收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示的单实验事件相关电位信号去噪与分类方法研究

张君  
【摘要】:事件相关电位(Event related potentials, ERPs)是在给予人体视觉、听觉或感觉等刺激下产生的脑诱发电位,作为对人脑认知功能研究的重要手段,被广泛应用于认知神经科学和临床医学的研究中。快速有效的从脑电图中(EEG)提取ERPs信号并对其进行准确判别,对认知脑疾病的检测和治疗有着重要的作用。然而,ERPs信号微弱,通常和EEG信号中的背景噪声混叠在一起,造成其信噪比很小。传统的做法是在假设背景噪声为平稳随机过程的前提下,通过多次单实验信号的叠加平均(Superposition and average, SA)来获得。但是,基于SA办法的前提条件在实际中难满足,同时其且会造成各单次实验信号间重要的认知信息丢失。 信号稀疏表示(Sparse Representation)的基本思想就是用尽可能少的系数重构出原信号,已经被广泛应用于信号分析和处理的各个领域。本文在深入研究稀疏表示理论的基础上,针对现有经典算法的不足,提出基于稀疏表示的ERPs信号去噪和分类算法,论文的主要研究内容和成果如下: 1.针对经典SA去噪算法对噪声假设的不合理性,以及其会造成各单次实验信号之间的认知信息丢失的缺点,本文提出基于改进式Nonlocal Means算法和基于协同滤波算法。首先,将单次实验信号组合形成ERPs图像,然后对其进行取块操作,利用图像块之间的相似性,在稀疏表示的框架下进行最佳信号重建以达到去噪效果。相关实验证明,本文所提的去噪算法不仅克服了经典算法中存在的缺点,而且都取得了不错的去噪效果。此外,在计算时间复杂度方面相比经典算法也有了较大的改善。 2.ERPs信号的数据维数往往有几万维之高,基于判别函数的分类器,需要在对其进行特征提取的情况下才能加以判别分析,而特征提取的好坏又直接关系到分类结果的准确性。对ERPs信号来说,如何选择这些具有判别能力的特征是艰难的,不仅因为它的数据维数实在太大而难以满足分类器变量数目的限制要求,而且ERPs信号本身特有的低信噪比特性会影响特征提取的准确性。本文所提的基于稀疏表示分类(Sparse Representation Classifier, SRC)算法、判别K-SVD算法和标签一致K-SVD算法,都不再将ERPs信号的特征提取作为研究重点,而是在稀疏表示理论框架下以信号最小重建误差的标准对新的ERPs信号加以判别归类。相关实验证明,基于稀疏表示的分类算法与经典算法相比不仅获得了更好的分类效果和更低的时间消耗,而且可以解决ERPs信号采集过程中样本量不足的问题。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王晓华;杨新艳;焦李成;;基于多尺度几何分析的复杂网络压缩策略[J];电子与信息学报;2009年04期
2 刘晓山;付国兰;;基于正交有限脊波变换的图像压缩[J];计算机与信息技术;2007年04期
3 刘晓山;付国兰;;基于脊波变换和SPIHT算法相结合的图像压缩[J];江西师范大学学报(自然科学版);2007年06期
4 王华丹;刘海林;;稀疏盲源分离问题的恢复性研究[J];广东工业大学学报;2008年02期
5 杜吉祥;翟传敏;尚丽;;基于ICA系数稀疏表示的年龄自动估计[J];中国图象图形学报;2009年10期
6 徐雪松;李玲娟;郭立玮;;基于稀疏表示的数据流异常数据预测方法[J];计算机应用;2010年11期
7 谈华暠;刘海林;;盲稀疏源信号分离算法的恢复性研究[J];广东工业大学学报;2007年03期
8 王佳毅;张丽清;;基于稀疏约束判别分析的说话人识别算法[J];计算机工程;2010年10期
9 任肖丽;;压缩感知理论研究简述[J];中国科技信息;2010年13期
10 周诺;陈炜;;基于稀疏表示的高分辨距离像自动目标识别(英文)[J];Chinese Journal of Aeronautics;2010年05期
11 崔保良;滕少华;崔振;;基于稀疏表示的协同入侵检测算法[J];计算机工程;2011年16期
12 尹忠科;邵君;Pierre Vandergheynst;;利用FFT实现基于MP的信号稀疏分解[J];电子与信息学报;2006年04期
13 尹明;尹忠科;王建英;;利用蚁群算法实现基于MP的信号稀疏分解[J];计算机工程与应用;2006年36期
14 邓承志;曹汉强;;非相干子字典多原子快速匹配追踪算法[J];信号处理;2009年04期
