基于壓縮感知的腦電信號(hào)壓縮采樣.pdf

1、本文研究了基于壓縮感知理論的腦電信號(hào)壓縮采樣，首先研究了單通道腦電信號(hào)基于壓縮感知理論的壓縮采樣，然后在單通道的基礎(chǔ)上改進(jìn)算法實(shí)現(xiàn)多通道聯(lián)合壓縮采樣。
　　 在醫(yī)學(xué)實(shí)踐中，通常會(huì)進(jìn)行長(zhǎng)時(shí)間的多次重復(fù)性的多通道腦電圖測(cè)量，因此會(huì)產(chǎn)生大量數(shù)據(jù)。如何有效處理這些數(shù)據(jù)是一個(gè)亟待解決的問題。近年來出現(xiàn)的壓縮感知理論為有效解決這個(gè)問題提出了新的解決思路。鑒于此，本文首先介紹了EEG信號(hào)的先驗(yàn)基礎(chǔ)知識(shí)和壓縮感知的理論框架。接下來研究了基于壓縮

2、感知理論對(duì)單通道EEG信號(hào)的壓縮采樣，內(nèi)容包括腦電信號(hào)最佳稀疏分解，通過實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，對(duì)于EEG信號(hào)，以高斯函數(shù)、高斯小波函數(shù)、墨西哥草帽函數(shù)作為原子的生成函數(shù)構(gòu)造的冗余字典，可以實(shí)現(xiàn)EEG信號(hào)的較好的稀疏分解效果；測(cè)量矩陣的選擇，實(shí)驗(yàn)中比較了常用測(cè)量矩陣對(duì)重構(gòu)誤差的影響，如高斯隨機(jī)矩陣、托普利茲矩陣等，接下來使用測(cè)量矩陣對(duì)稀疏分解系數(shù)向量進(jìn)行觀測(cè)得到測(cè)最值完成壓縮采樣，最后由這些測(cè)量值使用正交匹配追蹤算法恢復(fù)出系數(shù)向量，繼而完成原EE