной поверхности выявляет дополнительную информацию в связанном с событием потенциальном и широкополосном спектральном изменении .PLoS Comput Biol 12 (1): e1004660. https://doi.org/10.1371/journal.pcbi.1004660

Редактор: Олаф Спорнс, Университет Индианы, США

Поступила: 26 мая 2015 г .; Одобрена: 17 ноября 2015 г .; Опубликован: 28 января 2016 г.

Авторские права: © Miller et al., 2016. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника

Доступность данных: Авторы подтверждают, что все данные, лежащие в основе выводов, полностью доступны без ограничений.Все данные и анализы доступны на https://purl.stanford.edu/xd109qh4109

Финансирование: Эта работа была поддержана Национальной исследовательской программой аспирантов по аэронавтике и исследованию космического пространства (KJM), NIH (R01-NS065186 (KJM) , JGO, RPNR), T32-EY20485 (DH), R01-EB00856 (GS) и P41-EB018783 (GS)), NSF (EEC-1028725 (RPNR)) и Исследовательского бюро армии США (W911NF-14- 1-0440 (GS)). Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Конкурирующие интересы: Авторы заявили об отсутствии конкурирующих интересов.

Введение

Как двумерный узор пикселей, измеренный нашей сетчаткой, трансформируется в восприятие лица друга или известного ориентира? Известно, что вентральная височная кора представляет собой различные классы сложных зрительных стимулов в разных регионах. Например, селективные по категориям области были однозначно определены в масштабе нескольких миллиметров с использованием функциональной визуализации и макромасштабных потенциалов поля [1–4].Подобные результаты были также продемонстрированы на уровне единичных единиц у пациентов с эпилепсией [5] и приматов, не являющихся людьми [6]. Совсем недавно было показано, что высокочастотные электрокортикографические (ЭКоГ) изменения в этих же вентральных височных областях усиливаются при просмотре изображений лиц, мест и других объектов [7–10]. Однако вместо того, чтобы отражать дискретный диапазон частот, изменения ЭКоГ> 40 Гц, как было показано, вместо этого являются отражением широкополосных колебаний во всей частотной области [11,12], и эти широкополосные изменения показывают устойчивое увеличение в вентральной височной коре во время объекта восприятие [13].

Объектно-категориальные ответы в нижневисочной коре первоначально были идентифицированы с использованием связанных с событием потенциалов (ERP) на ЭКоГ [14,15] или функциональной магнитно-резонансной томографии (fMRI) [1–4], хотя между ERP и ответ фМРТ [16]. Напротив, увеличение высокочастотной широкополосной мощности в потенциалах корковой поверхности, зарегистрированное с помощью ЭКоГ, хорошо соответствовало категориям-специфическим ответам фМРТ в нижней височной коре головного мозга [17,18]. ERP и широкополосные сигналы демонстрируют различные и частично перекрывающиеся ответы на лица [13,19] (рис. 1), но неясно, различается ли сам информационный контент между ними.Хотя и ERP, и необработанный потенциал ЭКоГ ранее использовались для классификации категорий объектов [20–22], эти исследования требовали знания о времени появления стимула, а не их спонтанного определения. Кроме того, способность алгоритмов определять категорию объекта на основе нейронных данных была значительно ниже, чем у человека (как с точки зрения точности, так и точности во времени).

Рис. 1. Основная задача по распознаванию лиц и домов, а также полиморфная природа электрофизиологического ответа.

(A) Субдуральные электрокортикографические (ЭКоГ) электродные полоски помещали через отверстия в черепе на вентральную височную поверхность мозга. Для субъекта 1 показаны 4 соседних участка. (B) Простые лица и дома в оттенках серого с согласованной яркостью и контрастом, которые отображались в случайном порядке в течение 400 мс каждое, с интервалом между стимулами пустого серого экрана 400 мс между каждым изображением. Испытуемых просили сообщить о простой цели (перевернутый дом, который был исключен из анализа).Из необработанного потенциала был извлечен временной ход широкополосного спектрального изменения для каждого участка мозга (здесь участки 1 и 4 из (A)). Синий = лица; розовый = дома. (C) Усредненный необработанный потенциал (ERP) после стимулов лица (синий) и дома (розовый) для 4 участков в (A). (D) Усредненная широкополосная мощность после различных стимулов (ERBB — отражение средней скорости возбуждения нейронов) из сайтов 1–4 в (A). (E-G) ERBB и ERP для 2 участков над веретенообразной извилиной у субъектов 2–4.Обратите внимание на то, что ответы очень полиморфны для потенциалов, связанных с событием, и что существуют сайты избирательного отбора лиц ERP, которые не имеют классической формы N200. Как видно на сайте 2 в теме 4, классический N200, если он присутствует, не гарантирует избирательность по лицам в ERBB.

https://doi.org/10.1371/journal.pcbi.1004660.g001

Существенным методологическим препятствием для этого типа макромасштабной физиологии была сложность интерпретации неоднородности морфологии ответа.Как показано на рис. 1, селективные по лицу ERP могут иметь широкие структурные вариации с «пиками» и «впадинами», которые сильно различаются по форме, латентности и продолжительности, даже при измерении по участкам мозга, разделенным всего на 1 см. Остается неясным, чему на самом деле соответствует форма ERP. Более того, ранее не разрабатывалась методология, позволяющая наивно размещать морфологически разные ERP в общем пространстве признаков. В отличие от этого, широкополосные спектральные изменения в сигнале ЭКоГ, как было показано, коррелируют с частотой возбуждения нейронов [23,24], хотя было неясно, как ERP связаны с этим, или как лучше всего попытаться провести такое сравнение [19] .Наша работа начинается с описания методики проекции шаблонов, где шаблоны усредненных исходных потенциалов (ERP) и широкополосных изменений (ERBB) из периода обучения проецируются в данные из периода тестирования. Это помещает функции ERP и ERBB из разных участков мозга в общее пространство функций, где их можно напрямую сравнивать друг с другом и использовать вместе для расшифровки функций мозга.

На сегодняшний день декодирование перцептивного контента основывается на определенной информации о внешних стимулах, частота появления и точная синхронизация которых известны декодеру.Мы предлагаем, чтобы в дополнение к идентификации перцептивного содержимого (например, типа изображения), декодирование состояния мозга должно развиваться, чтобы спонтанно определять, произошло ли перцептивное событие из потока данных, и, если да, прогнозировать время как можно точнее. Мы обозначаем эту практику как «спонтанное декодирование».

Здесь мы показываем, что сигнал ЭКоГ содержит достаточно информации, чтобы позволить почти мгновенную идентификацию категорий объектов с точностью, сопоставимой с поведенческими характеристиками человека.В наших экспериментах измерялись записи ЭКоГ из нескольких нижних височных областей зрения одновременно, в то время как испытуемые просматривали случайно чередующиеся изображения лиц или домов. Мы достигли лучших результатов, объединив широкополосные изменения с необработанными потенциальными изменениями (а не с любыми другими по отдельности), используя подход прогнозирования по шаблону. Это показывает, что два типа сигналов фиксируют взаимодополняющие аспекты физиологии, отражающие состояние восприятия человека. С помощью этой комбинации мы смогли правильно предсказать 96% всех стимулов как лицо, дом или ни то, ни другое, с ошибкой во времени только ~ 20 мс.

Методы

Заявление об этике

Все пациенты принимали участие чисто добровольно, после предоставления информированного письменного согласия, в соответствии с протоколами экспериментов, утвержденными Советом по надзору за учреждениями Вашингтонского университета (№ 12193). Все данные пациентов были обезличены в соответствии с протоколом IRB в соответствии с требованиями HIPAA. Часть этих данных представлена в другом контексте в [13]. Все данные и анализы публично доступны по адресу http: // purl.stanford.edu/xd109qh4109.

Сюжеты и записи

Все 7 субъектов исследования были больными эпилепсией (таблица S1) в больнице Харборвью в Сиэтле, штат Вашингтон. Субдуральные сетки и полоски платиновых электродов (Ad-Tech, Racine, WI) клинически помещали на лобную, теменную, височную и затылочную кору для расширенного клинического мониторинга и локализации эпилептических очагов. Решетки боковых лобно-теменных электродов были исключены из анализа, и в дальнейшем рассматривались только полосковые электроды.Электроды имели диаметр 4 мм (обнаженные 2,3 мм), расстояние между электродами 1 см и были залиты силиконом. Расположение электродов относительно анатомии гиральной поверхности определялось путем проецирования КТ после имплантации на предоперационный осевой Т1 с использованием нормализованной взаимной информации в SPM и пакете CTMR с реконструкциями сеток кортикальной поверхности, извлеченными Freesurfer [25–28]. Когда качество МРТ или КТ было недостаточным, применялись гибридные методы [29].

Эксперименты проводились у постели больного с использованием усилителей Synamps2 (Neuroscan, Эль-Пасо, Техас) параллельно с клинической записью.Стимулы предъявлялись с помощью монитора у постели больного с использованием универсальной программы стимулирования и сбора данных BCI2000 [30]. Электрокортикографические потенциалы измеряли относительно эталона кожи головы и земли, подвергали наложенному прибором полосовому фильтру от 0,15 до 200 Гц и отбирали выборку с частотой 1000 Гц.

Чтобы уменьшить общие артефакты, потенциал, измеренный в момент времени t в каждом электроде n , был повторно привязан к общему среднему значению для всех электродов N ,.Электроды со значительным артефактом или эпилептиформной активностью отбраковывались перед общим усреднением. В данных не было отказа от эпох времени. Окружающий линейный шум подавлялся режекторной фильтрацией в диапазоне 58–62 Гц с использованием фильтра Баттерворта 3 ^rd [31].

Дискриминационная задача Face-House

Испытуемые выполнили базовую задачу по распознаванию раздражителей лица и дома. Им были представлены изображения лиц и домов в оттенках серого (согласованные по яркости и контрастности), которые отображались в случайном порядке по 400 мс каждое, с интервалом между стимулами (ISI) 400 мс между изображениями.Изображения шириной 10 см отображались на расстоянии ~ 1 м от пациентов, когда они сидели у постели (рис. 1). Было проведено 3 экспериментальных цикла с каждым пациентом, по 50 изображений домов и 50 изображений лиц в каждом цикле (всего 300 стимулов). Чтобы сохранить фиксацию на стимулах, пациентов просили устно сообщить о простой цели (перевернутый дом), которая появлялась один раз во время каждого прогона (1/100 стимулов). Было немного ошибок в сообщении о перевернутом домике-мишени в любом прогоне (примерно 2–3 за все 21 экспериментальный прогон).

Спектральный анализ мощности и разделение динамического спектра мощности для получения графика широкополосного спектрального изменения (полностью подробно описано в дополнительном материале, тексте S1 и тексте S2)

Следуя ранее описанной методологии [11,32,33], мы выполняем дискретные оценки оконного спектра мощности, а также частотно-временную аппроксимацию динамического спектра мощности от В _n ( t ) . Затем мы выполняем «процесс разделения», чтобы идентифицировать основные мотивы в изменении спектра мощности, выделяя временной ход широкополосного спектрального изменения, B _n ( t ).Этот процесс был первоначально описан и подробно проиллюстрирован для записей ЭКоГ из моторной коры [11], а позже проиллюстрирован специально для этого личного контекста [12]. Было показано, что широкополосные изменения надежно характеризуют величину и латентность корковой динамики от вентральной височной коры в отдельных испытаниях во время этого эксперимента по просмотру лица и дома [13]. Как правило, зависимость мощности от широкополосной сети предназначена для функционирования как изменяющаяся во времени оценка изменений мультипликативного фактора скорости возгорания населения [11,24].

Расшифровка

Перекрестная проверка.

Перед дальнейшим анализом данные были разделены на три части по времени (например, разделены на экспериментальные серии). Последующие анализы были выполнены в 3 раза. В каждой перекрестной свертке две трети (два прогона) данных были назначены «обучающему» набору , а оставшаяся треть была назначена «тестирующему» набору (выделено жирным шрифтом для выделения). Таким образом, все данные могут использоваться как для тестирования, так и для обучения, но никогда одновременно (для максимального использования без «двойного погружения», которое одновременно тестирует и тренирует одни и те же данные).Однако процесс спектральной развязки был выполнен только один раз для всех данных, а не перекрестно свернут (процесс развязки игнорирует метки классов или выбор точки времени).

Техника проецирования шаблона.

Управляемый стимулом усредненный необработанный потенциал и широкополосный шаблон : В каждом электроде n , запускаемые стимулом усредненные данные тренировки были получены для общего усредненного электрического потенциала для лица ( S → F ) и house ( S → H ) стимулы независимо (обозначает k ^th из N _S всего экземпляра стимула типа S в обучающей выборке):

Эта величина рассчитывается только в интервале перистимула -199 < t ‘≤ 400 мс (где t ‘ обозначает время относительно начала стимула).Затем он повторно центрируется путем вычитания среднего потенциального исходного уровня перистимула в интервале -199 < t ‘≤ 50 (50 мс после стимула выбирается, чтобы соответствовать ERP и латентности широкополосной ЭКоГ для первичной зрительной коры [33, 34]) для получения 〈 V _n ( t ‘)〉 _S:

Мы выполняем такое же усреднение по обучающим данным для широкополосного сигнала, чтобы получить 〈 B _n ( t ‘)〉 _S.Примеры этих шаблонов ответов, 〈 V _n ( t ‘)〉 _S и 〈 B _n ( t ‘)〉 _S являются проиллюстрировано по всей рукописи.

Проекция шаблонов на заранее определенное время появления стимулов (проиллюстрировано на рис. 2).

〈 V _n ( t ‘)〉 _S и 〈 B _n ( t ‘)〉 _S были созданы из период обучения .

Рис. 2. Расшифровка класса стимула в отдельных испытаниях, когда начало стимула известно, объект 3.

