首页 > 文献资料
-
FastICA在心电信号降噪中的应用
目的 研究基于峭度和负熵的FastICA的模型特点,分析两种算法在心电信号去噪中的应用,对ICA在信噪分离中的特点加以分析研究.方法 首先利用心电数据库MIH-BIT中单独的心电信号和噪声混合对FastICA进行降噪测试,通过降噪后心电信号和原信号对比测试基于峭度和负熵的FastICA的降噪效果,然后对DaISy数据库中的真实含噪心电信号进行降噪,分析其在真实环境中的降噪效果.结果 通过多组合成混合含噪心电信号和真实含噪心电信号对两种FastICA进行分离测试,发现两种FastICA都可成功地分离心电信号和噪声,其中基于峭度的FastICA的降噪速度较快,而基于负熵的FastICA的精确度较高.结论 基于峭度和负熵的FastICA可以应用于心电信号的降噪中,并且能够有效降低信号噪声.
-
基于结合小波变换与FastICA算法的脑电信号降噪
该文提出一种结合小波变换(WPT)与快速独立分量分析(FastICA)算法的方法来分析脑电信号.首先,原始脑电信号是通过使用WPT分解为三个层.然后,设置第三层高频率的系数为零,以减少脑电信号的随机噪声,同时尽可能的保留信号的细节.其次,采取快速独立分量分析算法的优势,从脑电信号中分离所有类型的噪声.提出一种准预期值(QEV)的方法确定脑电图信号来自何处.后,为了检验系统的性能,所有信道的相关信号在快速独立分量分析的输出进行分析.实验结果证实,交叉相关系数是10-15或10-16的量级,几乎可以被视为零.所提出性能良好的方法可以去除脑电信号所有类型的噪声.
-
快速独立分量分析及其在脑电信号处理中的应用
独立分量分析(Independent Component Analysis, ICA)是一种基于信号统计特性的盲源分离方法,由于其分离的信号之间是互相独立的,所以在生物电信号去除干扰和伪迹、信号分离以及特征提取等方面有很大的潜在价值.本文提出了一种改进的快速ICA方法,提高了收敛速度.通过仿真,证明这种方法的优越性.后利用该方法去除脑电中眼动伪迹,达到了较好的效果.
