收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于独立分量分析的脑电消噪与特征提取

王永飞  
【摘要】:独立分量分析(Independent Component Analysis,ICA)是近年来由盲源分离(Blind Source Separation,BSS)技术发展来的一种新的多维信号处理方法。它以非高期信号为处理对象,在满足一定的条件下,能从多路观测信号中,较完整的分离出隐含其中的若干独立源信号。 ICA最初主要是解决类似鸡尾酒会的盲源分离问题,二十世纪九十年代初,J.Herault和C.Jutten等人从盲源分离问题研究中,提出了ICA的基本概念。L.Tong等人在分析了盲源分离问题的可分离性和不确定性,并给出一类基于高阶统计的矩阵代数特征分解方法。之后,Comon对ICA的概念进行了系统地阐述,并基于高阶统计直接构造了目标函数。1995年,A.J.Bell和T.J.Sejnowski从信息论的角度重新阐述了盲信源分离问题,提出了随机梯度下降的ICA学习算法(Infomax ICA),该算法可以说是ICA研究热潮的起点。随后,S.Amari及其研究小组在ICA算法理论研究方面也做了很多开创性的工作。在之后的ICA研究过程中,一些年轻学者,如T.W.Lee,A.Hyvarinen在ICA研究方面作出了卓有成效的贡献,提出的扩展Infomax算法、FastICA算法,使得ICA技术进一步走向应用领域。 大脑中通常有不同的部位(信号源)发出信号,脑电信号检测和记录设备记录到的实际上是不同的信号源发出的信号的混迭,而且还常伴随着一些噪声干扰源,这就需要利用ICA方法分离出信号源及噪声干扰源,以达到进一步对脑电信号进行消噪及特征提取的目的,从而帮助我们对脑认知功能做更深的探索研究。ICA应用于EEG的信号分析处理是ICA在生物医学信号处理领域中得到应用的一个实例。另外,ICA在通信、模式识别、雷达信号处理等众多领域均引起了极大的关注。 在脑电信号处理过程中,包含人体其他器官组织产生的生物电信号(如眼电等)以及各种外界因素引起的干扰信号。我们对脑电信号处理的目的是为了从复杂的背景噪声中分离出有用的脑电信号,进而从中提取出具有明确生理意义的脑电特征,并应用于临床医学和脑认知科学的研究。 本文简明扼要的介绍了独立分量分析发展的历史,介绍了本实验室的脑电信号采集系统及应用软件系统,并利用本系统采集了一位同事的脑电信号,本文根 据所采集的脑电数据,利用ICA的基本原理及其代表性的两类算法对所采集的数掘进行了系统的分析,并将其应用于对脑电的消噪和特征提取的研究中 本文所做的工作如下: 1.从ICA基本原理出发,分别探讨了FastICA算法和Infomax算法基本原理,并对算法进行系统分析,以及对它们的盲源分离性能进行了分析验证,结果证明了ICA算法对实际应用将具有一定的指导意义。 2.对独立分量分析在ERP消噪中的应用进行了研究。首先对实测的视觉诱发ERP数据运用ICA算法进行分解,然后利用脑电的先验知识,从时域、频域及空间分布模式入手对ICA分离出的独立分量进行噪声识别,这种多角度分析法避免了仅从某一个角度分析时所带有的经验性。此外,传统的基于ICA的ERP消噪多是仅仅对非神经电活动(如眼电等)噪声进行消除,本文除了作了这方面的工作主外,还对部分与刺激具有锁时(Time-lock)关系的自发脑电噪声也进行了处理,从而克服了在后续的ERP提取过程中所造成的难以抑制这些锁时噪声的缺陷。实验获得了理想的ERP消噪效果,并为ERP的可靠提取提供了一条切实可行的新思路。 3.利用ICA分析对诱发脑电信号进行了研究,实验结果表明ICA可以明确地分离出含有一定生理意义的脑电特征,这对临床医学研究具有很重要的意义。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 蒋宇;李志雄;;齿轮箱振动源信号分离与故障诊断研究[J];湖北工业大学学报;2011年04期
2 陆凤波;黄知涛;姜文利;;基于Fast-ICA的CDMA信号扩频序列盲估计及性能分析[J];通信学报;2011年08期
3 焦芳芳;封志宏;杨桂芹;;盲信号分离及盲信号抽取研究[J];无线电工程;2011年09期
4 赵伟;陈仁安;张晓玲;;基于ICA和DCT的标注水印盲提取算法[J];电子测量技术;2011年06期
5 程舒慧;吴小培;;基于滑动窗口的ICA算法动态分离胎儿心电[J];工业控制计算机;2011年06期
6 赵伟;陈仁安;张晓玲;游荣义;;基于ICA和DCT的鲁棒性盲水印算法[J];厦门理工学院学报;2011年02期
7 钱博;王洋;滕振宇;;差分跳频信号分离方法研究[J];沈阳理工大学学报;2011年02期
8 林积微;周新丰;李辉;;基于负熵的多目标射频信号分离研究[J];无线电通信技术;2011年04期
9 贺峥嵘;刘智;王番;陈永昌;;非下采样Contourlet域的ICA法SAR图像相干斑抑制[J];测绘工程;2011年03期
10 郭水旺;李白燕;;过完备ICA算法在语音信号提取中的应用[J];计算机系统应用;2011年07期
11 张峰;胡斐;罗立民;鲍旭东;董艳丽;;电阻抗扫描成像计算机辅助诊断方法研究[J];计算机应用与软件;2011年08期