(A) Квадрат значений взаимной корреляции на каждом электроде. Очки обучающих характеристик были получены путем обратного проецирования инициируемого событием широкополосного канала 〈 B _n ( t ‘)〉 _F (см. Методы) в данные обучения и сравнения спроецированного лица « и межстимульный интервал (ISI) « точки.Эти значения масштабируются по цвету и наносятся на осевой срез МРТ с масштабированием, показанным на цветной полосе ниже. Электроды, соответствующие критериям приемлемости, были выбраны в качестве признаков для классификации шаблона лица. (B) То же, что и в (A), но для стимулов дома из периода обучения. (C) Широкополосные шаблоны, инициируемые событиями периода обучения для лица, 〈 B ₁ ( t ‘)〉 _F, и дом, 〈 B ₁ ( t ‘)〉 _H стимула от электрода, отмеченного зеленой стрелкой на (AB). (D) То же, что и в (C), но от электрода, отмеченного оранжевой стрелкой. ( E) Проекция инициированного событием шаблона лица из (C) в данные тестирования : верхняя черная кривая показывает часть широкополосного хода времени от электрода, отмеченного зеленой стрелкой, в течение периода тестирования, B ₁ ( т ). Шаблон лица 〈 B ₁ ( t ‘)〉 _F показан голубым цветом в каждый момент времени стимула, независимо от класса, во время тестирования событий τ _p.Результат проецирования шаблона лица 〈 B ₁ ( t ‘)〉 _F to B ₁ ( t ) показан на зеленой фоновой кривой, с контрольными точками в определенное время стимула лица, показано синими кружками, и определенное время стимула дома, показано красными кружками. (F) То же, что и (E), но для электрода с оранжевой стрелкой: B ₂ ( t ) и с использованием шаблона домика из (D), 〈 B ₂ ( t ‘)〉 _H. (G) Подпространство vs используется для иллюстрации подхода дискретной классификации. Здесь точки тренировки с обратной проекцией показаны точками (синим для q → F и красным для q → H ), а также контрольные точки показаны кружками. Можно видеть, что простая линия решения (пурпурный) в этом подпространстве приведет только к 1 ошибке.

https://doi.org/10.1371/journal.pcbi.1004660.g002

Очки обучающих характеристик были получены при обратном проецировании 〈 V _n ( t ‘)〉 _S и 〈 B _n ( t ‘)〉 _S в период обучения для получения наборов и для каждого события q во время τ _q:

, где представляет «мгновенную» базовую линию окружающего времени τ _q:.были получены таким же образом. Типами обучающих событий q были начало стимула изображения лица ( q → F ), начало стимула изображения дома ( q → H ) или случайно выбранные точки в течение интервала между стимулами (ISI, ). q → или ), с 4 в течение каждого периода ISI, по крайней мере, 100 мс от смещения / начала стимула и 50 мс друг от друга.

Контрольные точки для дискретной классификации, и, были аналогичным образом получены путем прямого проецирования 〈 V _n ( t ‘)〉 _S и 〈 B _n ( t ‘)〉 _S в период тестирования для заранее заданных времен начала событий появления стимулов изображения лица или дома, p , временами τ _p.Эти результаты показаны на рис. 3.

Рис. 3. Точность классификации, когда известно начало стимула, с использованием ERP, ERBB или обоих типов шаблонов.

По некоторым предметам была достигнута 100% точность. Вся точность была выше 90%, когда использовались как исходные потенциальные, так и широкополосные шаблоны.

https://doi.org/10.1371/journal.pcbi.1004660.g003

Проекция шаблонов в непрерывный поток данных (проиллюстрировано на рис. 4–6).

Чтобы количественно оценить, насколько хорошо усредненный необработанный потенциал 〈 V _n ( t ‘)〉 _S представлен во временном ряду напряжения данных испытаний в момент времени t , он равен прямое прямое проецирование на непрерывный временной ряд через каждую миллисекунду:, где было получено таким же образом, как указано выше.Такая же проекция выполняется для широкополосного шаблона 〈 B _n ( t ‘)〉 _S, чтобы получить.

Рис. 4. Расшифровка класса стимула и времени начала из непрерывного потока данных в отдельных испытаниях: Иллюстрация двух электродов и непрерывного классификатора с использованием 2 широкополосных функций (тема 2).

(A) Исследуются два кортикальных участка (на расстоянии 3 см друг от друга) на веретеновидной (зеленой) и язычной (оранжевой) извилинах. (B) Broadband обучение шаблонов из зеленого электрода для лиц (синий, 〈 B ₁ ( t ‘)〉 _F) и домов (розовый, 〈 B ₁ ( t ‘)〉 _H) показаны на осях слева. Testing Временной ход широкополосного спектрального изменения зеленого электрода, B ₁ ( t ), показан справа черным цветом, с проекцией шаблона лица 〈 B ₁ ( t ) ‘)〉 _F в B ₁ ( t ) для производства, как показано на зеленой кривой ниже. (C) То же, что и в B, но для участка оранжевого электрода с использованием проекций шаблона домика 〈 B ₂ ( t ‘)〉 _H для производства. (D) Подпространство классификационных признаков определяется обратной проекцией шаблонов слева в (BC), чтобы получить тренировочных баллов для событий лица, дома и ISI при обучении раз τ _{q показано}. (E) Чтобы проиллюстрировать многомерную траекторию состояния мозга, которое возникает, когда различные каналы и функции помещаются в общее пространство, двухмерная кривая зеленого электрода (B) по сравнению с оранжевым электродом (C ), показаны черным цветом в том же подпространстве, что и D.Прогнозируемые начала для стимулов лица (синий) и дома (красный) показаны в виде плюсов, а фактические проявления показаны в виде пустых кружков. Обратите внимание, что классификатор был применен ко всему пространству широкополосных функций, а не только к этому двухмерному подпространству. (F) Траектория апостериорной вероятности появления лица по классификатору Pr {Γ ( t ) | q → F } (синий) показан рядом с Pr {Γ ( t ) | q → H } (розовый), показаны прогнозируемое (символы плюс) и фактическое (белые кружки) время.

https://doi.org/10.1371/journal.pcbi.1004660.g004

Рис. 5. Расшифровка класса одиночного пробного стимула и времени начала из непрерывного потока данных с использованием ERP: Иллюстрация трех электродов и непрерывного классификатора с использованием 3 ERP проекции временных рядов от шаблонов к напряжению (тема 4).

(A) Для иллюстрации показаны три кортикальных участка (фиолетовый, оранжевый и зеленый). Оси справа показывают (синяя звездочка, r ² лиц-против-ISI) и (розовый прямоугольник, r ² домов-против-ISI) тренировочных проекций ERP-напряжения показывают, что эти фиолетовые / оранжевый / зеленый участки очень избирательны для лиц или домов во время периода обучения (из 1 ^st перекрестная складка).Признаки, расположенные ниже черной линии, для декодирования не использовались. (B) Усредненные ПВП забоя и помещения, 〈 V _n ( t ‘)〉 _F & 〈 V _n ( t ‘)〉 _H, с каждого сайта показаны на левой оси. Они проецируются на необработанные кривые напряжения за период тестирования ( В _n ( t ), черные) для получения непрерывных кривых веса проекции (; зеленая проекция зеленого электрода, оранжевый дом проекция от оранжевого электрода, и пурпурно-лицевая проекция фиолетового электрода).Эти следы вводятся в пространство признаков и непрерывно классифицируются для получения апостериорной вероятности лица, Pr {Γ ( t ) | q → F } (синий), или стимул дома, Pr {Γ ( t ) | q → H } (розовый) (нижний график). (C) Проиллюстрировано трехмерное подпространство (из участков A и B), с точками обучения из периода обучения, показанными точками, и подпространственной траекторией состояния мозга, Γ ( t ), показанной с черной линией.Прогнозируемые и фактические сроки и тип стимула показаны вдоль этой траектории.

https://doi.org/10.1371/journal.pcbi.1004660.g005

Рис. 6. Комбинированное пространство признаков ERBB-широкополосной связи и ERP-проекции напряжения для классификации (тема 5).

(A) Исследуются два кортикальных участка (оранжевые и зеленые точки). (B) На осях показаны (синяя звездочка) и (розовая рамка) для ERP-тренировка напряжения. Проекции показывают, что эти оранжевые и зеленые участки очень избирательны во время периода обучения (от первого перекрестного сгиба). (C) для ERBB-широкополосное обучение прогнозов. (D) Усредненные шаблоны фасадных и домашних ERP с зеленой площадки показаны на левой оси (оливково-зеленый). Шаблоны Face-ERP проецируются на необработанный график напряжения (черный), чтобы получить непрерывный график проецирования веса (оливково-зеленый график). (E) То же, что и в (D), но для широкополосных шаблонов ERBB на участке зеленого электрода (неоново-зеленый). (F&G) То же, что и в (D&E), за исключением места для оранжевого электрода на (A), с использованием стандартных шаблонов ERP (коричневый) и ERBB (обожженный оранжевый). (H) Зеленый электрод, лицевая проекция ERP против ERBB подпространства. (I) Оранжевый электродный дом ERP против ERBB подпространственные проекции. (J) Подпространство проекции ERBB (проекция шаблона дома оранжевого электрода против проекции шаблона лица зеленого электрода). (K) Как в (J), для подпространства проекции ERP. (L) Трехмерная проекция подпространства (особенности из D, E, G). (M) Апостериорная вероятность забоя, Pr {Γ _m ( t ) | q → F } (синий), или стимул дома, Pr {Γ _m ( t ) | q → F } (розовый), представленный (где m → ERP, ERBB или оба элемента для проекционного пространства).

https://doi.org/10.1371/journal.pcbi.1004660.g006

Создание пространства объектов проекции.

Полное пространство признаков для классификации, состоящее из объединения проекций вызванных стимулом средних необработанных потенциалов ( В, ) или широкополосного ( B ) на всех электродах ( n ) для лиц ( F ) и дома ( H ) независимо друг от друга, является комбинацией,, и. Для краткости обозначений мы можем объединить обозначения для обозначения каждой функции как Γ _m, где m представляет собой уникальную комбинацию электродов n , V или B и F или H. .Многие из этих функций не будут особенно информативными в отношении того, когда и как мозг обрабатывает эти визуальные стимулы, и уменьшат классификацию в условиях ограниченного числа тренировочных измерений [35]. Следовательно, характеристики были индивидуально уменьшены путем независимой оценки их квадрата взаимной корреляции между событиями каждого типа стимула (например, лицо или дом) и событиями, извлеченными из ISI в течение периода обучения, и отклонением тех, которые упали ниже заранее определенного порога.Например, для проекций признака лица, связанного с событием, Γ _{n , F} (метка V / B здесь опущена), мы можем обозначить среднее значение стимулов лица как, где σ _{n , Fo} — стандартное отклонение совместного распределения для событий лица и ISI Γ _{n , F} ( q = F , o ), N _F — количество событий лица, N _o — количество событий ISI и N _Fo = N _F + N _o.В этом исследовании мы рассматриваем пространства признаков, состоящие из проекций всех типов (например, ERP и ERBB вместе), а также выборочно оцениваем B ( t ) и V ( t ) независимо. Примеры пространств (под) элементов показаны на рисунках 2G, 4D, 4E, 5C и 6H – 6L.

Тип классификатора и отношение к пространству признаков.

Мы начинаем с набора признаков обучающих точек ( q , взятые только из периода обучения), Γ _м ( q ), где каждые м — это измерение в пространстве признаков, и представляет собой конкретную комбинацию электрода, широкополосного или необработанного потенциального временного ряда и шаблона лица или дома.Для простоты для классификации использовался линейный дискриминантный анализ Фишера (LDA) [36]. Это характеризует полное распределение и суб-распределения периода обучения Γ _м ( q → F ), Γ _м ( q → H ), Γ _м ( q → o ) только их средствами и ковариациями (т.е., как если бы они были нормально распределены). LDA предполагает, что ковариации подраспределений одинаковы.С учетом этих обучающих распределений данным из тестового набора может быть назначена апостериорная вероятность принадлежности к каждому распределению. Хотя мы использовали простой LDA, в принципе можно было применить более сложные методы на основе ядра или нелинейные методы. Наш выбор LDA был призван упростить интерпретацию нашего подхода, который сосредоточен на создании «пространств проекционных характеристик», и обеспечить четкую демонстрацию того, как можно спонтанно декодировать непрерывный поток данных, а не изучать библиотеку существующего машинного обучения. и методы классификатора, которые будут изучены в будущем.

Классификация дискретных событий с известным временем начала (рис. 3).

Мы начали со случая, когда мы определяем время тестирования зрительных стимулов и пытаемся классифицировать, было ли показано лицо или изображение дома. Для обучения классификатора для этого использовались только распределения точек тренировки лица и дома (например, Γ _м ( q → F ) и Γ _m ( q → H )). дискретный случай. Для каждой точки тестирования, p , присвоенный класс был в зависимости от того, какая апостериорная вероятность Pr {Γ ( p ) | q → F }, или Pr {Γ ( p ) | q → H }, было выше.

Самопроизвольное декодирование непрерывного потока данных (рис. 7).

Для предсказания типа и времени визуального стимула по непрерывному сигналу мы обучили классификатор, используя лицо (Γ _m ( q → F )), дом (Γ _m ( q → H )) и ISI (Γ _m ( q → o )), распределения тренировочных точек. Затем апостериорная вероятность того, что лицо или дом был показан в любой момент времени, может быть измерена на основе данных тестирования в каждую миллисекунду t как Pr {Γ ( t ) | q → F } или Pr {Γ ( t ) | q → H }.Затем мы сглаживаем каждую из этих апостериорных вероятностей с помощью гауссовского фильтра со значением σ = 80 мс для корректной оценки локальных максимумов. Исходя из этого, мы назначаем прогнозируемое время для появления стимулов следующим образом: апостериорная вероятность должна быть локальным максимумом со значением> 0,51. Между любой точкой и ближайшей назначенной точкой (любого типа стимула — большая апостериорная вероятность «выигрыша») должно быть не менее 320 мсек. Предположение считается правильным, если оно находится в пределах 160 мс от события. Вероятность нулевого случая Pr {Γ ( t ) | q → o } = 1 — Pr {Γ ( t ) | q → F } — Pr {Γ ( t ) | q → H }, составляет> 0.50 в любое другое время, что означает, что изображение не было просто показано.

Рис. 7. Точность классификации для декодирования класса стимула и начала в непрерывном потоке данных.

Когда использовались обе функции (красные столбцы), приблизительно 96% всех стимулов были захвачены правильно у каждого испытуемого с ошибкой 15–20 мс. В среднем 4% прогнозов с использованием обеих функций были неверными (то есть, стимулы были спрогнозированы в неправильное время или как неправильный класс). Не следует путать долю неверных догадок с долей стимулов, которые не были захвачены (полоски на верхней и нижней осях не равны 1) — это совпадение, что также 4% стимулов были пропущены.

https://doi.org/10.1371/journal.pcbi.1004660.g007

Хотя не было предоставлено никакой информации о частоте стимулов, предполагалось, что визуальные события были разделены нейронно и поведенчески, и минимальная разница в 320 мс была использовал. Мы выбрали 320 мс в качестве «времени столкновения», потому что ожидаем, что реакция нейрона займет примерно столько же времени [37], что составляет 20% случайного совпадения (например, 2,5 предположения на интервал 800 мс между стимулом, с 2 стимулами. классы), и это примерно коррелирует со средними значениями латентности широкополосного канала до пика в отдельных испытаниях в этих областях мозга, которые, как было обнаружено в других исследованиях, составили 269 ± 52 мс для вентральных височных участков, отобранных для лица, и 299 ± 66 мс для отобранных по дому. сайты [13].Этот порог для классификатора также основан на следующих известных аспектах временных шкал нейронных ответов и восприятия лица. Во-первых, когда визуальные стимулы показаны в быстром порядке, становится невозможным визуально различать каждый стимул с определенной скоростью для разных классов стимулов [38,39]. Для восприятия лица эта частота поведения находится в пределах 5–10 Гц [40]. При более высоких скоростях обратная маскировка и временная интеграция становятся проблемами. Во-вторых, продолжительность нейронного ответа в визуальных областях более высокого порядка составляет около 300 мс [41].Когда стимулы предъявляются с частотой, превышающей 300 мс каждый, можно ожидать, что ответы нейронов из этих областей мозга начнут перекрываться. Подтверждающая информация (S1 Fig) эмпирически показывает, что этот выбор 320 мс не сообщает классификатору о частоте показываемых стимулов.