15 王军华;方勇;;基于Curvelet稀疏表示的图像盲分离初始化[J];应用科学学报;2009年02期
16 肖泉;丁兴号;王守觉;郭东辉;廖英豪;;基于自适应超完备稀疏表示的图像去噪方法[J];仪器仪表学报;2009年09期
17 赵瑞珍;刘晓宇;LI ChingChung;SCLABASSI Robert J;孙民贵;;基于稀疏表示的小波去噪[J];中国科学:信息科学;2010年01期
18 廖海斌;郝宁波;陈庆虎;;基于奇异值与稀疏表示的稳健性人脸识别[J];电视技术;2010年07期
19 易学能;曹汉强;;一种图像稀疏贪婪索引字典的构造方法[J];小型微型计算机系统;2011年06期
20 史晨星;曹继华;刘霄;;基于压缩传感理论的医学CT成像技术[J];科技创新导报;2011年20期
中国重要会议论文全文数据库 前9条
1 王潇;尹忠科;王建英;杨郑;;应用基追踪的信号分离的算法[A];2008年中国西部青年通信学术会议论文集[C];2008年
2 吴敏;孙玉宝;汤黎明;韦志辉;肖亮;;EEG信号的稀疏逼近算法研究[A];2008年中华临床医学工程及数字医学大会暨中华医学会医学工程学分会第九次学术年会论文集[C];2008年
3 叶喜勇;陶霖密;王国建;邸慧军;;视角无关的人体躯干动作识别[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
4 孙琳琳;张云;;基于FOCUSS算法的相干斑噪声抑制方法研究[A];全国第二届信号处理与应用学术会议专刊[C];2008年
5 袁立;付伟;穆志纯;;一种自动人耳识别方法研究[A];中国自动化学会控制理论专业委员会A卷[C];2011年
6 顾莹;朱秀昌;;基于CS的图像超分辨率重建[A];2010年通信理论与信号处理学术年会论文集[C];2010年
7 张琼;付怀正;沈民奋;;基于稀疏表示的彩色图像超分辨率重建算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
8 陈权崎;章毓晋;;一种改进的基于样本的稀疏表示图像修复方法[A];第十五届全国图象图形学学术会议论文集[C];2010年
9 高畅;李海峰;马琳;;基于压缩感知理论的语音信号压缩与重构方法[A];第十一届全国人机语音通讯学术会议论文集(一)[C];2011年
中国博士学位论文全文数据库 前10条
1 杜小勇;稀疏成份分析及在雷达成像处理中的应用[D];国防科学技术大学;2005年
2 邓承志;图像稀疏表示理论及其应用研究[D];华中科技大学;2008年
3 张楠;低秩鉴别分析与回归分类方法研究[D];南京理工大学;2012年
4 尚丽;稀疏编码算法及其应用研究[D];中国科学技术大学;2006年
5 耿耀君;高通量数据特征选择算法研究[D];西安电子科技大学;2013年
6 王党卫;超宽带雷达目标电磁特征抽取与识别方法研究[D];国防科学技术大学;2006年
7 刘吉英;压缩感知理论及在成像中的应用[D];国防科学技术大学;2010年
8 李小薪;稀疏表示的分段匹配寻踪方法[D];华南理工大学;2009年
9 刘盛鹏;基于Contourlet变换的图像稀疏分量分析[D];上海大学;2007年
10 刘也;弹道目标实时跟踪的稳健高精度融合滤波方法[D];国防科学技术大学;2011年
中国硕士学位论文全文数据库 前10条
1 张君;基于稀疏表示的单实验事件相关电位信号去噪与分类方法研究[D];厦门大学;2014年
2 陈威;基于数据稀疏表示的快速磁共振成像技术研究及应用[D];杭州电子科技大学;2014年
3 汪兰;基于稀疏表示和压缩感知的目标检测与跟踪研究[D];厦门大学;2014年
4 黄翔;基于单演特征和遮挡字典的稀疏表示人脸识别研究[D];安徽大学;2014年
5 王自桦;基于多字典和稀疏表示的图像去噪方法[D];厦门大学;2014年
6 刘燕文;基于稀疏表示的多成分字典超分辨率图像重建的研究[D];厦门大学;2014年
7 杨愚;图像稀疏分解快速实现与初步应用[D];西南交通大学;2007年
8 林晋;基于稀疏分解的图像压缩编码算法研究[D];电子科技大学;2008年
9 张跃飞;基于稀疏分解的图像压缩[D];西南交通大学;2006年
10 韦泉华;基于稀疏表示的盲信号分离算法及其改进[D];中国地质大学(北京);2006年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978