首页 > 文献资料
-
信号提取技术在脑机接口系统中的应用
目的 以 SSVEP为实例探讨脑机接口系统中输出信号的提取方法.方法 分别利用功率谱密度估计、独立分量分析和数字滤波器等技术提取脑电信号中的稳态视觉诱发电位,并对上述各种技术提取该信号的独到之处进行讨论.结果 本文利用图示方式直观展示了三种信号处理技术在 SSVEP提取中的特点.结论 将三种信号处理技术用于脑机接口研制与开发的不同阶段,给特征信号的确认、分析和提取带来很大方便.
-
基于独立分量分析的脉搏波信号的降噪处理
在血氧饱和度的无创监测过程中,由于采样得到的脉搏波信号信噪比较低,这给血氧饱和度的准确测量带来了困难,所以对于噪声干扰的去除是准确计算血氧饱和度的关键前提.本文利用基于信息极大判据的独立分量分析方法处理受白噪声干扰的脉搏波信号,实验证明该方法可以有效地分离脉搏波信号和噪声,为准确监测血氧饱和度奠定了基础.
-
基于独立分量和功率谱分析的 VEP提取
近年来,相关领域的科学家和医学专家们正致力于利用脑电信号研究大脑不同皮质区在各种认知活动中所表现出来的生物电变化,并且试图利用这些变化测试人类心理,控制外部环境.人类头皮脑电信号包括自发脑电和诱发电位两种成分.由于诱发电位一般只有 0.3-20μ V,而自发脑电的幅度却高达 30-100μ V,因此,如何从脑电信号中有效提取淹没在自发脑电中的诱发电位便成为脑电成分特征提取的关键.本文利用独立分量分析和功率谱分析相结合的方法对用固定频率刺激源引出的视觉诱发电位进行提取,取得了令人满意的结果.
-
基于独立分量分析的盲源分离技术
独立分量分析(ICA)是一种新的盲源分离技术,到目前为止,人们已从不同的角度提出了多种ICA算法.本文较为详细地介绍了基于信息极大传输理论的Infomax算法.实验表明独立分量分析具有良好的盲源分离性能.
-
基于独立分量的医用耗材需求分析模型
目的:发掘和控制医用耗材需求的影响因素,使医用消耗性材料的管理更趋科学化和规范化.方法:利用独立分量分析原理处理医用耗材需求量数据,建立了医用耗材需求量数据处理的数学模型.结果:结合某种医用耗材,给出了处理实倒并加以考察分析.结论:基于独立分量的医用耗材需求分析模型对于指导医用消耗性材料的管理和控制具有非常重要的意义.
-
基于小波变换和独立分量分析的心室晚电位识别
由于晚电位(VLP)信号本身的复杂性以及生物个体差异,其检测的敏感性和特异性还不太高.因此探索和完善晚电位分析方法 的研究很有意义.本文提出了一种结合小波变换WT(wavelet transform)和独立分量分析(independent component analysis,IEA)的VLP特征提取新方法--WICA.新方法的主要思路是先对心电信号进行小波变换.得到多导的小波变换系数序列,再对系数序列用ICA寻求解混阵W和分解出的晚电位独立分量.实验结果表明,WICA方法 在一定程度上能够克服传统方法检测分辨率较低的弱点,并能获得较好的VLP识别.
-
基于ICA的重叠语音基频提取和语音增强
语音信号是一种特征时变信号,基音频率提取和语音增强是两种常见语音处理要求.独立分量分析(ICA)是一种盲信号处理方法,目的在于将混合在观察信号中的相互独立的源信号分离出来,ICA在很多领域都有广泛的应用,在语音信号上为成功,本文将ICA用来提取重叠语音信号中的基音频率,提出了一个基于ICA的混叠语音基频提取系统,成功地解决了基频相互接近时无法提取混合信号基频的问题,并将它应用到有音乐背景下的语音增强方面,均取得了较好的结果.
-
基于脑电信号时空分布信息的思维特征研究
通过对几种特定形式的思维状态下,脑电信号不同频段能量的时空分布的计算和分析,发现了思维状态对脑电信号的能量分布影响具有不对称性.同时利用这种脑电信号能量的时空分布信息对思维状态进行神经网络分类,并对去除眼动等干扰信号前后的分类结果进行比较.结果表明,这种时空分布信息能有效的表征思维状态的类型,并对干扰信号具有一定的抑制作用,是一种研究脑电和思维认知关系的有效方法.
