本文介绍了独立分量分析批处理的固定点的快速独立分量分析FastICA算法,并将该算法应用于脑电信号特征提取的消噪中。实验结果表明,采用该算法成功地提取了P300中的脑电信号特征,实现了微弱的多路脑电信号P300的有效提取。
维普资讯 doc.guandang.net
《御陵院籁 ) 0 6年第 4期 20
解并不完全都会在分量间非高斯最大处 (负熵最大 )更鲁 即,棒的方法是在迭代后期接近收敛的时候只进行牛顿法计算 和正则化,止去相关,果更佳。停效 3 I A在脑电信号特征 P 0 .C 3 0提取
胃萎
§一 嚣弱
IA将多道观察信号按照统计独立的原则通过优化算 c 法分解为若干独立成分,可去除伪迹噪声 .现信号的增并实
强和分析。究表明,头皮记录到的 E研由 P基本满足线性混合 I A模型。用基于 I A的算法实现了视觉诱发电位的少次 C利 C提取,所处理的数据来源是原始少次平均信号,果能够 它如获取信噪比更高的原始信号,有利于 I A的分离结果。本 将 C 文正是基于这种思想 .运用 I A的算法对脑电信号进行分 C析,现 P0实 3 0的少次提取。 图三 (是 F a ) Z的 P 0 3 0波型和地形图
2 0个实验者在 2 5种“觉靶/靶序列”激’下诱 视非刺隋况发的 E
P数据,集 E P的导联数是 3 R采 R 2导 .中有 2导是其
同步采集的 E OG信号。实验采样频率是 10 Hz每一种情 00, 况记录时间为 1,以共采集的数据大小是 3 * 5 1 0。 s所 22 *00实验刺激模式为 2 6个英文字母和 1 0个阿拉伯数字单 个字符每隔一秒显示一个,续 3连 6次的随机字符闪动,试 受者在字符显示的时间内,通过单击鼠标左右键关注每个字 符,选择对错。记录 F, z p F 2 9 F, 5 5 6 6 6 C,, I p T,, 5,,,, P F, T C P F C P
图三 (是 c的 P 0 b ) Z 3 0波型和地形图
等 3 2路导联,样时间为 3 0秒,样频率 2 0,集结 采 0采 4 Hz采果 (示其中 1秒 )图一 (集数据中的一段 )图 0如采。图三 (是 p的 P 0 c ) Z 3 0波型和地形图 进行分解,取出有明显特征的独立分量,有助于我们进一提这步分析 E RP信号的神经发生源及其可能含有的生理意义。 图一消噪后的原始数据 4结 .论
本文扬讨了 I A技术在自发脑电信号处理和诱发脑电 C信号处理中的应用。I A除了具有从强噪声背景信号中提取 C E P的作用以外,能够对 E还 P信号做进一步地分解 .取有提重要生物意义的 P 0 3 o等重要特征。 实际上, A除了提供~组独立分量以外 .经过训练后 I C的系数矩阵 w,逆矩阵 w的每一列还蕴含着对应于各独其立分量空间分布模式 (各头皮电极处为基准点 )以的信息。结合独立分量的时间过程和空间分布模式,可以进~步分析 就独立分量可能含有的生理意义。因此,C技术对我们在心 IA理学、神病学、知科学的研究中,有重要的学术价值和精认具 广阔的应用前景。 参考文献:
我们根据本实验室脑电信号采集系统原始数据 .用 I采— C的 F s C算法首先对原始数据进行除伪迹、噪后, A at A l消得
到如图一所示的数据,利用该算法对 R再 P的特征进行提取。 以 F, P导联为例,图一分别给出了 F, P经 和 C C和
z 过 I A处理后 P 0 C 3 0波型图,取结果如图三 (,,。图二给提 abc )
出了在本实验条件下提取出的 F C和 P导联的 P 0… z 3 0脑地 形图分布 .图中可更直观地观察到刺激下相应脑区部位的从
反应。利用本文算法,以更清楚地刻画出 P 0可 3 0特征。同时也去除了 P0 3 0观测信号中的高频成分 .实际真实的 P 0 与 30 更为接近。 由以上实验结果可知 . A方法能够有效地对 E P信号 I C R
[]育林, 1高罗永光,伟鹏 .发脑电信号的滤波——基于小波李诱 分析与维纳滤波【.中国医学物理学杂志,9 6 1 (:5~ J J 1 9,3 4 20 ) 25 4.