В случае спонтанного декодирования непрерывных временных рядов, если бы кто-то делал случайные предположения о событиях с максимально допустимой временной плотностью предположений (используя правила, выбранные нами в методологии), каждое предположение имело бы 20% -ную вероятность того, что правильно, и 50% стимулов будут считаться «захваченными» с 80% ложноположительной частотой и средней временной ошибкой 80 мс.Вместо этого было захвачено 96% стимулов (300 на каждого участника) с 4% ложноположительной частотой и средней временной ошибкой 20 мс.

При изучении временных рамок прогнозов (Γ _n ( t )), а также результирующих апостериорных вероятностей (Pr {Γ ( t ) | q }) важно соблюдать Помните, что шаблоны (〈 V _n ( t ‘)〉 _S и 〈 B _n ( t ‘)〉 _S) содержат временная информация до ~ 400 мс позже (проиллюстрирована на рис. 2–6).Предполагается, что локальный максимум апостериорной вероятности соответствует времени , когда шаблоны выравнивают со средним ответом таким образом, чтобы средний ответ был во время предъявления стимула. Часть сигнала, которая вносит наибольший вклад в взаимную корреляцию, вероятно, будет в интервале 150–350 мс, следующих за точкой времени, t (на основе визуального осмотра шаблонов и необработанных временных отрезков на рисунках 1–6, а также задержки, измеренные в [13]).

Результаты

Сигналы ЭКоГ были измерены у семи пациентов от электродов, имплантированных в нижневисочные зрительные области с целью мониторинга эпилепсии. Испытуемым были представлены изображения лиц и домов (аналогичные изображениям на рис. 1). Мы попытались спонтанно определить время появления визуальных стимулов лица и дома.

Характеристики сигнала для декодирования: широкополосная связь, связанная с событием (ERBB) и связанная с событием потенциальная возможность (ERP)

Чтобы проверить, предоставляют ли ERBB и ERP полезную информацию для декодирования того, был ли, когда и какой класс стимула был представлен, мы извлекли ERBB и ERP для всех электродов.Некоторые электроды показывают классический ответ N200, специфичный для лица [13–15]. Другие электроды показывают ERP, специфичные для лица, с очень разными формами (рис. 1).

Расшифровка класса стимула в единичных испытаниях, когда начало стимула известно

Сначала мы исследовали, можно ли декодировать класс стимула в единичных испытаниях, когда дано начало стимула. Мы рассчитали шаблоны ERBB и ERP ответы на основе данных обучения, которые составили 2/3 записанных данных (два экспериментальных прогона).Тестовые данные (для классификатора) состояли из другой 1/3 (оставшийся экспериментальный прогон; то есть трехкратная перекрестная проверка или перекрестная проверка «оставить-один-исчерпать»). На рис. 2 показаны примеры шаблонных ответов ERBB для частных и частных участков. Даже в двумерном подпространстве полного пространства признаков простая линия служит хорошей границей классификации между двумя классами стимулов (рис. 2G).

Используя функцию ERP или ERBB, стимулы можно надежно и надежно классифицировать во всех случаях.Средняя точность прогнозов с использованием только ERBB составила 97% для всех 7 субъектов, в то время как при использовании только ERP она составила 90% (рис. 3). Используя комбинацию этих двух характеристик, 97% стимулов можно было бы точно классифицировать как лицо или дом. Важно отметить, что для субъектов 1 и 3 добавление функции ERP фактически привело к снижению точности классификации по сравнению с одним ERBB, а для объекта 7 изменений не наблюдается. Это происходит из-за того, что известно как «компромисс смещения и дисперсии» [42,43].Для конечного числа точек данных в обучающем наборе включение функций с большим количеством шума (в данном случае функций ERP) может повредить общей классификации. Классификатор превосходит шум в посредственных функциях (ERP) за счет плотного прилегания к высокопроизводительным (более низким) функциям (например, ERBB), одновременно увеличивая размер пространства функций.

Спонтанное декодирование класса стимула и начало из непрерывного потока корковых данных

Рис. 2 и 3 демонстрируют, что наш анализ может точно определить класс стимула, если задано время предъявления стимула.Однако этот тип декодирования ранее использовался в других экспериментальных условиях, хотя и с меньшей точностью [20–22]. Более интересный технический вопрос: можно ли спонтанно определять класс и начало стимулов из непрерывного потока характеристик сигнала ЭКоГ?

Наш подход к проблеме непрерывного декодирования проиллюстрирован на рис. 4–6, где шаблоны ответов из периода обучения были применены к периоду данных тестирования. Результат построения траектории временного ряда проекции в двумерном подпространстве Γ ^B ( t ) можно увидеть рядом с тренировочными точками на рисунке 4.Даже в этой двумерной проекции подпространства самые дальние отклонения Γ ^B ( t ) в учебные облака лица или дома коррелируют со временем появления предсказанного стимула. На рис. 5 показан пример, аналогичный показанному на рис. 4, но для функции ERP. На рис. 6 показан пример синтеза функций ERP и ERBB при совместном использовании.

Комбинация прогнозов ERP и ERBB может использоваться для более точного прогнозирования времени начала и класса стимулов, чем любой другой независимо.Спонтанная классификация времени начала и класса стимула была надежной: 92% стимулов были захвачены с помощью ERBB, 92% — с использованием ERP, и 96% всех стимулов были захвачены спонтанно при использовании комбинации ERP и ERBB (рис. , Верхний ряд). Кроме того, время начала стимула можно было предсказать с ошибкой приблизительно 20 мс, если использовалась ERP или комбинация ERP и ERBB (рис. 7, средний ряд). Доля неверных прогнозов (например, ложноположительных результатов) была наименьшей (4%), когда мы использовали комбинацию ERP и ERBB (т.е., предсказанные стимулы возникли через> 160 мс от начала стимула или как неправильный класс; Рис 7, нижний ряд).

Чтобы оценить, было ли использование обеих функций вместе (ERP и ERBB) значительно лучше, чем независимо друг от друга, метки средних значений (ERP vs ERBB vs ERP + ERBB) были случайным образом перетасованы (для каждого субъекта) 10 ⁴ раз, чтобы получить суррогатное распределение разницы в средних значениях по всем предметам. 96% событий, захваченных с использованием обеих функций, были значительно больше, чем 92% при использовании любой из них независимо (p = 0.0015). Ошибка синхронизации для правильных прогнозов существенно не различалась для обеих функций (19 мс) и ERP (20 мс, p = 0,17), но была значительно лучше, чем только ERBB (32 мс, p <0,0001). Частота ложных срабатываний при использовании обеих функций (0,04) была значительно меньше, чем независимо друг от друга (ERP 0,11; ERBB 0,09; p = 0,0012). Тот факт, что в целом наилучшая эффективность прогнозирования была достигнута комбинацией ERBB и ERP, предполагает, что эти две корковые особенности передают дополнительную информацию о состоянии восприятия субъекта.

Обратите внимание, что наша оценка точности сигналов во времени в 20 мс на самом деле может быть заниженной. Возможна временная ошибка аппаратуры, вызванная дрожанием кадров в частоте обновления усилителей, дрожанием выборки во время согласования со стимулом и / или гранулярностью размера блока выборки сигналов, импортированных в программу BCI2000 [30]. Кроме того, известны вариации в величине и времени широкополосных откликов, которые связаны с семантическими свойствами (такими как новизна [13]), которые не принимаются во внимание в этой рукописи.

Мы обозначаем этот метод как «Спонтанное декодирование» потока данных ЭКоГ. Наша методика обрабатывает данные, не зная заранее ни частоту внешних стимулов, ни их время, ни их содержание. Затем он производит прогнозы о возникновении, времени и содержании внешних стимулов, основываясь на простом наборе внутренних правил. «Спонтанный» определяется как [44]: «выполняется или возникает в результате внезапного внутреннего импульса или склонности и без преднамеренного или внешнего стимула», и поэтому мы считаем, что этот термин является наиболее конкретным способом описания этого подхода к анализу.Хотя можно было бы также выбрать «эндогенное» или «внутреннее» декодирование, поскольку они используются для описания внутренних состояний мозга (что является аспектом того, что мы на самом деле декодируем), мы решили не использовать их — мы считаем, что эти термины выражают предположения о роли височной доли, которую еще предстоит доказать.

Обсуждение

В человеческом опыте стимулы окружающей среды поступают непрерывно, вызывая последовательно развивающееся состояние восприятия. Остается неизвестным, обладает ли электрический потенциал поверхности мозга достаточной пространственно-временной точностью, чтобы уловить это динамически изменяющееся состояние восприятия.Наши результаты демонстрируют, что разреженный образец потенциала корковой поверхности содержит достаточно информации, чтобы надежно предсказать , возникли ли и , когда возник конкретный стимул, примерно с точностью сознательного восприятия. Также остается неизвестным, отражают ли мезомасштабные нейрофизиологии связанных с событиями потенциалов и широкополосных спектральных изменений ту же информацию.

Предыдущие исследования, направленные на расшифровку восприятия, заранее определяли время начала каждого стимула [6,20–22,45,46].На первом этапе нашего анализа мы выполнили этот тип классификации, используя заранее определенное время начала, с точностью 97% (рис. 2 и 3). В аналогичных предыдущих исследованиях была достигнута репрезентативная пиковая точность 72% с МЭГ / фМРТ [22], 89% с ЭЭГ [20] и 94% с МЭГ [21]. Однако реальное восприятие редко происходит в заранее определенное время, и подходы к расшифровке перцептивного опыта должны быть спонтанно извлечены из непрерывных кортикальных записей.

Мы разработали методику именно для этого, применив новую технику проекции шаблонов, которая позволила нам уловить некоторые аспекты нейронной реакции, которые ранее было трудно или невозможно уловить.Во-первых, ERP в селективных к лицу областях веретенообразной извилины классически ассоциируется с отрицательным пиком на ~ 200 мс («N200»). Наши данные показывают, что реальная форма веретенообразных ERP с селективным лицом может широко варьироваться, даже на веретенообразных участках на расстоянии 1 см друг от друга (рис. 1). Техника проекции шаблонов фиксирует эти разнообразные шаблоны ответов, позволяя использовать их для классификации состояния восприятия. Во-вторых, широкополосные ответы показывают вариабельность характера ответа в каждом отдельном испытании.Метод проекции шаблона основан на суперпозиции формы характеристики одного испытания и функции плотности вероятности для моделирования различных форм, предлагая надежное предсказание состояния восприятия, несмотря на вариативность в отдельных испытаниях. Изучение характеристик по отдельности показало, что широкополосные изменения являются более надежным и надежным отражением воспринимаемого контента, чем необработанные изменения напряжения, но что проекция ERP на исходные изменения напряжения обеспечивает более точную временную точность.Вместе эти два показателя дополняют друг друга, предоставляя независимую информацию, которая приводит к более точному и временному предсказанию состояния восприятия, чем любое измерение по отдельности.

Наша точность декодирования приближается к точности сознательного мышления, правильно улавливая 96% всех стимулов из редко отобранного потока корковых потенциалов. Пропущенные 4% (а также <5% ложноположительных результатов) приближаются к тому, что можно было бы ожидать от показателей невнимательности пациентов больниц, просматривающих несколько стимулов каждую секунду (обратите внимание, что случайное угадывание с максимальной частотой в этом спонтанном декодировании приведет к 20% вероятности того, что каждое предположение окажется правильным, и 50% стимулов будут считаться «захваченными», при 80% ложноположительных результатов).Временная точность ~ 20 мс (рис. 7, средний ряд) того же порядка, что и постретинальная временная гранулярность зрительной системы [47]. Эти измерения ЭКоГ показывают, что некоторые электроды в ранней зрительной коре уже демонстрируют некоторые избирательные стимулы (например, рис. 5, пурпурный участок). Это согласуется с наблюдениями, что быстрые движения глаз могут быть сделаны только на основе спектра Фурье изображений различных классов [48], и что люди саккадируют в сторону сцены, содержащей животное или лицо, в пределах 140 мс [49,50].Демонстрируя, что категории объектов могут быть декодированы из непрерывного потока изображений с точностью, соответствующей ожидаемому поведению человека (например, ожидаемые потери внимания со скоростью примерно 5% в задачах этого типа [51]), наше исследование закладывает основу для захвата изображения человека. состояния восприятия в естественной среде.

Несмотря на то, что мы применили эту технику проекции шаблона для прогнозирования, структура может использоваться в самых разных экспериментальных условиях. ERP из соседних областей коры могут быть высокополиморфными, что затрудняет перекрестное сравнение эффектов времени и величины.Однако в этом проекционном пространстве вариации ERP между испытаниями из разных участков коры головного мозга можно сравнивать напрямую, открывая новое семейство анализов, которые могут быть применены к когнитивным параметрам, где содержание изображения и контекст экспериментально изменяются в отдельных испытаниях. Точно так же можно оптимизировать сильные стороны каждой функции, например широкополосную связь для величины ответа и ERP для определения времени ответа, сравнивая их со свойствами стимула, чтобы узнать о тонкостях функциональной специализации в каждой области мозга.

Важной особенностью этого подхода к проекции шаблона является то, что он обеспечивает надежную, непрерывную меру, которая представляет собой сводную статистику того, насколько хорошо состояние мозга в каждый момент времени отражает ожидаемую реакцию (например, как если бы произошло перцептивное событие или действие. в то время — обратите внимание, что форма ожидаемой физиологической реакции, какой бы идиосинкразической она ни была, встроена в метод). Это может быть чрезвычайно полезно в условиях, когда кортикальная динамика и латентность различаются по регионам, но при этом необходимо охарактеризовать глобальное поведение распределенной визуальной [52], слуховой [53,54], моторной [55] или другой сети.В новой работе этот метод реализуется другим способом: для создания широкополосных шаблонов ЭКоГ из задачи локализатора с низким уровнем шума и их применения к задаче визуального различения на пороге восприятия, количественно оценивая однократные пробные вариации в физиологии коры (величина нейронального ответа и время) [56].

Наши результаты вызывают вопрос: какова основная нейронная основа повышенной точности, получаемой за счет сочетания ERP с широкополосной активностью? Прямая связь между частотой активации популяции нейронов и широкополосным спектральным изменением ЭКоГ была установлена с помощью экспериментальных и модельных работ [11,23,24].Каждый клинический электрод ЭКоГ в среднем составляет примерно 5×10 ⁶ нейронов в коре головного мозга ниже. Тщательные эксперименты показали, что широкополосные изменения следуют степенному закону в спектральной плотности мощности, подразумевая, что она отражает асинхронных пиковых элемента в основной популяции нейронов. Широкополосный показатель можно в общих чертах рассматривать как суммирование в реальном времени растрового сигнала этой популяции (т. Е. Усредненное по своей природе по совокупности нейронов).Увеличение передачи спайков внутри нейронов в популяции складывается в квадратуре (например, пропорционально квадратному корню из числа спайков), проявляясь как «ускорение» случайного блуждания во временном ряду электрического потенциала, трудно увидеть если смотреть на необработанный потенциал , но видимый как широкополосный, степенной, изменяется при проверке в частотной области [24]. Недавняя работа показала, что в этих данных широкополосная синхронизация достаточно тонка, чтобы улавливать вариационные эффекты порядка ~ 50 мс из-за контекстно-зависимой обработки, такой как последовательная новизна [13].