12 季策;胡祥楠;朱丽春;张志伟;;改进的高阶收敛FastICA算法[J];东北大学学报(自然科学版);2011年10期
13 袁江南;石江宏;陈辉煌;;基于复数ICA的无线直放站反馈干扰抵消算法[J];解放军理工大学学报(自然科学版);2011年03期
14 吴一全;纪守新;尹丹艳;;基于NMF、ICA和复Contourlet变换的红外小目标检测[J];宇航学报;2011年08期
15 刘宇;李钢;安宁;;基于先验知识的独立分量分析技术在高光谱图像端元提取中的应用[J];安徽农业科学;2011年16期
16 张和发;李立萍;杨小牛;李万春;;一种适用于微弱信号盲提取的白化方法[J];电子学报;2011年06期
17 袁文凤;齐俊平;;视频字幕检测与提取研究[J];滁州职业技术学院学报;2011年02期
18 韩萍;刘则徐;何炜琨;;一种有效的机场安检X光手提行李图像两级增强方法[J];光电工程;2011年07期
19 程道来;陈丹;仪垂杰;张志强;;基于独立变量方法的典型舱音去噪分析研究[J];微计算机信息;2011年07期
20 张新征;;基于多小波子带加权判别熵的SAR目标ICA特征提取及识别[J];计算机应用;2011年09期
中国重要会议论文全文数据库 前10条
1 谢凡;滕云田;徐沁;;独立分量分析在地磁台站轨道交通干扰分析中的应用[A];中国地球物理2010——中国地球物理学会第二十六届年会、中国地震学会第十三次学术大会论文集[C];2010年
2 刘喜武;刘洪;李幼铭;;独立分量分析及其在地震信息处理中应用初探[A];中国科学院地质与地球物理研究所二○○三学术论文汇编·第四卷(油气资源)[C];2003年
3 秦先勇;沈功田;何仁洋;李寰;;基于独立分量分析的气体管道泄漏信号消噪方法研究[A];压力管道技术研究进展精选集——第四届全国管道技术学术会议[C];2010年
4 刘杰;印兴耀;杨培杰;;基于独立分量分析的地震盲反褶积方法[A];中国地球物理学会第二十三届年会论文集[C];2007年
5 孙军晓;王永刚;白博;;快速独立分量算法在地震解释中的应用研究[A];中国地球物理学会第二十四届年会论文集[C];2008年
6 潘永;印兴耀;刘杰;;基于独立分量分析的地震数据串联处理[A];中国地球物理学会第二十四届年会论文集[C];2008年
7 李国福;曹思远;张凤君;周鹏;韩瑞东;;地震去噪中的P-ICA方法[A];中国地球物理第二十一届年会论文集[C];2005年
8 杨科化;柳重堪;;基于独立分量分析的数字水印攻击[A];第二届全国信息获取与处理学术会议论文集[C];2004年
9 刘建辉;李振春;;基于线性几何独立分量分析的多次波压制方法[A];中国地球物理·2009[C];2009年
10 郭旭红;朱忠奎;;基于ICA的工业过程监控方法及其在TEP中的应用[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年
中国博士学位论文全文数据库 前10条
1 周仲兴;复合下肢想象动作电位的特征识别新技术研究[D];天津大学;2009年
2 韩军;内燃机的非平稳信号分析方法及其噪声源小波识别技术的研究[D];天津大学;2004年
3 焦卫东;基于独立分量分析的旋转机械故障诊断方法研究[D];浙江大学;2003年
4 许宏吉;发射分集和波束形成优化设计及其盲接收技术研究[D];山东大学;2005年
5 林秋华;基于盲源分离的图像与语音加密新方法研究[D];大连理工大学;2006年
6 李小军;独立分量分析及其在阵列信号处理中的应用[D];西安电子科技大学;2004年
7 米建勋;带参考信号的独立分量分析理论及其应用研究[D];中国科学技术大学;2010年
8 静行;基于独立分量分析的结构模态分析与损伤诊断[D];武汉理工大学;2010年
9 万敏;独立分量分析的神经网络方法[D];电子科技大学;2011年
10 郭晓静;独立分量分析在脑—机接口中的应用研究[D];安徽大学;2010年
中国硕士学位论文全文数据库 前10条
1 郭婧;基于听觉注意的认知脑—机接口研究[D];清华大学;2010年
2 陈桂宏;基于独立分量分析和小波变换的钢丝绳缺陷信号提取[D];中南林业科技大学;2009年
3 周成;基于独立分量分析的单通道语音降噪算法的研究[D];电子科技大学;2005年
4 何付志;独立分量分析在脑电信号分析中的应用[D];山东大学;2005年
5 张丽丹;基于监督独立分量分析的人脸识别[D];哈尔滨工程大学;2005年
6 王可;盲源分离技术在多通道信号处理中的应用[D];汕头大学;2004年
7 范建中;基于ICA和小波神经网络的人脸识别研究[D];华侨大学;2005年
8 朱瑾;基于肤色和独立分量分析的人脸检测技术研究[D];华侨大学;2005年
9 周旭欣;独立分量分析算法的计算机仿真及其在多导脑电信号处理中的应用[D];四川大学;2005年
10 吕鑫;独立分量分析在MIMO OFDM系统信道盲估计中应用的研究[D];兰州大学;2006年
 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