[] ite I po i vk dp t t l et ci[] eh i l 2V nhr m r n eo e o ni s x at nR . cnc M. vg e a r o T a Re o p ts. 002 1 8. 2 .~1
图二 ( )经过 I A处理后的脑电数据 a C
[] i o k A, h r bR, oaTE c n xrc o feo e 3 Cc c i G a e H y f i t t t no vk d h i i e e ai p t ni l b c mbi t n f o e ta s y o nai o W i n r ile ng nd u pa e o e e f t r a s bs c i
meh d[ .rc f h I EE to s A] o o te E Co frn e n P nee c o Ac u t s o sc. i S e c a d Sg a rc sig ( p e h,n in P o esn I l CAS P 1[ .0 13 7— S 0 )C] 0 . 1 2 1 31 20.
[]卫东,磊,英远 .种独立分量分析的迭代算法和实 4周贾李一 验结果[】生物物理学报, 0 2, 81:7 6 . J. 2 0 1 ()5 0
[]小敏 .于松驰因子改进 F S I A算法的遥感图像分类 5王基 A TC 图二 ( )经过 I A处理后的脑电地形图 b C
方法【.算机研究与发展,0 6 34:0— 1 J计】 2 0, () 8 7 5 4 7
—
.
7— 4 .

提出一种基于Infomax ICA少次自动提取脑电信号P300成分的方法.为了提高ICA分解的有效性,对原始数据中的自发脑电信号和P300成分进行了均衡.混合信号经过ICA分解后,...
结合小波包和ICA的脑电信... 3页 1下载券 基于小波包能量的脑电信... 5...本文研究的是脑电信号的处理,即如何从采集到的原始脑电信号中提取有用的信息; ...
结合小波包和ICA的脑电信号特征波提取方法_专业资料。为了更有效地提取脑电信号... 基于ICA的脑电信号P300少... 27人阅读 6页 2.00 多参考信号的ICA方法...
9 . Sep. 2008 结合小波包和 ICA 的脑电信号特征波提取方法谢松云 , 潘 , 张伟平 辉 (西北工业大学 电子信息学院 , 西安 710072 ) 摘 : 为了更有效地...
ICA方法用于脑电信号α波提取的研究_专业资料。为在有效提取闭眼脑电信号α波的... 基于ICAWICA方法的脑电信... 1人阅读 4页 3.00 基于ICA的脑电信号P300...
基于 Mu/Beta 节律想象运动脑电信号特征的提取 [J]. 中国组织工程研究与临床...[6-7]、 小波变 换和独立分量分析 (independent component analysis,ICA)等[8...
基于ICA的脑电信号P300少次... 13人阅读 6页 2.00元 结合小波包和ICA的...这些亚成分可以帮助我们对人类认知等高级神经活动进行更深入的研究,有助于人们在...
《工业控制计算机》2012 年第 25 卷第 12 期 57 基于 ICA-WICA 方法的脑电信号 α 波提取的仿真研究 王永玲 李念强 (济南大学信息科学与工程学院,山东 济南...
脑机接口系统中脑电信号特征提取与分类_医学_高等教育_教育专区。脑机接口系统...(Brain-Computer Interaction, BCI)技术的研究在国际上引起了广泛的 兴趣并获得...
基于ICA的脑电信号去噪方法研究与应用_专业资料。...为有效地提取和分析检测信号中的有用信息,提出采用... 基于ICA的脑电信号P300少... 27人阅读 6页 ...
热门文档