Синхронизированные входы, напротив, суммируются линейно, и можно легко увидеть на необработанной трассировке электрического потенциала . Даже если синхронизация относительно слабая, усреднение по нейронной популяции увеличивает синхронизированную часть, в то время как другие аспекты, такие как широкополосное спектральное изменение, относительно уменьшаются. Входы с синхронизацией событий от подкорковых ядер или других областей коры могут запускать синхронизированный физиологический каскад, очевидный на макроуровне как ERP.Остается неясным, является ли полифазный ERP результатом взаимодействия между координированной деполяризацией возбуждающих пирамидных нейронов с последующим межнейрональным латеральным ингибированием, или это результат синаптической интеграции с последующей характерной деполяризацией и реполяризацией кортикальных ламинарных диполей [57]. Полиморфная природа разных ERP из соседних областей коры может (возможно) затем относиться к разным морфологиям пирамидных нейронов, разным средам нейрональных подтипов или разной ламинарной организации; наша методика проецирования разворачивает эти полиморфные ERP в единое пространство для сравнения.В этом свете улучшенная точность декодирования может быть результатом информации о времени для нескольких местоположений, передаваемой ERP во время начальной волны прямой связи нейронной активации [58], дополненной широкополосным откликом, отражающим последующие локальные рекуррентные и более дальние кортико-сигналы. корковая обработка зрительного стимула.

Вспомогательная информация

S1 Рис. Выбор времени коллизии не информирует классификатор о времени событий.

Количество ложных прогнозов в зависимости от выбора максимального расстояния между прогнозируемыми временами событий (время столкновения) для классификации с использованием как ERP, так и ERBB.Монотонная форма спада и отсутствие «провалов» или «пиков» показывает, что выбранное время столкновения не сообщало классификатору о времени появления стимулов. Следует отметить, что субъект 5, у которого были самые первые визуальные электроды, не пострадал даже от очень короткого времени сговора. Количество правильно спрогнозированных событий было одинаковым для каждого выбора времени столкновения, поэтому эти данные не отображаются.

https://doi.org/10.1371/journal.pcbi.1004660.s006

(TIF)

Благодарности

Мы благодарны пациентам и персоналу больницы Харборвью в Сиэтле.Обсуждения с Каланитом Гриль-Спектором, Ником Рэмси, Дэвидом Хигером, Бхарати Джагадишем, Натаном Уиттофтом и Брайаном Ванделлом были чрезвычайно полезны. Сара Уэбб создала стимулы и щедро делилась ими с нами.

Вклад авторов

Задумал и спроектировал эксперименты: KJM JGO RPNR. Проведены эксперименты: KJM JGO. Проанализированы данные: KJM DH. Предоставленные реагенты / материалы / инструменты анализа: KJM. Написал статью: KJM GS DH JGO RPNR.

Ссылки

1.Kanwisher N, McDermott J, Chun MM (1997) Веретенообразная область лица: модуль в экстрастриальной коре головного мозга человека, специализирующийся на восприятии лица. Журнал неврологии: официальный журнал Общества нейробиологии 17: 4302–4311.
2. Эпштейн Р., Канвишер Н. (1998) Кортикальное представление локальной визуальной среды. Природа 392: 598–601. pmid: 9560155
3. Aguirre GK, Zarahn E, D’Esposito M (1998) Область вентральной коры головного мозга человека, чувствительная к «строительным» стимулам: доказательства и последствия.Нейрон 21: 373–383. pmid: 9728918
4. Puce A, Allison T, Gore JC, McCarthy G (1995) Чувствительные к лицу области в экстрастриарной коре головного мозга человека, изученные с помощью функциональной МРТ. Журнал нейрофизиологии 74: 1192–1199. pmid: 7500143
5. Kreiman G, Koch C, Fried I (2000) Специфические для категорий зрительные ответы отдельных нейронов в средней височной доле человека. Nat Neurosci 3: 946–953. pmid: 10966627
6. Kiani R, Esteky H, Mirpour K, Tanaka K (2007) Структура категорий объектов в паттернах ответа нейрональной популяции в нижней височной коре головного мозга обезьян.J Neurophysiol 97: 4296–4309. pmid: 17428910
7. Гуман А.С., Брюнет Н.М., Ли Й., Конецки Р.О., Пайлес Дж. А. и др. (2014) Динамическое кодирование информации о лице в веретенообразной извилине человека. Nat Commun 5: 5672. pmid: 25482825
8. Privman E, Fisch L, Neufeld MY, Kramer U, Kipervasser S и др. (2011) Антагонистическая взаимосвязь между мощностью гамма-излучения и вызванными зрительными потенциалами, выявленная в зрительной коре головного мозга человека. Cereb Cortex 21: 616–624. pmid: 20624838
9.Видал Дж. Р., Оссандон Т., Джерби К., Далал С. С., Минотти Л. и др. (2010) Зрительные реакции по категориям: внутричерепное исследование, сравнивающее гамма-, бета-, альфа- и избирательность ответа ERP. Передний Hum Neurosci 4: 195. pmid: 21267419
10. Кадипашаоглу С.М., Бабоян В.Г., Коннер С.Р., Чен Г., Саад З.С. и др. (2014) Поверхностный многоуровневый анализ смешанных эффектов сгруппированной электрокортикографии человека. Neuroimage 101: 215–224. pmid: 25019677
11. Миллер К.Дж., Занос С., Фец Э.Е., ден Нийс М., Одеманн Дж.Г. (2009) Разделение кортикального спектра мощности показывает представление в реальном времени движений отдельных пальцев у людей.Журнал неврологии 29: 3132. pmid: 19279250
12. Миллер К.Дж., Хани С.Дж., Гермес Д., Рао Р.П., денНийс М. и др. (2014) Широкополосные изменения поверхностного потенциала коры отслеживают активацию функционально разнообразных популяций нейронов. Neuroimage 85 Pt 2: 711–720.
13. Миллер К.Дж., Гермес Д., Виттхофт Н., Рао Р.П., Одеманн Дж.Г. (2015) Физиология восприятия височной доли человека специализируется на контекстной новизне. J Neurophysiol 114: 256–263. pmid: 25972581
14.Эллисон Т., Гинтер Х., Маккарти Дж., Нобре А.С., Пьюс А. и др. (1994) Распознавание лиц в экстрастриальной коре головного мозга человека. Журнал нейрофизиологии 71: 821–825. pmid: 8176446
15. Allison T, McCarthy G, Nobre A, Puce A, Belger A (1994) Экстрастриальная зрительная кора человека и восприятие лиц, слов, чисел и цветов. Кора головного мозга 4: 544–554. pmid: 7833655
16. Huettel SA, McKeown MJ, Song AW, Hart S, Spencer DD и др. (2004) Связывание гемодинамических и электрофизиологических показателей активности мозга: данные функциональной МРТ и потенциалов внутричерепного поля.Кора головного мозга 14: 165–173. pmid: 14704213
17. Engell AD, Huettel S, McCarthy G (2012) Жирный сигнал fMRI BOLD отслеживает электрофизиологические спектральные возмущения, а не потенциалы, связанные с событиями. NeuroImage 59: 2600–2606. pmid: 21925278
18. Жак С., Виттхофт Н., Вайнер К.С., Фостер Б.Л., Рангараджан В. и др. (2015) Соответствующие селективные по категориям сигналы ЭКоГ и фМРТ в вентральной височной коре человека. Нейропсихология.
19. Энгелл А.Д., Маккарти Дж. (2011) Взаимосвязь гамма-колебаний и специфичных для лица ERP, регистрируемых субдурально из затылочно-височной коры.Кора головного мозга 21: 1213–1221. pmid: 20961973
20. Симанова И., ван Гервен М., Остенвельд Р., Хагоорт П. (2010) Идентификация категорий объектов из связанной с событием ЭЭГ: к декодированию концептуальных представлений. PloS one 5: e14465. pmid: 21209937
21. van de Nieuwenhuijzen ME, Backus AR, Bahramisharif A, Doeller CF, Jensen O, et al. (2013) Декодирование пространственно-временной динамики восприятия визуальных категорий на основе МЭГ. NeuroImage 83: 1063–1073. pmid: 23927900
22.Cichy RM, Pantazis D, Oliva A (2014) Разрешение распознавания человеческого объекта в пространстве и времени. Nat Neurosci 17: 455–462. pmid: 24464044
23. Manning JR, Jacobs J, Fried I., Kahana MJ (2009) Широкополосные сдвиги в спектрах мощности потенциала локального поля коррелируют с пиками одиночного нейрона у людей. Журнал неврологии 29: 13613. pmid: 19864573
24. Миллер KJ, Соренсен LB, Ojemann JG, den Nijs M (2009) Степенное масштабирование электрического потенциала поверхности мозга.PLoS Comput Biol 5: e1000609. pmid: 20019800
25. Эшбернер Дж, Фристон К.Дж. (2005) Единая сегментация. NeuroImage 26: 839–851. pmid: 15955494
26. Wells WM 3rd, Viola P, Atsumi H, Nakajima S, Kikinis R (1996) Мультимодальная регистрация объема путем максимизации взаимной информации. Med Image Anal 1: 35–51. pmid: 9873920
27. Hermes D, Miller KJ, Noordmans HJ, Vansteensel MJ, Ramsey NF (2010) Автоматическая локализация электрокортикографических электродов на индивидуально визуализированных поверхностях мозга.Журнал методов нейробиологии 185: 293–298. pmid: 19836416
28. Дейл AM, Fischl B, Sereno MI (1999) Анализ кортикальной поверхности. I. Сегментация и реконструкция поверхности. Нейроизображение 9: 179–194. pmid: 9931268
29. Миллер К.Дж., Хебб А.О., Гермес Д., Ниджс М.Д., Одеманн Дж.Г. и др. Совместная регистрация поверхностных электродов головного мозга с помощью МРТ и рентгенографии; 2010. IEEE. С. 6015–6018.
30. Schalk G, McFarland DJ, Hinterberger T, Birbaumer N, Wolpaw JR (2004) BCI2000: система интерфейса мозг-компьютер общего назначения (BCI).IEEE Trans Biomed Eng 51: 1034–1043. pmid: 15188875
31. Порат Б. (1997) Курс по цифровой обработке сигналов: Wiley.
32. Миллер К.Дж., Гермес Д., Хани С.Дж., Хебб А.О., Рэмси Н.Ф. и др. (2012) Активность моторной коры человека избирательно увлекается фазами в основных ритмах. Вычислительная биология PLoS 8: e1002655. pmid: 22969416
33. Миллер К.Дж., Гермес Д., Хани С.Дж., Шарма М., Рао Р.П. и др. (2010) Динамическая модуляция активности местного населения по фазе ритма в затылочной коре человека во время задачи визуального поиска.Границы нейробиологии человека 4: 197. pmid: 21119778
34. Гермес Д., Миллер К.Дж., Ванделл Б.А., Винавер Дж. (2014) Стимул-зависимость гамма-колебаний в зрительной коре человека. Cereb Cortex.
35. Гайон И., Элиссефф А. (2003) Введение в выбор переменных и функций. Журнал исследований машинного обучения 3: 1157–1182.
36. Епископ CM (1995) Нейронные сети для распознавания образов: Oxford University Press.
37.Кейзерс К., Сяо Д.К., Фольдиак П., Перретт Д.И. (2001) Скорость взгляда. J Cogn Neurosci 13: 90–101. pmid: 11224911
38. Burr DC, Santoro L (2001) Временная интеграция оптического потока, измеренная порогами контраста и когерентности. Исследование зрения 41: 1891–1899. pmid: 11412882
39. Холкомб А.О. (2009) Видеть медленно и видеть быстро: два ограничения восприятия. Тенденции в когнитивных науках 13: 216–221. pmid: 19386535
40. McKeeff TJ, Remus DA, Tong F (2007) Временные ограничения в обработке объектов через вентральный зрительный путь человека.J Neurophysiol 98: 382–393. pmid: 17493920
41. Rolls ET, Tovee MJ (1994) Скорость обработки в коре головного мозга и нейрофизиология визуальной маскировки. Proc Biol Sci 257: 9–15. pmid: 80
42. Geman S, Bienenstock E, Doursat R (1992) Нейронные сети и дилемма смещения / дисперсии. Нейронные вычисления 4: 1–58.
43. Geurts P (2010) Разложение смещения и дисперсии для регрессии и классификации. Справочник по интеллектуальному анализу данных и открытию знаний: Springer.С. 733–746.
44. Apple (2011) Словарь.
45. Hung CP, Kreiman G, Poggio T, DiCarlo JJ (2005) Быстрое считывание идентичности объекта из нижней височной коры макака. Наука 310: 863–866. pmid: 16272124
46. Лю Х., Агам Й., Мадсен Дж. Р., Крейман Г. (2009) Время, время, время: быстрое декодирование информации об объекте из потенциалов внутричерепного поля в зрительной коре человека. Нейрон 62: 281–290. pmid: 19409272
47. Тор Д.Х. (1967) Дихоптическое восприятие и временное различение: попытка воспроизведения.Science 158: 1704–1705. pmid: 6059654
48. Honey C, Kirchner H, VanRullen R (2008) Лица в облаке: спектр мощности Фурье смещает сверхбыстрое обнаружение лиц. Журнал видения 8: 9 1–13.
49. Кирхнер Х., Торп С.Дж. (2006) Сверхбыстрое обнаружение объектов с помощью саккадических движений глаз: пересмотр скорости обработки изображений. Исследование зрения 46: 1762–1776. pmid: 16289663
50. Crouzet SM, Kirchner H, Thorpe SJ (2010) Быстрые саккады в сторону лиц: обнаружение лиц всего за 100 мс.Журнал видений 10: 16 11–17.
51. Смоллвуд Дж., Дэвис Дж. Б., Хейм Д., Финниган Ф., Судберри М. и др. (2004) Субъективный опыт и потеря внимания: вовлечение в задачу и отключение во время устойчивого внимания. Сознание 13: 657–690. pmid: 15522626
52. Хани К.Дж., Тесен Т., Доннер Т.Х., Силберт Л.Дж., Карлсон С.Е. и др. (2012) Медленная корковая динамика и накопление информации в течение длительного времени. Нейрон 76: 423–434. pmid: 23083743
53.Mesgarani N, Cheung C, Johnson K, Chang EF (2014) Кодирование фонетических признаков в верхней височной извилине человека. Наука 343: 1006–1010. pmid: 24482117
54. Абель Т.Дж., Рон А.Е., Нурски К.В., Кавасаки Х., Оя Х. и др. (2015) Прямые физиологические доказательства гетеромодальной области конвергенции для правильного наименования в левой передней височной доле человека. J Neurosci 35: 1513–1520. pmid: 25632128
55. Sun H, Blakely TM, Darvas F, Wander JD, Johnson LA и др.(2015) Последовательная активация премоторной, первичной соматосенсорной и первичной моторной областей у людей во время движений пальцев по указателям. Clin Neurophysiol.
56. Миллер К.Дж., Гермес Д., Пестилли Ф., Парик Г.С., Рао РПН и др. (2015) Формирование восприятия лица в вентральной височной коре головного мозга человека. В подчинении.
57. Мицдорф У. (1985) Метод плотности источника тока и его применение в коре головного мозга кошек — исследование вызванных потенциалов и явлений ЭЭГ. Физиологические обзоры 65: 37–100.pmid: 3880898
58. VanRullen R, Thorpe SJ (2002) Серфинг на шиповой волне вниз по вентральному потоку. Видение Res 42: 2593–2615. pmid: 12446033

Ансамблевое кодирование, зависящее от времени спайка, неклассически отзывчивыми кортикальными нейронами

Существенных изменений:
1) В статье нейроны без зависимой от стимула модуляции скорости возбуждения называются «номинально невосприимчивыми», однако эти нейроны явно реагируют на стимул (изменяя их распределения ISI).Действительно, это основа для анализа декодирования. Следовательно, похоже, что главный результат состоит в том, что время всплеска содержит информацию, которая упускается, если искать только зависимость от стимула в частоте возникновения импульсов. Это важный момент, на который стоит обратить внимание, но мы упускаем из виду эти нейроны как невосприимчивые. Документ был бы намного яснее, если бы авторы были более откровенны в заголовке, Аннотация, Результаты и т. Д., О том, что показывают их данные: информация о времени присутствует, даже когда PSTH выглядит неинформативным.

