基于低秩稀疏分解的新型腦電信號處理方法.pdf

1、腦電信號處理作為腦機接口的基礎(chǔ)，在神經(jīng)科學(xué)、醫(yī)學(xué)、生理學(xué)等研究領(lǐng)域發(fā)揮著重要的作用，關(guān)于腦電信號處理方法的研究已經(jīng)成為腦機接口研究的一個重要課題。目前常見的腦電信號處理方法如獨立成分分析等都是從信號的“源”出發(fā)通過一系列變量的線性疊加來近似原信號。本文針對腦電信號的處理，從信號的組成部分出發(fā)，提出了一種新的假設(shè)：腦電信號是由背景信號與任務(wù)意識信號組成，固有背景信號是被試在任何狀態(tài)下所具有相對穩(wěn)定的腦電信號，任務(wù)意識信號是由被試在特定任務(wù)

2、下由相應(yīng)皮層神經(jīng)元激活所產(chǎn)生的，而實際采集到的腦電信號是以上兩者和噪聲的混合疊加。
　　本研究主要內(nèi)容包括：⑴提出了基于低秩稀疏分解的腦電信號處理方法。首先對低秩稀疏分解進行詳細的研究，并簡單介紹了一些算法。然后基于低秩稀疏分解處理腦電信號，建立腦電信號的低秩稀疏分解模型，認為腦電信號是由低秩的固有背景信號與稀疏的任務(wù)意識信號疊加而成，進而探索新型的腦電信號處理方法。⑵提出了基于腦電信號低秩部分的身份識別方法。為了研究腦電信號的低

3、秩部分為固有背景信號，是被試在任何狀態(tài)下所具有的相對穩(wěn)定的腦電信號，在身份識別中，基于低秩稀疏分解算法去除腦電的任務(wù)意識信號，分析被試的固有背景腦電，進而完成身份識別。首先對原始腦電數(shù)據(jù)進行濾波，基于 GoDec算法對濾波后的數(shù)據(jù)進行分解，將得到的低秩部分基于相位和幅值信息進行一次特征提取，得到相位同步特征，隨后將低秩部分與原始腦電信號相結(jié)合投影到子空間中，進行二次特征提取，最終使用稀疏表達分類器進行分類。⑶提出了基于腦電信號稀疏部分的

4、運動想象認知任務(wù)分類方法。為了研究腦電信號的稀疏部分為任務(wù)意識信號，是被試在特定任務(wù)下由相應(yīng)皮層神經(jīng)元激活所產(chǎn)生的腦電信號，在運動想象分類任務(wù)中，基于低秩稀疏分解算法提取任務(wù)意識信號，分離被試的固有背景信號進而進行運動想象分類。首先將原始腦電數(shù)據(jù)分別基于GreGoDec算法和MBRMF算法進行處理，分解出腦電信號的稀疏部分，嘗試提取出腦電信號的任務(wù)意識部分，而后使用共同空間濾波算法進行特征提取，最終使用線性判別分類器進行分類。⑷基于低秩