-
基于扩展Infomax ICA的ERP少次提取方法研究
事件相关电位(event related potential,ERP)提取是脑电研究的重点之一,目前临床上主要通过相干平均的方法来获取.由于脑电的非平稳性,使其需要大量重复刺激才能获得,对于受试者极不方便,也不利于ERP的实时检测.本文以反映大脑稀少认知事件的相关电位P300为例,采用扩展Infomax(extended informationmaximization)独立分量分析(independent component analysis,ICA)算法,先滤除眼动、工频干扰,再重构脑电数据,后经少次叠加即可得到与通常需多次相干平均结果相近的比较满意的P300波形.说明ICA算法在ERP的峰值和潜伏期模式识别上具有较为明显的效果,具有潜在的临床工程应用价值.
-
独立分量分析和小波熵在动作模式分类中的应用
在表面肌电信号(electromyography,EMG)中,各类动作的识别是一个重要研究方向.本文采用独立分量分析independent component analysis,ICA)对肌电信号进行处理,消除各动作信号之间的相互线性耦合叠加,并采用信号的小波熵作为特征向量进行模式识别.试验表明,在对信号进行先期ICA处理以后,动作模式的识别效果较好.此方法也可应用于其他生理信号的识别分类.
-
基于生理信号模式识别和针法电刺激的智能生物反馈系统
目的 在生物反馈闭环系统中用人工智能技术代替专家对测试信号进行判断和决策,并将此智能生物反馈系统应用于焦虑症的治疗.方法 采用独立分量分析和RBF神经网络方法对反映病症的皮电和肌电信号进行特征提取和模式识别,实现系统的自动诊断.同时,还在生物反馈系统中加入仿传统针法的智能电刺激器.结果 提取的焦虑症患者和正常人的皮电信号差别明显,计算机能够得出正确判断.结论 临床实践证明通过生物反馈放松训练确能有效缓解焦虑症状,系统自动诊断的正确率基本满足初步诊断的要求.
-
脑机接口中一种多类运动想象任务识别新方法
目的：针对脑机接口中三类运动想象任务，提出一种小二乘法自适应滤波结合独立成分分析以及样本熵（ RLS－ICA－SampEn ）、多类共同空间模式（ CSP ）、增量式支持向量机（ ISVM ）相结合的脑电识别新方法，以解决脑机接口中多类运动想象正确率低的问题。方法首先采用ICA将EEG分离，然后利用样本熵自动识别分离后的噪声，再采用RLS对识别出来的噪声进行滤波，后进行信号重构，得到去除噪声的脑电信号。多类CSP采用“一对一”CSP与多频段滤波相结合，对去噪后的脑电信号进行特征提取。通过“一对多”方式的ISVM对三类运动想象脑电信号获取的特征向量进行分类。为检验新方法的有效性，将本文方法与多类CSP＋ISVM（方法1）及RLS－ICA＋多类CSP＋ISVM（方法2）进行比较。结果对三类想象任务而言，本文方法识别正确率与方法1和2相比均高8％左右。结论与方法1和2比较，RLS－ICA－SampEn、多类CSP、ISVM相结合的脑电识别新方法能更好地适用于多类运动想象任务识别。
-
听觉诱发电位提取技术进展
听觉诱发电位所包含的时域和频域信息对于客观评价人体听觉功能和诊断神经系统疾病等方面都具有重要意义.本文综述了听觉诱发电位的信号处理技术新进展,包括时变滤波叠加、自适应滤波、小波变换、人工神经网络、独立分量分析、希尔伯特-黄变换6种处理方法.这些方法都致力于减少刺激次数,更高质量地提取听觉诱发电位信号.
-
诱发电位波形提取方法及进展
诱发电位(EP)信号在检测神经系统的状态和变化上有重要意义,但EP信号往往淹没在脑电图信号(EEG)中.本文综述了几种EP信号的提取方法,包括平均法,滤波法,峰值分量潜伏期相关平均方法(PC-LCA),高阶累积量方法,独立分量分析(ICA)方法等.并对几种方法进行了综合比较.针对近年来对EP信号及其噪声的研究,本文对一种新型的EP信号提取方法进行了展望.