Чтобы избежать возможной путаницы, мы приняли предложение рецензента и изменили рукопись (включая заголовок, аннотацию, основной текст и рисунки), чтобы лучше описать эти нейроны. Мы заменили все ссылки на «номинально не реагирующие» нейроны на «неклассически реагирующие» нейроны. Наш заголовок теперь гласит: «Ансамблевое кодирование, зависящее от времени спайков, неклассически отзывчивыми кортикальными нейронами». Мы также изменили текст, чтобы подчеркнуть, что время всплеска раскрывает информацию, относящуюся к задаче, в неклассически реагирующих нейронах, даже когда PSTH этого не делает (см. Аннотация; основной текст; Обсуждение, первый абзац).

2) Модель нейронной сети на рисунке 7 не имеет отношения к данным. Используется модель на основе скорости, в которой некоторые нейроны имеют модуляцию скорости с привязкой к стимулу, а некоторые нет, и показывают, что инактивация этих «невосприимчивых» нейронов изменяет выполнение задачи (предположительно из-за воздействия этих инактиваций на остальная часть сети через повторяющееся подключение). Однако на экспериментальных данных авторы показывают, что, даже когда скорости нейронов не имеют очевидной зависимости от стимула, информация о времени все еще есть, и любые эффекты инактивации подмножеств нейронов остаются непроверенными.Чтобы сделать модель релевантной, необходимо использовать модели нейронов с пиками и резюмировать основной феномен экспериментов: информация о времени пиков присутствует даже при отсутствии информации о скорости. В качестве альтернативы авторы могли бы провести эксперименты по инактивации (например, с архаэродопсином), чтобы проверить основное предсказание текущей модели, которое сделало бы его актуальным. Этот эксперимент, вероятно, будет сложно провести, вместо этого предлагается, чтобы авторы пересмотрели или удалили вычислительную модель.

Мы согласны с рецензентом и, следуя его предложению, удалили модель нейронной сети из этой рукописи. Предложение сделать модель более актуальной с помощью нейронов с пиками вдохновило нас вместо этого включить ее в отдельное последующее исследование, в котором мы можем более подробно изучить динамику сети.

3) Соответственно, гипотеза в последнем абзаце подраздела «Динамика формирования консенсуса в ансамбле лежит в основе информации о скрытых задачах», и снова в некоторой степени в последнем абзаце Обсуждения, что ячейки NR представляют собой отдельную функциональную сеть от реагирующих. противоречит результату моделирования.Если это отдельные сети, то подавление NR-клеток не повлияет на ответные. Чтобы сохранить утверждение об отдельных функциональных сетях, кажется необходимым провести оптогенетику или некоторые другие манипуляции с активностью и показать, что изменение активности NR-клеток не влияет на реагирующие. В противном случае авторы должны удалить это неподтвержденное утверждение.

Мы согласны с тем, что данный момент требует дополнительных разъяснений и обоснований, и удалили эту претензию. Чтобы прояснить, мы не намеревались использовать термин «отдельные» для обозначения того, что номинально не реагирующие ансамбли независимы от отзывчивых ансамблей, а только то, что они могут играть различную роль во время поведения (утверждение, подтверждаемое их способностью предсказывать поведенческие ошибки, рис. , и отчетливая динамика консенсуса, рисунок 8).

4) Декодер довольно хорош, но он делает несколько предположений о независимости, которые не подтверждаются в реальных нейронных популяциях. Этот момент должен быть сделан гораздо более заранее в Материалах и методах и Результатах: заявив, что этот декодер приближается к байесовскому выводу, игнорируя все формы корреляции. Это гарантирует, что читатели не будут ошибочно думать, что эти простые выражения точны. В качестве альтернативы, декодер можно обновить, чтобы включить корреляции, обсуждаемые ниже.
Корреляции: в подразделе «Декодирование» первого, третьего и шестого уравнений, а также в уравнении в подразделе «Ансамблевое декодирование» предполагается, что каждый ISI является независимым для данного нейрона, что в общем случае неверно из-за токов AHP между другие вещи. В документе также предполагается, что ISI независимы между нейронами, что обычно неверно при одновременных нейронных записях из-за корреляции шума и т. Д.

Мы добавили текст в разделы «Результаты» и «Материалы и методы» (подраздел «Обучающая вероятностная модель»), чтобы прояснить этот момент.Раздел «Результаты» теперь гласит: «Эти функции вероятности ISI рассматривают каждую ISI как независимую от предыдущих ISI и поэтому игнорируют корреляции между ISI». Решение исключить корреляции было принято из практических соображений: изначально мы пытались включить корреляции между ISI и предыдущей ISI в функцию правдоподобия, но для того, чтобы правильно оценить эту условную функцию правдоподобия, используя непараметрические методы (в редких случаях срабатывания кортикального слоя). нейронов) потребуется гораздо большее количество испытаний, чем позволяет наш набор данных.Та же проблема возникает при оценке совместной вероятности ISI между нейронами. В более ранних реализациях нашего ансамблевого декодера мы вместо этого пытались включить относительную синхронизацию всплесков между ячейками (то есть интервал между всплесками в ячейке 1 и один в ячейке 2), но этот фактор не привел к значительному повышению производительности декодирования в целом.

5) Две другие недавние работы, перечисленные ниже, продемонстрировали более сильную форму утверждения, выдвинутого в заголовке и аннотации: что нейроны, не зависящие от стимула, все же могут вносить вклад в нейронный код.Там нечувствительные нейроны по отдельности не содержат информации о стимулах, хотя благодаря корреляции с другими клетками они по-прежнему вносят вклад в нейронное кодирование в масштабах всей популяции.
Результаты данной статьи отличаются от этих, поскольку они учитывают информацию о времени, тогда как другие статьи рассматривают ставки. Тем не менее, было бы целесообразно провести это различие где-нибудь в статье.
a) Leavitt et al., 2017.
б) Зильберберг, 2018.

Мы ценим предложение поместить нашу работу в контекст этих двух исследований; цитируем обе эти статьи.В разделе «Обсуждение» мы добавили текст о взаимодополняемости их результатов с нашими собственными, который гласит: «Другие недавние исследования также внесли вклад в наше понимание неклассически отзывчивой активности, оценив частоту вспышек или ответы на изображения кальция, чтобы продемонстрировать, как корреляции с классически отзывчивой активностью могут способствовать линейной разделимости ансамблевых ответов (Leavitt et al., 2017; Zylberberg, 2018) ».

6) Из материалов и методов (подраздел «Обучающая вероятностная модель») похоже, что распределения ISI, используемые для декодера, пересчитываются для разных временных точек в течение периода интеграции.Это совсем не ясно из текста в разделе «Результаты», но является важным моментом, поскольку он накладывает жесткие ограничения на то, как нижестоящая нейронная цепь может считывать эту информацию: нижестоящая схема должна будет постоянно изменять свой считывающий «декодер». как-то. Декодер и анализ по-прежнему имеют много достоинств. Они показывают, что информация о стимуле присутствует во времени, и показывают, как ее можно извлечь (например, для приложений BMI). Но в разделе «Результаты» необходимо четко указать зависимость от времени и обсудить биологическую правдоподобность или неправдоподобность.

Мы благодарим рецензента за указание на это, так как это важная деталь, которую следует прояснить. Мы включили движущееся окно, чтобы учесть нестационарность распределений ISI в ходе испытания, и, что интересно, это решение действительно улучшило производительность декодирования на практике. Наблюдаемая динамика распределений ISI как в наших результатах декодирования, так и в наших результатах достижения консенсуса поднимает вопрос о том, как нижележащая ячейка будет интерпретировать ISI этих ячеек.Предполагая, что эта нижележащая ячейка была настроена для правильной интерпретации одного набора распределений ISI, какой набор следует выбрать? Наши консенсусные результаты предлагают ответ: возможно, что нижестоящие клетки интерпретируют восходящую активность с точки зрения согласованных LLR — таким образом, когда члены ансамбля не согласны с представлением, их активность вряд ли будет стимулировать активность в нижестоящей ячейке, но когда их представление выровнено. друг с другом и нижестоящей клеткой они могут надежно влиять на последующую активность.

Мы предполагаем, что долговременная синаптическая пластичность может адаптировать тайминги спайков во время начальных фаз поведенческого обучения, что приводит к стабильным представлениям и распределению ISI по кортикальным сетям. Одним из основных предсказаний нашего алгоритма является то, что формы краткосрочной синаптической пластичности (например, депрессия или облегчение парных импульсов) являются важными аспектами последующего декодирования сложных цепочек спайков. Это подтверждается прошлыми теоретическими и экспериментальными работами (Abbott et al., 1997). Более того, механизмы долговременной синаптической пластичности, такие как пластичность, зависящая от времени спайков, могут перераспределять синаптическую эффективность, существенно изменяя динамику краткосрочной пластичности независимо от общих изменений амплитуд (Markram and Tsodyks, 1996). Таким образом, мы не обязательно ожидаем, что нижестоящая цепь должна постоянно изменять механизм считывания — скорее, восходящие и нисходящие компоненты могут быть изменены вместе в ходе поведенческого обучения, чтобы установить распределения ISI, подходящие для запуска релевантных для задачи нисходящих потоков. нейроны, которые обеспечат достижение консенсуса по ансамблю для правильной обработки сенсорной информации у хорошо обученных животных.

Мы уточнили зависимость распределений ISI от времени в разделе «Результаты», добавив текст, который гласит: «Чтобы учесть любую нестационарность, эти распределения ISI рассчитывались в скользящих окнах длительностью в 1 секунду в ходе испытания». Мы также добавили текст, касающийся биологической достоверности в разделе «Обсуждение». Теперь он гласит: «Наши записи целых клеток как из AC, так и из FR2 демонстрируют, что разные постсинаптические клетки могут по-разному реагировать на один и тот же входной шаблон с фиксированной общей скоростью, подчеркивая важность рассмотрения кода, чувствительного к точной синхронизации всплесков, возможно, с помощью механизмов. дифференциальной краткосрочной пластичности, такой как депрессия и фасилитация », и« Наши консенсусные результаты показывают динамические изменения во взаимоотношениях между LLR членов ансамбля.[…] Это установило бы распределения ISI, подходящие для активации релевантных задач нижестоящих нейронов, что обеспечило бы достижение консенсуса по ансамблю для правильной сенсорной обработки у высококвалифицированных животных ».

7) Разверните разделы «Материалы и методы» и «Результаты», чтобы прояснить следующие моменты:
а) Временное разрешение. Похоже, что распределения ISI оцениваются в окне 1 с (подраздел «Обучающая вероятностная модель»). Скольжение на какую сумму? Как определяется, в какие окна 1s вносит свой вклад каждый ISI? Только те, которые содержат 2 шипа, охватывающие ISI? Оцениваются ли прогнозы в конце каждого из этих 1-секундных окон (таким образом, первый прогноз делается на второй 1-й секунде после начала испытания)?

Алгоритм рассчитал распределения ISI в 1-секундных окнах, пересчитываемых каждые 100 мс.Каждый раз, когда обнаруживалась ISI, алгоритм обращался к распределению, сгенерированному в окне, максимально близкому к центру вокруг последнего всплеска, и оценивал обновление прогноза во время последнего всплеска. Как упоминалось выше в пункте №6, мы разъяснили этот момент в разделе результатов: «Чтобы учесть любую нестационарность, эти распределения ISI были рассчитаны в скользящих окнах длительностью в 1 секунду, пересчитываемых каждые 100 мс в течение испытания». А в разделе «Материалы и методы» «Эти распределения были оценены в скользящем окне длительностью в 1 секунду (пересчитывается каждые 100 мс).”

b) Уточните, где используется формула вероятности полной последовательности пиков (подраздел «Декодирование», последний абзац). Из чтения рукописи кажется, что формулы для обновления апостериорного анализа учитывают только вероятность для данной ISI.

Наш метод обновляется последовательно каждый раз при обнаружении ISI. Формула для общей функции правдоподобия была включена для концептуальной ясности: для расчета окончательного прогноза для всего испытания (в отличие от динамики прогноза во время испытания, показанной на рисунке 3D), достаточно использовать функцию правдоподобия для всего испытания.Мы добавили текст в Материалы и методы, чтобы прояснить этот момент: «Прогноз для всего испытания был оценен в конце испытания с использованием функции общего правдоподобия».

в) Ансамблевое декодирование. Пожалуйста, будьте более точными и включите математическую формулу того, как в этом случае выполняется обновление апостериорной информации.

