文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于ICA在脑电信号特征P300提取研究
侵权投诉

基于ICA在脑电信号特征P300提取研究

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

<陵铜院籁 )06 20年第 4期

基于 IA在脑电信号特征 P 0取研究 C 3 0提 王永飞 (徽大学,徽合肥安安摘 20 3 ) 30 9

要: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 F l A算法,将该算法应用于脑电信号特本 ̄f C并征提取的消噪中。实验结果表明,用该算法成功地提取了 P 0中的脑电信号特征,采 30实现了微弱的多路脑电 信号 P0 3 0的有效提取。

关键词:独立分量分析:F sIA;P 0 atC 3 0;提取

中图分类号:T 3 P9

文献标识码:A

文章编号: 6 2 0 4 ( 0 6 0— 0 3 0 1 7— 5 7 2 0 )4 0 7— 2

11 .l倌诱发电位 (v k dp tni sE中的 P 0 E o e oet l, a 3 0分量是受试

处理

者辨认靶刺激时。头顶中缝区域内诱发出的 3 0左右潜 在 0 ms伏期的正向电位。反映脑功能状态。其与认知心理过程 它尤关系密切。自 16 9 5年 S t n首次报告 P 0 ut o 3 0电位以来,引起 了国内外学者的极大关注。 3 0作为反映认知功能的内源性 P0成分已广泛用于神经科学、经医学和认知心理学等方面的神 研究。

首先进行一个单元的 F s C at A,目标是找到给定非线性 l函数 G的期望 EG【 x]极值,由下式得到 )的可 E x(T ) C= [gw x卜p W 0 () 3式中: g为 G的导数,= x v 1 E WogW o】一常 C E[]3[ T (T )为 x;= X X量。W。 W的最佳值。由牛顿法求解式 (,义式 (左侧为为 3定 ) 3 ) F得到其雅可比行列式 J () . Fw J (= Ex t F[xg( x]1 )3 -c 公式为

() 4

作为一种 E,3 0经常被淹没在很强的背景噪声中, PP 0如眼电、电、肌自发脑电等,以它的提取有一定难度。已有很 所多方法用于提高 E P的信噪比。本的方法有两种:均和滤 基平波。前者包括相干平均、权平均等,们的主要特点是信噪 加它比的提高与刺激次数的平方根成正比,过多的刺激次数易但导致神经疲

劳。失 E损 P的动态变化及细节信息。者采用本作实验室的一套脑电信号采集系统,采集了 1 0分钟的脑电信 号数据,合 F sl A,功地提取了 P o。结 at C成 3 0 2独立分■分析独立分量分析 ( d p n e t o o e t n yi称 I e e d n mp nn a s n C A l s简 IA)近年来发展起来的一种新的信号分解技术。该方法 C是基本思路是以非高斯信号为研究对象,独立性假设的前提 在

用 W当前值替代Ⅵr I,近似估算 p,相应的分离矩阵迭代 () 5

每次迭代后 W与、丽

相除以正则化 .提高算法的

稳定性。在实际中,进一步得到更适宜在非平稳状态下进 可行信号盲分离的 F sl A算法 at C w w w E y (}da (】 -=+[{gy)- ig 1)D 3 () 6 式中:= r; E饵(;; da (/1— ( )。由 y wx p Ib y) D= ig 1( iE】 3 y】) )

下,多路观测信号进行盲源分离。对在满足一定的条件下,能从多路观测信号中,较完好地分离出隐含的独立源信号。 () 1独立分量分析基蠢原理假设存在 n个相互统计独立的源信号 S s,…,I测 h2 s, I观 信号 X:…,源信号各分量的线组合,: 1, x是 9 x即

于 D中包含着独立成分的自然属性,述算法即可用于超高 上斯信号,可用于亚高量斯信号的分离 (电信号一般为非又脑高斯) .非单位阵,于提高收敛速度。。p为利 在应用 F l A之前,数据进行中心化和白化可以降 ̄f C对低算法的复杂度。中心化是使观测信号变为零均值矢量,白化是使新的混合矩阵正交化。在整个算法中,线性函数 G非 的选择很重要,顾收敛速度、界等要求,述 G和 g鲁棒 兼有下性较好。 G()lgcs(),()tn () u=o (ohu)g=a hu u () 7上述一个单元 F sl A仅能估计出独立分量中的一个, at C

xAs= () 1其中, A∈R竹为未知非奇异混合矩阵,此处观测信号个数等 . .于源信号个数。I A的实质是在无先验知识的前提下寻求分 C离矩阵

W∈R得到一。 y Wx= () 2使 Y中的各分量尽可能相互统计独立。而获得独立分从量的估计 y As ̄。= - - () at A算法 2Fs C I

如果要估计 n个独立分量,要使用 n个列矢量 W,:…,需,, W W以防止不同的权矢量收敛到相同的权值点,在每次迭 ,即代后对线性组合 w。, T,, T去相关。在这种算法中 T W2… Wn x x x每个向量的特性均衡,可以通过包括矩阵平方根的传统方这 式来完成。

F s C算法由芬兰赫尔辛基大学 H vie人提出。 at A/ y r n等 n 该算法基于负熵最大化,用牛顿迭代法,采样点进行批采对 收稿日期:0 6 0— 1 2 0— 7 2

w= w1w ) W一 () 8 W为,,,矩阵,过特征值分解得到转置平 W… w通方根。通过实验,明每次迭代后去相关最终得到的 w最优 表

作者简介:永 -( 7-,, 2 '1 1)安徽池州人, E 69 .男安徽大学在读硕士研究生,陵职业技术学院讲师,方向为医学信号处理。铜研究

一

7— 3

基于ICA在脑电信号特征P300提取研究

第1页

你可能喜欢

  • 信号基础
  • 信号处理
  • 脑电图分析
  • 小波分析的应用
  • BP神经网络预测
  • 时间序列分析
  • 函数应用

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email