-
独立分量分析在脑电信号处理中的应用及研究进展
独立分量分析(independent component analysis,ICA)方法是从一组观测信号中提取统计独立分量的方法.因为用这种方法分解出的各信号分量之间是相互独立的,而测得的脑电信号往往包含若干相对独立的成分,所以用它来分解脑电信号,所得的结果更具有生理意义,有利于去除干扰和伪差.本文简要地回顾了ICA的发展历史和主要算法,综述了它在脑电信号处理中的应用及研究进展,并指出了需要进一步研究解决的问题.
-
独立分量分析在神经元锋电位分类中的一种新应用
爆发式锋电位(Burst)是大脑神经元动作电位发放的一种常见形式,它在增强神经信号传递的可靠性以及形成突触可塑性变化等方面具有重要的作用.在细胞外记录的锋电位信号中,同源Burst也表现为幅值和波形都明显变化的一串高频发放序列,这给神经元序列的正确分类提出了难题.为了解决这个问题,本研究设计了一种四极电极记录的锋电位信号检测和分类方法.在阈值法检出锋电位的基础上,首先根据锋电位时间间隔指标检出候选Burst信号小段,然后利用独立分量分析(ICA)的盲源分离特性,区分每个小段信号中所包含的不同来源的锋电位,再用于后的整体信号的锋电位聚类.实验记录数据和仿真数据的检验结果表明,该方法不仅能够将来自不同神经元的Burst和单发放锋电位正确分类；而且,由于ICA应用的对象是短时间的候选Burst信号,因此,即使对于4通道信号也能够满足ICA源信号数量小于记录信号通道数的限制条件,同时,短信号处理又避免了ICA计算量大等问题,为Burst的正确检测与分类提供了一种新方法.
-
基于虚拟通道ICA方法的诱发电位单导少次提取
脑电诱发电位的单导少次提取一直是生物医学信号处理领域倍受关注的问题.独立分量分析作为解决盲源分离问题的一种有效算法已被广泛应用于诱发电位提取之中.独立分量分析处理的是多路观测信号,且要求观测信号路数大于或等于独立信号源的个数.为了能够应用独立分量分析算法实现诱发电位的单导少次提取,引入虚拟通道构建观测信号矩阵,从而得到符合实际应用条件的算法模型.4路信号仿真实验表明了虚拟通道模型可以有效提取诱发电位.对12位受试者进行模式翻转视觉诱发电位测试,仅用单导连续4次记录即可实现诱发电位的初步提取,信噪比增加约为12 dB,当采用10路虚拟通道,信噪比提高约20 dB.4路和10路虚拟通道ICA方法下得到的多导联VEP相关系数的统计结果进一步证实增加虚拟通道的数量,EP信号提取效果也会更好.
-
基于经验模式分解和独立分量分析的单导少次EP信号提取
EP信号的单导少次提取一直是生物医学信号处理领域倍受关注的问题.本研究利用经验模式分解(EMD),把单导脑电信号(EP+EEG)分解成多个基本模式分量(IMF)之和,进而选取合适的基本模式分量或者它们的组合,构成1导或多导参考信号,再利用独立分量分析(ICA)成功提取出了期望的EP信号,从而克服了ICA需要多导观测信号的要求.仿真实验证明了本方法的有效性.
-
低阶非高斯噪声下基于BOREL谱测度的诱发电位少次提取方法
EEG信号的非高斯特性导致了传统的EP信号提取算法的退化,为提高EP信号提取方法的韧性并实现少次提取,本研究利用BOREL谱测度的峰值确定欠定混合矩阵的基矢量,从而确定各个独立分量,并实现诱发电位的少次提取.仿真表明,利用基于BOREL测度的新方法分离前后的EP信号与EEG噪声的相关系数为0.9以上.这种方法是一种在分数低阶稳定分布噪声条件下具有良好韧性的诱发电位少次提取的新方法.
-
基于带参考信号的ICA算法的脑电信号眨眼伪差的分离研究
独立分量分析(ICA)是一种从混合信号中提取统计独立的分量的一种方法.本研究提出了一种基于带参考信号的ICA算法的脑电信号眨眼伪差的分离方法,可以得到纯净的脑电信号.这个方法的主要思路是:先选取一导眨眼伪差比较明显的数据,从中获得眨眼伪差的参考信号,再用ICA方法把眨眼伪差第一个提取出来,后得到消除伪差后的EEG信号.详细讨论了使用带参考信号的ICA算法消除眨眼伪差的方法与步骤,并给出了应用于真实信号的实验结果.