Мы разъяснили это, добавив текст и включив математическую формулу в раздел «Материалы и методы»: «Например, если ISI наблюдается в момент времени t от нейрона j с вероятностью p _j :

.
ptarget | ISI, t = pjISItarget, tp (цель, t) pjISItarget, tptarget, t + pjISInon-target, tp (нецелевой, t)
Этот процесс повторяется каждый раз, когда обнаруживается новый ISI из любой ячейки в ансамбле.».
d) Подраздел «Динамика достижения консенсуса по ансамблю, лежащая в основе скрытой информации о задаче», второй абзац. Скользящее окно для консенсуса. Это то же самое скользящее окно на 1 секунду выше? Вероятно, нет, учитывая изменяющийся во времени характер кривых и тот факт, что они начинаются с нуля. Добавьте пояснительный текст о временных окнах, используемых в разделе о консенсусе в методах. Также опишите подробнее, как были рассчитаны кривые на рис. 8E-H?
Да, интуиция верна, используемое скользящее окно было не таким, как в предыдущем.Чтобы добиться улучшенной временной точности, мы использовали скользящее окно 750 мс для вычисления LLR и согласованных значений каждые 100 мс. Вычисленные согласованные значения были присвоены середине окна, а ряд значений был интерполирован с помощью одномерного сплайна третьей степени для наглядности (этот метод генерирует гладкие кривые, которые гарантированно пересекают рассчитанные значения). На рис. 8E-H представлены средние значения и стандартные отклонения этих кривых для соответствующей области и типа ансамбля.Мы прояснили эти моменты в разделе «Материалы и методы»: «Для создания консенсусных кривых на Рисунке 8 LLR рассчитываются с использованием скользящего окна 750 мс, пересчитываемого каждые 100 мс. […] Для наглядности эти значения были интерполированы одномерным сплайном третьей степени, вычисленным с использованием пакета python scipy.interpolate.InterpolatedUnivariateSpline (этот метод гарантированно перехватит измеренные значения) ».
e) Кроме того, правильно ли, что оценщик процесса Пуассона учитывает полную продолжительность интервала стимул-ответ? Существует некоторая асимметрия в информации, доступной с помощью подхода ISI (который учитывает 1+ секунд после появления стимула) и PSTH (который короткий, учитывая тональный сигнал 100 мс).Были ли какие-либо различия в скорости стрельбы за более длительный интервал, которые позволили бы предсказать ответы?
Да, и оценка процесса Пуассона, и декодер на основе ISI учитывали всю пробную активность (от начала стимула до поведенческой реакции). Мы пояснили это в Материалах и методах: «Так же, как с этим декодером на основе ISI, мы декодировали активность всего испытания».
8) Добавьте подробное обсуждение того, можно ли четко отделить выбор животного от кодирования стимула, особенно с учетом очень высокой производительности этих животных при выполнении задачи, большого промежутка времени между стимулом и ответом и позднего накопления стимула. прогноз / консенсус.Существует множество литературы о влиянии внимания, поведения и рабочей памяти на корковую синхронизацию и время, хотя в основном это касается гиппокампа. Возможно, что ответы AC просто отражают уже сделанный выбор / воспоминание. В рукописи делается попытка устранить неоднозначность выбора стимула с помощью логарифмической линейной регрессии, но это зависит от прогнозируемой информации из анализа декодера, которая сама может уже содержать смешанную информацию.
Мы благодарим рецензента за возможность затронуть этот вопрос.По причинам, упомянутым рецензентом, чистое разделение переменных стимула и выбора является сложной задачей. Это меньше беспокоит униплексированные нейроны, которые содержат информацию только об одной из двух переменных, поэтому наш множественный регрессионный анализ был сосредоточен на установлении того, что мультиплексированные нейроны не были просто тривиальным побочным продуктом корреляций между поведенческими переменными. Предположение этого подхода состояло в том, что результаты декодирования могут содержать смешанную информацию, и цель состояла в том, чтобы оценить степень, в которой предсказания декодера (например,g., декодер стимула) коррелировали не только с соответствующей поведенческой переменной (например, стимулом), но и с другой переменной (например, с выбором). Хотя результаты этого анализа продемонстрировали, что выходной сигнал декодера коррелировал с обеими переменными, он был более точно предсказан соответствующей переменной для мультиплексированных ячеек. Вопрос о том, активно ли информация о выборе, которую мы наблюдаем, обрабатывается в слуховой коре или является отражением активности из другой области, является интересным открытым вопросом, выходящим за рамки данного исследования.Теперь мы говорим в результатах: «Учитывая сильную корреляцию между стимулом и переменными выбора в дизайне задачи, трудно полностью отделить информацию об одной переменной от информации о другой. […] Этот анализ устанавливает, что определенная степень разделимости возможна, и демонстрирует, что мультиплексирование, наблюдаемое в наших результатах декодирования, вряд ли будет тривиальным побочным продуктом корреляций в переменных задачи ».
9) Заголовок: Пожалуйста, подумайте о том, чтобы изменить заголовок, чтобы опустить или сделать более интуитивно понятным, что означает «ансамблевый консенсус», и прояснить «номинально не отвечающий», учитывая озабоченность некоторых рецензентов по поводу этой терминологии.В одном из предложенных пересмотренных вариантов «Время отклика лобных и сенсорных корковых нейронов кодирует релевантные для задачи переменные, даже если средние ответы неинформативны».
Мы изменили название в соответствии с предложением рецензента. Теперь он гласит: «Ансамблевое кодирование, зависящее от времени спайков, неклассически отзывчивыми кортикальными нейронами».
Артикул:
Abbott LF1, Varela JA, Sen K, Nelson SB. Синаптическая депрессия и контроль коркового усиления. Наука. 1997 10 января; 275 (5297): 220-4.DOI: 10.1126 / science.275.5297.221
https://doi.org/10.7554/eLife.42409.029
Timing, Timing, Timing: быстрое декодирование информации об объекте на основе потенциалов внутричерепного поля в зрительной коре человека
Человеческое восприятие и познание основаны преимущественно на обработке визуальной информации. Большая часть информации, касающейся нейронных коррелятов визуальной обработки, была получена из исследований функциональной визуализации, которые выявили различные области мозга, способствующие визуальному анализу, распознаванию и обработке объектов и сцен.Однако только две из этих областей, а именно область парагиппокампа (PPA) и латеральный затылочный комплекс (LOC), были проверены и дополнительно охарактеризованы внутричерепной электроэнцефалограммой (iEEG). ИЭЭГ — это уникальный метод измерения, который производит выборку локальной популяции нейронов с высоким временным и анатомическим разрешением. В настоящем исследовании мы стремились расширить предыдущие отчеты и изучить активность мозга для избирательности сцен и объектов в широкополосном диапазоне высоких гамма-частот (50–150 Гц).Мы собрали данные iEEG от 27 пациентов с эпилепсией, когда они наблюдали серию изображений, содержащих объекты и сцены, и идентифицировали 375 биполярных каналов, отвечающих по крайней мере на одну из этих двух категорий. Используя кластеризацию K-средних, мы очертили их локализацию в мозге. В дополнение к двум областям, описанным ранее, мы обнаружили значительные отклики в двух других областях, отобранных для сцены, о которых еще не сообщалось в каких-либо электрофизиологических исследованиях; а именно область затылочной кости (ОПА) и ретроспленальный комплекс.Более того, с помощью iEEG мы выявили гораздо более широкую сеть, лежащую в основе визуальной обработки, чем описанная до сих пор, с использованием специализированных экспериментальных дизайнов функциональной визуализации. Здесь мы сообщаем об избирательных областях мозга для обработки сцены, включая заднюю коллатеральную борозду и переднюю височную область. Сокращения: ATC, передняя височная область коры головного мозга; AUC — площадь под кривой; BGA, широкополосная гамма-активность; CC, поясная и парацингулярная области коры головного мозга; FC, лобная кора головного мозга; FDR — коэффициент ложного обнаружения; FLPG, веретенообразная, язычная и парагиппокампальная извилины области мозга; HIP, область мозга гиппокампа; иЭЭГ, внутричерепная электроэнцефалография; INS, островковая часть мозга; LOC, латеральный затылочный комплекс; LO — латеральная затылочная часть LOC; LTC, боковая височная область коры головного мозга; MPA, область медиального места; ОК, затылочная кора головного мозга; OPA, область затылочной области; ПК, теменная область коры головного мозга; pFs, задняя веретенообразная борозда LOC; RSC, ретроспленальная кора и область головного мозга предклиния; PPA, область парагиппокампа; SF, пространственная частота.Границы в неврологии человека | www.frontiersin.org 1 октября 2020 г. | Том 14 | Статья 561399 Vlcek et al. Внутричерепная ЭЭГ: уже было показано, что сцены и объекты связаны с новизной сцены и обозначением ориентиров. Избирательные реакции на объекты проявлялись в теменной, лобной и височной областях, связанных с использованием инструментов и распознаванием объектов. Временной анализ определил временной ход селективности категории через дорсальный и вентральный зрительные потоки. Анализ рабочих характеристик приемника выявил PPA и веретенообразную часть LOC как наиболее избирательные для сцен и объектов, соответственно.Наши результаты представляют собой ценный обзор избирательности визуальной обработки сцен и объектов на основе анализа iEEG и, таким образом, способствуют лучшему пониманию визуальной обработки в человеческом мозгу.
Нейронные корреляты субъективной точности и достоверности времени
Все данные ЭЭГ и сценарии анализа для этого проекта доступны через UQeSpace https://espace.library.uq.edu.au/.
Поведенческий анализ
Мы оценили физические временные отношения AV, совпадающие с субъективной синхронностью (точки субъективной синхронности — PSS), путем подгонки кумулятивных распределений Гаусса к индивидуальным данным, описывающим долю первых звуковых ответов как функцию аудиовизуального смещения.Средняя оценка PSS совпала с визуальными стимуляциями, которые привели к звуковым событиям на ~ 23 мс (SD = 47 мс).
Мы можем принять наклон отдельных функций в точке 50% функции в качестве оценок точности оценок времени AV (точные судьи переходят быстрее от решающих входных данных, в основном это видение, ведущее к звуковому опережению по времени смещения меняются по сравнению с менее точными судьями). Средний наклон составлял 0,004 (SD = 0,003; где наклон описывает дополнительную долю первых звуковых откликов на мс изменения относительной синхронизации AV).Ранее сообщалось, что точность синхронизации AV составляет положительно , что связано с уверенностью в суждениях о времени ⁵. Наши данные повторяют это наблюдение (r = 0,63, p = 0,01; см. Рис. 1b).
Рисунок 1
( a ) Коэффициенты успешности декодирования для типа физического ввода (синие данные) и субъективных временных решений (красные данные) в зависимости от количества информации, используемой для декодирования. Информация за 100 мс до стимуляции накапливается в процессах декодирования.Данные усредняются по участникам и выражаются пропорционально количественной вероятности для каждого процесса (черная горизонтальная линия). Заштрихованные области отображают +/- 1 SEM. Обратите внимание, что декодирование для обоих процессов начинает повышаться выше вероятности в тандеме, ~ 100 мс после стимуляции. ( b ) Корреляция между долей испытаний, в которых участники были «уверены» в своей временной реакции, и индивидуальными оценками наклона функции TOJ. ( c ) Корреляция между долей входов, правильно декодированных из активности мозга, и индивидуальными оценками наклона функции TOJ.( d ) Корреляция между долей временных решений, правильно декодированных на основе мозговой активности, и индивидуальными оценками наклона функции TOJ.
Ввод и декодирование решения
Тип физической стимуляции был правильно декодирован на основе данных для 59% индивидуальных испытаний (SD 14), что заметно выше вероятности (17%, t ₁₄ = 11,81, p <0,00001) . Статистическая значимость оценивалась на индивидуальной основе с использованием тестов в случайном порядке, состоящих из 2000 симуляций, в которых декодированные значения случайным образом переназначались для различных испытаний.Моделирование 2000 обеспечивает нулевое распределение вероятностей успешного декодирования, с которым можно сравнивать фактический успех декодирования. Ни одно из имитаций не привело к показателю успеха, который достиг бы фактического уровня успеха декодирования для любого участника (что подразумевает p <0,005). Эти данные показывают, что различные временные интервалы АВ приводят к достоверным различиям в вызванной активности мозга, поскольку декодирование основывается на сопоставлении вызванной активности в данном испытании со средним паттерном активности , вызванным той же стимуляцией в других испытаниях.
Анализ решения по времени был аналогичным. Типичные паттерны активации оценивались путем усреднения напряжений ЭЭГ на каждом датчике и временной выборке по обучающим наборам испытаний, что приводило к одинаковому субъективному решению. Обратите внимание, что эти тренировочные наборы включали испытания с участием различных типов стимуляции . Типичные паттерны активации оценивались для испытаний, в результате которых принимались решения: сначала звук с высокой степенью достоверности, сначала звук с низким уровнем достоверности, сначала решение по зрению с низким уровнем достоверности и сначала решения по зрению с высокой степенью достоверности.Ожидаемое испытание было классифицировано как имеющее соответствие сигнатуре решения, с которой оно имело наименьшие абсолютные остатки.
Этот процесс декодирования привел к правильной классификации 49% (стандартное отклонение 11) испытаний, что заметно лучше случайности (25%, t ₁₅ = 9,19, p <0,00001). Если не принимать во внимание уверенность, процесс классификации с принятием решения правильно расшифровал очевидный порядок стимуляции (сначала зрение или звук) в 73% (стандартное отклонение 9) испытаний. Мы также оценили статистическую значимость индивидуальных решений декодирования с помощью тестов случайного выбора, состоящих из 2000 симуляций, в которых метки пробных решений переназначались случайным образом.Ни одно из имитаций для какого-либо участника не привело к коэффициенту успешности, который достиг бы фактического уровня успешности декодирования для этого участника. Этот процесс не , однако, декодировал информацию о временных решениях независимо от типа физической стимуляции. Это было очевидно из дополнительного теста перемешивания для каждого участника, в котором метки решений были переназначены только случайным образом между испытаниями , включающими один и тот же тип физической стимуляции . Эти симуляции привели к скоростям декодирования, которые были неотличимы от случайности (M 47% SD 3).Все результаты, описанные к этому моменту, были получены на основе предварительно зарегистрированных анализов (см. Https://aspredicted.org/wi533.pdf). Далее мы описываем дополнительные последующие анализы и результаты.
