没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
为消除脑电信号中的心电、眼电等伪差,在已有的不动点算法和带参考信号的独立分量分析算法的基础上,提出了一种多参考信号的独立分量分析方法。该方法通过计算各伪差在各路观测信号中的比重,去除伪差对观测信号的影响,从而得到较为纯净的脑电信号。所提方法相对于传统的 fast ICA算法具有更小的计算量,并且不需要对分离的独立源进行人工干预,同时也是对 ICA-R算法的一种扩展,解决了其只能提取单路源信号的缺点。仿真实验证明该方法更切合实际情况,而且能够更加有效地去除脑电信号中的多个伪差。
资源推荐
资源详情
资源评论
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/release/download_crawler_static/19701091/bg1.jpg)
:9嗦3帻噍09嘈嘌 6嘈嘈郤囿喱囗啶囿唰唰啜810郳08嚓唰啜啻 嗔嗬喙啻嘌嘌啾(嘹8囗(08嚓嗥 )啻 嗔嗬喙啻嘌嘌啾(嘹8囗(08嚓嗥 )郌郉
第48卷第 5期
2 0 0 8 年 9 月
大 连 理 工 大 学 学 报
Journal of Dalian University of Technology
Vol .48 , No .5
Sept . 2 0 0 8
电子信息工程 、管理工程
文章编号 :1000‐8608(2008)05‐0740‐04
多 参 考 信 号 的 ICA 方 法 及 其 在 去 除 脑 电 伪 差 中 应 用
邱 天 爽
倡
, 武 建
( 大连理工大学 电子与信息工程学院 ,辽宁 大连 116024 )
摘要 :
为消除脑电信号中的心电 、眼电等伪差 ,在已有的不动点算法和带参考信号的独立分
量分析算法的基础上 ,提出了一种多参考信号的独立分量分析方法 .该方法通过计算各伪差
在各路观测信号中的比重 ,去除伪差对观测信号的影响 ,从而得到较为纯净的脑电信号 .所提
方法相对于传统的 fast ICA 算法具有更小的计算量 ,并且不需要对分离的独立源进行人工干
预 ,同时也是对 ICA‐R 算法的一种扩展 ,解决了其只能提取单路源信号的缺点 .仿真实验证
明该方法更切合实际情况 ,而且能够更加有效地去除脑电信号中的多个伪差 .
关键词 :独立分量分析 ;参考信号 ;伪差去除 ;脑电信号
中图分类号 :R318 .08 文献标志码 :A
收稿日期 :2006‐12‐15 ; 修回日期 :2008‐07‐20 .
基金项目 :国家自然科学基金资助项目 (30574075 ,30170259 ,60372081) ;教育部博士学科点专项科研基金资助项目(20010141025) .
作者简介 :邱天爽
倡
(1956‐) ,男 ,教授 ,博士生导师 ,E‐mail :
q
iutsh@ dlut .edu .cn .
0 引 言
脑电 (electroencephalograph ,EEG )是大脑
神经元突触后的综合 ,是大脑活动产生的电场经
容积导体传导后在头皮上的电位分布 .通过对病
人不同头皮位置测得的 EEG 信号进行观察分析 ,
可以大致判断出大脑疾病类型以及病灶部位 .但
是 ,在 EEG 的多导测量中 ,往往会混入脑外来源
所产生的电位信号 ,这些信号就是伪差 .常见的伪
差有心电 、眼电 、血管波 、肌电 、出汗以及工频干扰
等
[1]
.伪差有时和脑电波非常相似 ,常常给 EEG
信号的阅读和分析造成极大困难 .因此 ,伪差的消
除是迫切需要解决的问题 .
独 立 分 量 分 析 (independent component
analysis ,ICA)方法是近年来新发展起来的一种
多维信号处理方法 .与传统的多维信号分析方法
不同的是 ,经 ICA 处理得到的各个分量不仅去除
了相关性 ,而且还是相互统计独立的 .因此 ,ICA
技术在信号处理领域受到广泛的关注 .特别在脑
电处理领域 ,可以认为各种伪差与 EEG 信号分别
由相互独立的源产生 ,且是瞬时线性混合的 ,所以
将 ICA 技术应用到 EEG 信号中伪差去除成为可
能
[2]
.
本文在已有的不动点算法以及带参考信号的
ICA 算法的基础上 ,提出了一种新的多参考信号
的 ICA 算法 ,并将其应用到脑电信号中多个伪差
的去除 .
1 算法原理
1 .1 ICA 问题描述
设 s
=
(s
1
… s
n
)
T
为 n 个源信号构成的 n
维向量 ,x
=
(x
1
… x
m
)
T
为 m 维观测数据向
量 ,其元素是各个传感器得到的输出 ,观测信号可
用下面的方程描述 :
x
=
As (1)
其中混合矩阵 A为 m
×
n维矩阵 .式(1)的含义是
n 个源信号通过混合得到 m 维观测数据向量 .
ICA 方法的目的是 :在混合矩阵 A 和源信号
未知的情况下 ,假设各个源信号 s
i
是相互统计独
立的 ,根据观测数据向量 x确定分离矩阵W ,得到
u
=
Wx (2)
其中 u
=
(u
1
… u
n
)
T
是对源信号向量 s 的估
计 .在实际应用中常常假设 m
=
n .
1 .2 多参考信号的 ICA 算法
1997 年 Hyvarinen 等
[3 ~ 5]
首先提出了基于
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/default.jpg!1)
weixin_38656103
- 粉丝: 0
- 资源: 956
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
最新资源
- 公开整理-3600+Bank数据集.dta
- 8051Proteus仿真c源码用指针数组控制P0口8位LED流水点亮
- 公开整理-3600+Bank数据库.xlsx
- 图像检索-基于深度哈希蒸馏实现的图像检索算法-附项目源码-优质项目实战.zip
- 8051Proteus仿真c源码用右移运算流水点亮P1口8位LED
- MATLAB计算声发射b值(或熵值,或活动度S值,变异系数CV值,均值与方差,以及自相关系数Acf,六选一)p文件资料包(计算间
- 8051Proteus仿真c源码用有参函数控制P0口8位LED流水速度
- Elastic Stack-ES集群加密及Kibana的RBAC实战
- 西门子plc博图与优傲UR机器人进行Profinet通讯,s7-1200 1500 与UR机器人通讯,实际应用案例使用中,可提供
- epoll+线程池实现的高并发服务器
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)