盲源分離研究及其在腦電信號分析中的應用.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、腦電是一種特殊的生物電活動,反映了大腦的功能狀態(tài),分為自發(fā)腦電(EEG)和誘發(fā)電位(EP)兩種。頭皮上采集的腦電可以看作是大腦內的電活動在頭皮上的電位分布,以及人體其它器官組織產生的生物電活動(包括心電,眼電和肌電等)和各種外界因素引起的干擾信號。這些腦外來源的干擾信號稱之為偽差。腦電信號分析的任務之一就是去除腦電中的偽差,分離出純凈的腦電,以便應用于臨床診斷和腦認知科學研究。誘發(fā)電位是神經系統(tǒng)接受內外刺激所產生的特定電活動。通過誘發(fā)電

2、位的檢測可以診斷和分析神經系統(tǒng)的病變和損傷。腦電信號分析的任務之二就是如何從強背景自發(fā)EEG中提取EP信號。 盲源分離(BSS)技術是一種新興的信號分析方法,其本質上與獨立分量分析(ICA)是一致的。ICA是一種多通道信號處理技術,其特點是除源信號相互統(tǒng)計獨立外無其它先驗知識的情況下,將觀察信號分解成為獨立的分量。本文主要對ICA的原理,判據(jù),以及優(yōu)化算法做了歸納性的研究,并將其應用到腦電信號的偽差去除和EP信號的提取中。

3、 本文基于峭度的快速固定點算法(FastICA)的基礎上,對帶參考信號的ICA(rICA)進行了擴展,提出了一種多參考信號的ICA方法。新方法一方面克服了FastICA的計算量過大,對分離的分量需要人工判別的缺點,另一方面也彌補了rICA算法僅僅能提取一路目標信號的缺陷。文中不但詳細的介紹了多參考信號的ICA方法的原理及算法,而且給出了具體的偽差去除算法,最后還將此方法應用到多個腦電偽差的去除中,仿真實驗進一步驗證了算法了有效性。

4、 在無加性噪聲的情況下,ICA能夠較好的對多導信號做盲分離。但實際從頭皮采集的腦電信號中,加性噪聲的干擾是不可避免的。ICA對含有加性噪聲的多導信號的處理效果急劇下降。通常的處理方法是將多導信號先通過小波降噪,然后將去噪后的多導信號作為ICA的輸入。本文提出了一種小波變換(WT)與ICA相結合的方法。具體方法是:先對多導信號進行小波分解,然后對分解得到的小波系數(shù)進行帶參考信號的ICA分離,最后通過小波重構得到目標信號。本文將此方法應

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論