Для дальнейшей оценки успеха входного декодирования мы можем подогнать функции к декодированным данным, чтобы обеспечить прямое сравнение этих данных с субъективными оценками времени AV. Чтобы сформировать декодированные входные функции, декодированные значения были преобразованы в двоичные данные, прежде всего звук / зрение, путем сопоставления декодированных значений с субъективными оценками AV-синхронности для каждого индивидуума (50% точек кумулятивных функций Гаусса соответствуют индивидуальным данным TOJ).Наклоны функций, соответствующих декодированному входу (M 0,013 SD 0,006), в среднем были круче, чем функции, соответствующие субъективным суждениям TOJ (M 0,004 SD 0,003; t15 = 6,483, p <0,001). Это показывает, что в среднем входное декодирование было более точным, чем субъективные временные решения, которые люди принимали в отношении декодированной активности мозга.
Мы исследовали, насколько быстро накапливалась информация для успешного декодирования, повторно запустив наши процессы ввода и декодирования решений, итеративно вводя больше временных выборок в каждый анализ.Мы обнаружили, что информация для ввода и декодирования решений стала доступной в течение аналогичного периода времени, превзойдя случайность в тандеме, когда анализ охватил активность ~ 100 мс после физической стимуляции (см. Рис. 1a). Эти данные предполагают, что решения по декодированию входных данных и синхронизации полагаются на общий источник информации . Однако эти результаты также предполагают, что временные решения ограничены дополнительным источником мешающего шума / информации, в противном случае решения должны были быть декодированы с таким же успехом, что и физический ввод.
Корреляция между точностью синхронизации и показателями успешности декодирования
Успешное декодирование, время физического ввода и решения на основе данных отдельных испытаний основаны на согласованных паттернах вызванной активности мозга в сопоставленных испытаниях, и на том, что эти паттерны различны для разных вводов решения. Если бы неточность времени была связана с различными паттернами мозговой активности, вызываемыми в аналогичных испытаниях, показатели успешности входного декодирования должны были составить положительно , что связано с точностью суждений о времени AV.Мы не нашли доказательств этой взаимосвязи (r = 0,11, p = 0,70; см. Рис. 1c). Анализ байесовского вывода относительно этой корреляции, реализованный с помощью SPSS v25 для оценки байесовского фактора JZS, привел к байесовскому коэффициенту 4,9, который можно рассматривать как умеренное свидетельство нулевой гипотезы ⁸ (что нет связи между субъективная точность синхронизации и показатели успешности входного декодирования). Применительно к корреляции байесовские факторы обеспечивают оценку того, какая модель лучше всего описывает наблюдаемые данные, один предполагает, что между двумя наборами данных нет связи (нулевая модель), а другой предполагает, что существует линейная (положительная или отрицательная) связь.Наш анализ отдает предпочтение прежней (нулевой) модели.
В отличие от входного декодирования, существовала сильная положительная взаимосвязь между оценкой временного порядка (сначала зрение или звук) при успешном декодировании и точностью оценок времени AV (r = 0,78, p <0,0001; см. Рис. 1d). Анализ байесовского вывода относительно этой корреляции привел к байесовскому коэффициенту 0,011, который можно рассматривать как очень убедительное доказательство альтернативной гипотезы (что существует положительная взаимосвязь между субъективной точностью синхронизации и показателями успешности декодирования TOJ).Эта положительная взаимосвязь предполагает, что точные судьи по времени АВ, возможно, полагались на больше на динамику вызванной мозговой активности при принятии решений по времени, чем на менее точные судьи, поскольку мы могли одинаково декодировать входные временные характеристики по вызванной мозговой активности от всех участников (независимо от точности ). Таким образом, уменьшение количества решений по порядку, которые мы могли бы декодировать по мере снижения точности оценки, не может быть связано с менее надежной динамикой, а, возможно, вместо этого было связано с тем, что плохие судьи все больше полагались на какой-то фактор, кроме динамики собственной мозговой активности.
Кластерные тесты
Мы пришли к выводу, что наша неспособность декодировать решения по времени, независимо от типа физического ввода, была результатом включения различных типов стимуляции в наборы для обучения принятию решений. Из-за высокой корреляции между типами стимуляции и временными решениями в обучающих наборах преобладали испытания, включающие конкретные входные данные (обучающие наборы звуковых отведений с высокой степенью достоверности при испытаниях на 300 мс и т. Д.). Это может привести к тому, что активность мозга, характерная для конкретных временных решений (независимо от ввода), будет замаскирована активностью, характерной для отдельных входных сигналов (независимо от временных решений).Чтобы предотвратить это, анализы можно ограничить испытаниями, включающими тот же тип физической стимуляции. Однако эти анализы нельзя было проводить на индивидуальной основе из-за недостаточной мощности. Участники завершили максимум 120 испытаний для каждого типа физической стимуляции, что привело к меньшему количеству отдельных временных решений для каждого входного сигнала.
Оценка точности синхронизации AV и корреляции вызванной активности мозга
Вместо индивидуального последовательного декодирования мы провели последовательности непараметрических тестов на перестановку на основе кластеров, по одному для каждого входа.Для этих тестов для каждого участника мы вычисляем средние модели вызванной мозговой активности для каждого типа физической стимуляции. Затем тесты основаны на корреляциях между отдельными оценками точности синхронизации AV и отдельными характеристиками (вызванные потенциальные амплитуды в каждом канале / временной выборке, взятые из усредненных моделей активности для каждого участника) ^9,10. Эти тесты показывают, существует ли надежная корреляция между вызванными ответами и точностью синхронизации AV. Мы обнаружили, что можем отклонить нулевую гипотезу для анализов, включающих -300 (отведение для зрения), -100 (отведение для зрения), -50 (отведение для зрения) и +50 мс (отведение для аудиосигнала), из-за значительного (p <0.05) кластеры (см. Рис.2).
Рисунок 2
( a ) Тепловая карта, изображающая результаты значимого кластерного теста, основанного на коэффициентах корреляции Спирмена между средней индивидуальной вызванной активностью мозга и оценками точности синхронизации AV. Положительные корреляции (желтый) указывают на то, что вызванная активность положительно коррелирует с точностью синхронизации AV. Данные взяты из испытаний, включающих стимуляцию -300 мс (зрение отведения). Датчики, входящие в значимые кластеры, обозначены красными крестами.На соседнем графике данные усреднены пополам в соответствии с точностью времени (красный — для точных судей, синий — неточный). Эти данные усредняются по значимым каналам кластера (показаны на тепловой карте). Временные границы значимого кластера обозначены черными вертикальными полосами. ( b ) Подробности такие же, как для ( a ), но данные взяты из испытаний, включающих стимуляцию -100 мс (зрение отведения). ( c ) Подробности такие же, как для ( a ), но данные взяты из испытаний, включающих стимуляцию -50 мс (зрение отведения).( d ) Детали такие же, как для ( a ), но данные взяты из испытаний, включающих стимуляцию +50 мс (звуковые отведения), а значимый кластер описывает отрицательную корреляцию.
Читатели должны помнить, что успех анализа классификации шаблонов может быть преувеличен путем включения подклассов данных в категорию классов ¹¹. Из наших предыдущих анализов эта тенденция не могла повлиять на декодирование входных данных, поскольку в этих анализах не было подклассов входных данных (было 6 входных данных, которые были идентичны каждый раз, когда они представлялись, поэтому подклассов не было).Это могло повлиять на декодирование решений, поскольку различные входные данные способствовали формированию сигнатур решений, поэтому текущий набор кластерных тестов был ограничен анализом данных из входного сигнала. Читатели также должны отметить, что оценки данных, которые мы собираемся описать, должны рассматриваться как иллюстрации (вероятных причинных влияний, ведущих к значительным кластерным тестам), а не как дополнительный статистический анализ.
Чтобы проиллюстрировать индивидуальные различия, определяющие значимые кластеры, мы разделили данные участников на основе точности времени (+/– оценка средней точности).Мы усреднили вызванные потенциалы по каналам, составляющим значимые кластеры, и построили их как функцию времени от начальной физической стимуляции (0 мс) для каждого типа испытаний. Временные рамки значимых кластеров обозначены на графиках жирными вертикальными черными линиями (см. Рис. 2a – d). В каждом случае отметим, что для точных судей вызванные потенциалы преувеличены на ~ 300 мс после физической стимуляции. В сочетании со значительными кластерными тестами эти данные показывают, что точные и неточные судьи о времени АВ имеют различных паттернов вызванной активности мозга после идентичных физических стимуляций.
Мы провели второй набор кластерных тестов перестановки, основанных на корреляциях между отдельными пропорциями временных решений, которые вызвали высокий уровень достоверности, и отдельными характеристиками ЭЭГ. Опять же, мы обнаружили, что можем отклонить нулевую гипотезу для анализов, включающих -300 (отведение для зрения), -100 (отведение для зрения), -50 (отведение для зрения) и +50 мс (отведение для звука) из-за значимых (p <0,05 ) кластеры (см. рис. 3). Здесь мы также проиллюстрировали индивидуальные различия, информируя значимые кластеры, путем разделения данных участников.Для этого анализа разделение основывалось на доле испытаний с высокой степенью достоверности (+/- медианная доля). Остальные детали соответствуют нашим иллюстрациям различий, касающихся точности синхронизации (см. Рис. 3). Мы отмечаем, что участники, которые относительно уверены в оценке времени АВ, также имеют преувеличенных вызванных потенциалов ~ 300 мс после физической стимуляции.
Рисунок 3
( a ) Тепловая карта, отображающая результаты значимого кластерного теста, основанного на коэффициентах корреляции Спирмена между средней индивидуальной вызванной активностью мозга и пропорциональной уверенностью в решениях по времени АВ.Положительные корреляции (желтый) указывают на то, что вызванная активность составляет , положительно коррелирует с достоверностью временных суждений. Данные взяты из испытаний, включающих стимуляцию -300 мс (зрение отведения). Датчики, входящие в значимые кластеры, обозначены красными крестами. На соседнем графике данные усреднены пополам в соответствии с достоверностью (красный — для уверенных судей, синий — для неопределенных). Эти данные усредняются по значимым каналам кластера (показаны на тепловой карте). Временные границы значимого кластера обозначены черными вертикальными полосами.( b ) Подробности такие же, как для ( a ), но данные взяты из испытаний, включающих стимуляцию -100 мс (зрение отведения). ( c ) Подробности такие же, как для ( a ), но данные взяты из испытаний, включающих стимуляцию -50 мс (зрение отведения). ( d ) Детали такие же, как для ( a ), но данные взяты из испытаний, включающих стимуляцию +50 мс (звуковые отведения), а значимый кластер описывает отрицательную корреляцию.
Мы хотели дополнительно изучить возможность того, что разница между вызванной активностью в разных испытаниях может предсказывать неточность.Итак, мы провели третий набор тестов на перестановку на основе кластеров, основанных на корреляциях между отдельными оценками точности синхронизации AV и функциями, основанными на дисперсии. Эти характеристики представляли собой индивидуальные стандартные отклонения между амплитудами вызванного потенциала в каждом канале / временной выборке для одного и того же входа в разных испытаниях. Мы не могли отвергнуть нулевую гипотезу ни для одного из этих анализов. Это дает еще одно свидетельство того, что точность синхронизации AV не зависит от изменений в паттернах мозговой активности.
RSCW алгоритм для декодирования кода Морзе
RSCW алгоритм для декодирования кода Морзе
На этой странице описаны алгоритмы, используемые моей программой RSCW. Кроме того, некоторые преимущества и недостатки этих алгоритмов упоминаются.
Цель этой страницы — не просто проинформировать любопытных, но также как отправная точка для обсуждения улучшенные алгоритмы, улучшение существующих алгоритмов, расширение алгоритмов на код, не отправляемый машиной, и т. д. Комментарии приветствуются!
Некоторые подробности и определения кода Морзе
RSCW (на данный момент) направлен только на декодирование кода Морзе с идеальной синхронизацией.Морзе, отправленный вручную, может не иметь очень жесткого хронометража и при этом легко декодироваться человеческим ухом и мозгом, но такой код может быть намного сложнее декодировать автоматически. Таким образом, на практике RSCW в основном предназначен для машинно-сгенерированного кода, такого как телеметрия, передаваемая со спутников. (На самом деле, это компромисс: заставляя алгоритмы рассчитывать на идеальное время, мы можем извлечь из шума более слабые сигналы, чем с помощью алгоритма, который также принимает небрежно отправленный код.)
Чтобы быть уверенным, это временная спецификация кода Морзе:
Тире в три раза длиннее точки.
Расстояние между точками / тире внутри одного символа равно длине точки.
Расстояние между двумя символами в три раза больше точки.
Расстояние между двумя словами в семь раз больше точки. (Примечание: спутник RS12, похоже, использует здесь коэффициент девять.)
Таким образом, продолжительность точки — очевидная единица времени.
С этого момента я буду использовать слово бит для всего, что отправляется во время одна единица времени; 1 означает, что передатчик включен, 0 означает выкл.Таким образом, символ «R» (точка, тире, точка) будет отправлен в виде семи битов, а именно 1011101.
Однако для компьютерной расшифровки азбуки это не очень практичное представление. Если мы получаем поток битов типа 1011101, мы еще не можем решить, что это на самом деле является ‘R’: возможно, следующие два бита будут 01, сделать персонажа буквой «L». Это легко решается, если рассматривать межсимвольное пространство как часть самого персонажа. Итак, мы говорим, что «R» — это 1011101000, а «L» — это 101110101000.Соответственно, мы можем выразить пространство между словами как биты 0000. (Технически код без префикса.)
Теперь посмотрим, как составляется этот код для отдельного персонажа. Для каждой точки у нас есть последовательность 10; за каждый рывок — 1110; а также в конце прикрепляем 00 (которое вместе с 0 в конце последняя точка или тире завершает группу из трех нулей, которая является межсимвольный интервал). Следовательно, каждый символ представлен четным числом битов. Кроме того, если мы рассмотрим биты в группах по два, называемых дибитом , Мы видим, что встречаются только последовательности 10, 11 и 00; последовательность 01 никогда не встречается! Итак, если мы нумеруем биты, начиная с единицы, биты с нечетными номерами с большей вероятностью будут равны 1, чем биты с четными номерами.Это явление можно использовать для регенерации тактового сигнала, как мы будем см. ниже.
Примечание: либо бит, либо дибит, как определено выше, обычно называться символом
в теории связи. Поскольку символ в контексте азбуки Морзе также может быть ошибочно принят за что касается фактических передаваемых букв, я избегаю этого слова в этом описании.
Алгоритм, используемый в программе RSCW.
На рисунке ниже представлена блок-схема того, что происходит внутри RSCW:

Черным цветом показан путь самого сигнала: слева он входит как аудиосигнал (дискретизированный с 8 битами на выборку, со скоростью 8000 выборок в секунду), а справа алгоритм выводит декодированное сообщение.Синяя, красная и зеленая части связаны с другими проблемами, а именно с поиском несущая частота, нахождение битовой тактовой частоты и выбор порога.
Расшифровка сигналов Морзе — тракт сигнала
Он состоит из следующих шагов:
Умножьте входящий сигнал на локально сгенерированную несущую на та же частота, что и входящий сигнал. Это смешивает входящий сигнал до 0 Гц (или почти 0 Гц, если местный несущая не совсем на нужной частоте).Чтобы не потерять информацию, созданы два сигнальных тракта, один после смешивания с самим носителем, и один с таким же несущая сдвинута по фазе на 90 градусов. Траектории принято называть I (синфазные) и Q (квадратурные).
Фильтр нижних частот I и Q сигналов. Обратите внимание, что из-за смешивание, выполненное на предыдущем этапе, это соответствует прохождению только сигналы, которые изначально были близки к несущей частоте: он действует как полосовой фильтр.
В RSCW этот фильтр представляет собой просто скользящее среднее по 48 выборкам, но его можно было бы заменить более крутым фильтром для ослабления сигналов подальше от интересующей частоты побольше.
Кроме того, в RSCW этот шаг также выполняет понижающую дискретизацию: 8000 отсчетов. в секунду входит в фильтр, но остается только 1000 выборок в секунду Это. Это приемлемо, поскольку все высокочастотные компоненты были отключены. удален, и это снижает вычислительную нагрузку остальной части алгоритм.
Снова вычислить скользящее среднее для продолжительности ровно 1 бит. для сигналов I и Q.
(Примечание: скользящее среднее по 10 выборкам — это только первая среднее из выборок 1,2, …, 10, затем среднее из выборок 2,3, …, 11, далее более 3,4, …, 12 и т. д.)
Поскольку фаза входящей несущей неизвестна, мы далее вычисляем пифагорова сумма вкладов I и Q. Это делает результат независимо от разности фаз принимаемого сигнала и нашего местный перевозчик.
Результатом этого шага является зеленая линия на графиках, созданных RSCW.
Один раз для каждого бита возьмите образец из приведенной выше суммы Пифагора. Эти пробы следует брать в нужный момент, а именно так, чтобы скользящие средние только что покрыли продолжительность одного бита (в отличие от части одного бита и части следующего бита).
Это задача регенерации часов, чтобы найти правильную выборку моменты; см. ниже.
Затем вычтите из каждой выборки число, которое является пороговым значением .Подходящий порог находится где-то между типичным уровнем сигнала. для 0 (т.е. шум, полученный при выключенном передатчике), и уровень для 1 (т.е. результат как сигнала передатчика, так и шум).
Результатом этого является (в идеале) сигнал, который является положительным, если 1 была передан и отрицательный, если был передан 0. Однако из-за шума это может быть не всегда.
На графиках этот сигнал показан голубым (голубым).
Наконец, вычислите взаимную корреляцию между этими выборками. и последовательности единиц и нулей (точнее, -1) соответствующий каждому возможному сообщению. Тогда наиболее вероятное сообщение, учитывая то, что мы получили, — это то, с наибольшей взаимной корреляцией, поэтому выведите это сообщение как результат процесса декодирования.
См. Ниже более подробное обсуждение того, как это сделать на практике.
Замечания:
Предполагая правильную оценку несущей частоты, тактовой частоты битов и порогового значения, описанная выше процедура является теоретически оптимальной для декодирование сигналов On-Off-Keying (OOK) в присутствии аддитивов Белый гауссовский шум (AWGN).
Ветви I и Q фактически представляют собой два согласованных фильтры (с разностью фаз 90 градусов) для одного передаваемого бита используя OOK. На самом деле нет необходимости разбивать каждую ветку на несколько шагов, можно спроектировать DSP-фильтр с конечной импульсной характеристикой. который делает это за один шаг (используя свертку). Но многоступенчатая реализация более проницательна.
До переключателя выборки включительно все очень похоже к установке, обычно используемой для приема Когерентный CW.
Алгоритм выше предполагает, что между отдельными битами случайный может произойти фазовый сдвиг. Действительно, передачи спутника RS12 действительно демонстрируют такие случайные скачки фазы между точками и тире.
Если бы передатчик был когерентным (т.е. не было бы такого скачки фазы), которые можно использовать для улучшения декодера.
Фактически, сигнал, подобный RS12, не имеет скачков фазы в пределах тире (состоящее из трех битов).В принципе, это тоже могло использоваться для улучшения декодера.
Нахождение сообщения с наивысшей взаимной корреляцией
Один из возможных алгоритмов для этого будет работать следующим образом. (Примечание: это описание (и реализация в RSCW) предполагает, что мы уже знаем, какие полученные биты имеют нечетные номера, поэтому вместо этого мы можем выполнить взаимную корреляцию на дибитах. отдельных бит.)
Начать с одного пустого сообщения.
Расширить его всеми возможными дибитами, а именно 11, 10 и 00, что дает три сообщения, и для каждого из них вычисляется взаимная корреляция с полученным сигналом для первых двух бит.(На самом деле взаимная корреляция выполняется не с использованием единиц и нулей, а с использованием 1s и -1s для симметрии.)
Расширить каждое из этих (трех) сообщений снова дибитом всеми возможными способами. Однако сейчас возможны не все расширения. Например, 11 нельзя следовать на 00, но только на 10. Какие расширения возможны, определяется как правила синхронизации кода Морзе и по алфавиту (например, 6 последовательных тире не являются начальной частью какого-либо символа Морзе).Для каждого результирующего сообщения добавьте к предыдущей взаимной корреляции взаимная корреляция между новым дибитом и сигналом для следующих двух принятых битов.
Повторяйте шаг 3 до конца передачи.
Очевидно, что при каждом повторении шага 2 количество сообщений растет в раз. от 1 до 3 в зависимости от количества возможных расширений. Как следствие, количество сообщений, которые необходимо рассмотреть, быстро уменьшится. непрактично большой. Кроме того, нам придется дождаться конца передачи, прежде чем мы может решить, какое сообщение имеет наибольшую взаимную корреляцию.
Однако не обязательно хранить все сообщения до конца. Чтобы убедиться в этом, рассмотрим следующий пример. Предположим, что после получения 8 бит мы сохраняем следующие три сообщения (и другие, не относящиеся к этому примеру):
10101000 (это точка-точка-точка, т. Е. Буква S) с взаимной корреляцией 3,4
11101000 (это штрих-точка, т.е. буква «N») с взаимной корреляцией 4.1.
10111000 (это пунктир, т. Е. Буква A) с взаимной корреляцией 2.3
Каждое из трех вышеупомянутых сообщений представляет собой символ Морзе с его межсимвольное пространство.Следовательно, каждый из них может быть расширен одними и теми же дибитами. Итак, если мы после получения остальной части сообщения найдем расширение для первое из этих сообщений, которое приводит к высокой взаимной корреляции, чем это же расширение также подходит после второго и третьего сообщения. А поскольку расширение в равной степени способствует взаимной корреляции к какому бы сообщению он ни был прикреплен, мы можем видеть, что добавление этого конкретного расширение всегда будет давать наибольшую общую взаимную корреляцию со вторым из этих трех, поскольку тот уже имеет самую высокую взаимную корреляцию.Другими словами: первое и третье из этих сообщений никогда не будет самая высокая взаимная корреляция, поэтому мы можем просто забыть о них. (Читатели, знакомые с декодером Витерби для сверточных кодов распознает это явление.) Существенным моментом здесь является то, что сообщения, оканчивающиеся на межсимвольный пространства равны в том смысле, что все они могут принимать одинаковые расширения, и поэтому нам нужно оставить только лучшие из них.
Вышеупомянутое наблюдение очень помогает сократить количество сообщений. рассмотрено, что делает алгоритм действительно выполнимым.Однако у этого есть еще одно приятное следствие: на практике оказывается, что через некоторое время все оставшиеся сообщения будут иметь тот же начальный набор дибитов. На этом этапе мы можем быть уверены, что эти начальные дибиты никогда не изменятся. больше: у нас есть декодированные их как наиболее вероятные биты, и может выводить их (или, скорее, символ, который они представляют). Так что нам больше не нужно ждать окончания передачи перед мы можем вывести хотя бы часть полученного сообщения. (Примечание: теоретически возможно, что этого не произойдет, т.е., что несколько сообщений с разными начальными дибитами остаются «живыми» навсегда. Программное обеспечение должно правильно обрабатывать этот случай.)
Фактически, идея удаления сообщений, потому что мы можем быть уверены, что они не будут побеждать, можно сделать еще один шаг вперед: вместо того, чтобы просто смотреть на сообщения, которые только что закончились межсимвольным пробелом, мы можем посмотреть во всех сообщениях, и удалите их, если для каждого возможного расширения это сообщение, есть еще одно сообщение, которое также может принять это сообщение. расширение и уже сейчас имеет более высокую взаимную корреляцию.Это снова уменьшает количество сообщений, которые нужно оставить для рассмотрения. (таким образом уменьшая вычислительные затраты), а также делает алгоритм решить (т.е. оставить только сообщения с такими же начальными дибитами) раньше.
Последнее замечание: если кто-то знает еще больше о сообщении, которое нужно получить (например, он состоит из наборов из 3 букв, за которыми следуют 2 цифры) в принципе можно было бы использовать это знание, чтобы сделать кросс-коррелятор также отклонять сообщения, не соответствующие этому шаблону. В принципе, это улучшает способность декодера выделять такие сигналы из шума; однако он (пока) не реализован в RSCW.
Нахождение несущей частоты
Для этого RSCW использует довольно простой алгоритм: он выполняет БПФ (быстрое преобразование Фурье) на 1-секундных сегментах входящего сигнал, и выбирает частоту, на которой мощность является наибольшей (в пределах диапазон частот, задаваемый пользователем). Это происходит дважды в секунду. Линейная интерполяция используется для оценки частоты между двумя последовательными Результаты БПФ.
Этот алгоритм работает хорошо, пока есть только одна значимая узкополосная сигнал в частотном диапазоне; в противном случае он может легко переключиться между несколькими пики в спектре, делая декодер бесполезным.
Для спутниковых сигналов реализован режим «слежения»: это пытается для отслеживания медленно дрейфующей частоты (из-за доплеровского сдвига) путем адаптации приемлемого диапазон частот. Это нормально работает после обнаружения сигнала, но сначала получение сигнала является проблемой, если только сигнал уже не присутствует, когда программа начинается.
Ясно, что в этой области еще можно сделать улучшения.
Нахождение битовых часов
Сначала немного теории.
Рассмотрим поток нулей и единиц, представляющий несколько символов кода Морзе, как обсуждалось. ранее на этой странице. Теперь начните с бита с нечетным номером и выполните следующие вычисления: взять значение этого бита, вычесть значения бита непосредственно перед и бита сразу после этого бита, сложить значения битов на два места до и на два места после этого, и так далее. Другими словами: сложите значения битов, которые отстоят на четное количество позиций, и вычесть те из битов, которые находятся на нечетном количестве позиций.Поскольку исходный бит был нечетным, все добавленные биты также были нечетными, в то время как вычитаемые биты имеют четный номер. Как отмечалось ранее, биты с нечетными номерами с большей вероятностью будут равны 1, чем биты с четными номерами; как следствие, приведенный выше расчет даст положительный результат. И наоборот, если бы мы начали процедуру с четным битом, результат было бы отрицательно. Таким образом, мы можем использовать это вычисление для синхронизации потока битов в смысле определение четности или нечетности определенного бита.
К сожалению, это всего лишь теория, которую мы пока не можем применить, поскольку не есть биты еще. Однако мы можем применить тот же расчет к потоку величин сигналов предоставляется на шаге 4: начните с величины в какой-то момент времени, сложить величины в моменты времени, которые на четное количество раз раньше или позже, и вычесть величины временами, которые являются нечетным числом раз в битах раньше или позже. Если бы наше начальное время было прямо в середине бита с нечетным номером, результат был бы положительным, тогда как если бы начальное время было прямо в середине четного бита, результат был бы отрицательным.И, как оказывается, если начальное время находится где-то посередине, результат тоже промежуточный. Таким образом, выполнение этого вычисления в каждый момент времени дает сигнал с пиком в середина битов с нечетными номерами и минимум в середине битов с четными номерами.
Этот сигнал (на основе расчета примерно 10 бит в прошлом и будущем) нанесен желтым цветом RSCW.
На практике сигнал, полученный, как описано выше, несколько зашумлен. Чтобы более точно и надежно оценить время максимумов и минимумов, RSCW подбирает синусоидальный сигнал к сигналу, а затем использует максимумы и минимумы этого синуса для выберите моменты выборки для шага 5.
Очевидно, что этот алгоритм не работает, если разница между нечетным и нечетным даже биты не почитаются. К сожалению, хотя бы одна любительская радиостанция передающий машинно-генерируемый CW (маяк DK0WCY на 10,144 МГц) похоже, использует межсимвольный интервал 4 вместо 3 бит и поэтому может не может быть надежно декодирован с помощью RSCW. Очевидно, что поиск алгоритма без этого ограничения будет полезным улучшением.
Установление порога
В RSCW используется следующий алгоритм.Учитывая набор выборок (для 5 бит до и после бита для который мы пытаемся установить порог), выберите порог так, чтобы среднее расстояние между порогом и выборками над ним, равно среднему расстоянию между порогом и выборками ниже него. Если есть одинаковое количество образцов сверху и снизу, то это просто эквивалент просто взять среднее значение образцов. Но если образцы распределены неравномерно (например, во время приема символ, содержащий много тире), этот алгоритм предотвращает смещение из-за неравномерного распределения.На самом деле порог, как определено выше, не уникален: обычно несколько значений, удовлетворяющих критерию; в этом случае берется среднее от наивысшего и наименьшего возможного такого значения. Кроме того, 7 выборок, наиболее близких по времени к интересующему биту, вводятся дважды. в расчет, чтобы результирующий порог работал более плавно при наличии большого разброса мощности сигнала.
Полученный порог показан на графиках красной линией.
Минимизация ошибок декодирования в скрытых сетевых временных каналах
Бакалавриат # 40
Дисциплина: Компьютерные науки и управление информацией
Подкатегория: Компьютерные науки и информационные системы
Элиакин дель Росарио — Университет Виргинских островов
Соавтор (и): Кевин Гриффин, Калифорнийский университет, Дэвис
Скрытый сетевой синхронизирующий канал — это механизм, используемый для передачи данных по времени между передачей последовательных пакетов. .Синхронизация этих пакетов содержит закодированные данные, которые считываются и декодируются на основе схемы кодирования скрытого сетевого синхронизирующего канала. Чтобы правильно декодировать данные, используя синхронизацию между передачами пакетов, мы должны учитывать возможные колебания сетевой активности, которые могут вызвать дополнительную задержку времени прибытия пакетов. По этой причине таймерный канал скрытой сети зависит от параметров, которые помогают охарактеризовать сеть с целью избежания конфликтов между временем прибытия пакетов, избежания коллизий и уменьшения ошибок декодирования.В этом проекте мы исследовали метод характеристики сети таким образом, чтобы сгенерированные параметры помогали кодировать данные во время передачи пакетов, чтобы минимизировать конфликты между временами прибытия. Наши результаты показали, что канал Covert Network Timing адаптируется к шуму сетей. Дальнейшие исследования включают тестирование других инструментов для характеристики сети и улучшение метода, используемого для генерации параметров с характеристиками сети.
Выражение признательности спонсору: Я благодарю своего наставника и преподавателя Марка Бумедина за его постоянную поддержку в моей профессиональной карьере.Я благодарю своего наставника и соавтора, Кевина Гриффина, за его ценную поддержку и потрясающее наставничество в ходе исследований. Я также благодарю программу Cyber Defender Национальной лаборатории Лоуренса Ливермора за возможность стать частью команды Cyber Defender. Исследование было частично профинансировано CECOR Департаментом энергетики NNSA MSIPP Университета Виргинских островов.
Советник факультета: Кевин Гриффин, [email protected]
Роль: Моим вкладом в это исследование было добавление программы, которая характеризовала сеть и генерировала необходимые параметры для кодирования данных во время передачи пакетов.
Осциллограф
, декодирование последовательной шины и анализ протокола
Введение
Шины последовательной связи широко используются в современной электронике. Последовательные шины предлагают значительные преимущества по стоимости и некоторые улучшения производительности по сравнению с параллельной шиной. Во-первых, на плату направляется меньше сигналов, поэтому затраты на печатную плату ниже. На каждом устройстве требуется меньше контактов ввода-вывода, что упрощает компоновку компонентов и снижает стоимость компонентов.Некоторые последовательные шины используют дифференциальную передачу сигналов, что улучшает помехоустойчивость.

Существует широкий спектр стандартов последовательной связи, каждый из которых оптимизирован для конкретных условий эксплуатации и разной сложности конструкции, разной скорости, энергопотребления, отказоустойчивости и, конечно же, стоимости.