脑电信号中眼电伪迹自动去除方法的研究

 针对实际采集的脑电信号受眼电干扰较大,提出一种基于离散小波变换(DWT)与独立分量分析(ICA)的自动去除眼电伪迹的方法(DWICA).对采集的多导脑电和眼电信号进行离散小波变换,获取多尺度小波系数,将串接小波系数作为ICA的输入;利用基于负熵判据的FastICA算法实现独立成分的快速获取,引入夹角余弦准则自动识别眼迹成分,并经过ICA逆变换将剔除眼迹后的独立成分投影返回到原脑电信号各个电极;通过DWT逆变换重构信号,即可得到去除眼迹的各导脑电信号.实验结果表明,DWICA方法极大地提高了脑电信号的信噪比,抗噪能力强且实时性好,为脑电信号的在线预处理提供了新思路.     

基于PCA和自适应步长IVA的EMG伪迹去除方法

针对脑电(EEG)信号在采集过程中易受到肌电(EMG)伪迹干扰,且EMG伪迹复杂多变难以去除的问题,提出一种基于主分量分析(PCA)和自适应步长独立向量分析(IVA)相结合的EEG中EMG伪迹去除方法。首先,利用PCA将EEG信号的主分量提取出来,对数据降维;然后对主分量引入IVA算法,根据高阶统计量和二阶统计量,结合EMG伪迹的非高斯性和弱相关性进行EMG伪迹分离,同时引入基于分离效果的自适应步长选取方法,增强分离效果。实验中采集了8通道的EEG信号,测得各通道相对均方根误差为0.09～0.2,算法的平均EMG伪迹分离率为98%,且相比单独使用IVA时间节省20%,该方法适用于动态EEG中EMG伪迹的去除。     

一种基于局部密度的自适应眼电伪迹去除方法

脑电信号幅值微弱且信噪比低易受到多种伪迹影响。其中,眼电伪迹幅值高、随机性强,常使脑电信号产生明显畸变,对信号的后续分析将产生极大的影响。传统伪迹去除方法难以精确定位伪迹成分,导致过多有效信息丢失。针对上述问题,该文提出一种基于数据驱动的自适应伪迹定位和去除方法。该方法将局部密度引入独立成分分析（ICA）并通过聚类分析自适应估计辨识脑电和噪声成分的阈值,最终实现了眼电伪迹的精准定位和去除。通过仿真和真实实验,该文对比了所提方法与传统伪迹去除方法在峰值信噪比、均方误差、互信息等量化指标下的性能差异,并通过统计检验揭示了所提方法相比于其他方法在信号恢复方面的显著性优势。     

基于步长自适应的独立向量分析卷积盲分离算法

独立向量分析(IVA)是解决频域卷积盲分离排序模糊性最好的方法之一,但存在迭代次数较多、运算时间较长、分离效果易受分离矩阵初值影响的局限性。该文提出一种基于步长自适应的IVA卷积盲分离算法,该算法使用特征矩阵联合近似对角化(JADE)算法对分离矩阵进行初始化,并对步长参数进行了自适应优化。JADE初始化能够使分离矩阵具有合理的初值,避免局部收敛的情况;步长的自适应优化能够显著提升算法的收敛速度。仿真结果表明,该算法进一步提升了分离性能,并显著缩短了运算时间。     

功率比相关子带划分快速独立向量分析

传统独立向量分析利用频点之间的高阶相关性解决盲源分离频域排序问题,已有研究表明,频点之间的高阶相关性与频点间距有关,越近的频点相关性越强。考虑此特点,本文提出在频域进行无重叠子带划分,采用功率比相关的方法解决子带之间的排序问题;结合更符合语音分布模型的多变量广义高斯分布和多变量t分布,实现了性能更优的功率比相关子带划分快速独立向量分析算法。实验结果表明,本文提出的算法相比传统独立向量分析算法具有更好的语音分离性能。      

盲源分离技术用于脑电信号处理的探索

基于独立分量分析的盲信号分离方法具有非常理想的信号消噪效果。盲源分离技术是盲信号处理领域的一个重要的分支。20世纪90年代中期，盲源分离技术得到了迅猛的发展，并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。本文介绍了盲源分离技术的模型和算法，并对其在脑电信号方面的应用进行了仿真分析和探讨。     

基于独立成份分析的肌电信号消噪方法研究

本文提出了一种基于独立成份分析(ICA)的改进方法,去除肌电信号中的心电噪声。该方法基于独立成份分析算法,在肌电成份中分解出心电独立成份:对分解出的心电独立成份进行低通滤波处理,进一步降低了其中肌电成份;而将其反向投影回原始信号空间,并从原始信号中除去,以便在最大程度上消除肌电信号中的心电干扰成份。真实16通道单极性肌电信号的处理和分析表明,该方法取得了较好的效果。     

脑电信号预处理方法研究综述

脑电信号是一种复杂且重要的生物信号,被广泛应用于类脑智能技术和脑机接口领域的研究。文中介绍了干扰正常脑电信号的常见非生理性伪迹和生理性伪迹的类型及特点,并对生理性伪迹的产生原因进行了详细分析。通过对各种脑电信号去除伪迹方法的回顾以及应用现状的分析,比较并总结了传统去除伪迹方法和新型去除伪迹方法的研究进展,并进一步分析去除伪迹方法的优缺点。部分方法已经成功应用于处理脑电信号中的眼电、心电和肌电等伪迹中。文中还针对目前脑电信号去除伪迹的需求及所面临的问题给出了应对策略,并对未来的研究方向进行了分析和展望。     

独立分量分析盲信号分离方法研究

盲源分离是指从多个相互独立的源信号的混合信号中分离出源信号来。独立分量分析法是盲源分离的一种新方法,由于其在语音信号处理、阵列信号处理、生物医学信号处理、移动通信及图象处理等领域的应用前景,越来越引起人们的关注,成为研究的热点。介绍一种基于四阶累积量的非高斯性最大化的ICA算法解决盲源分离的问题,并给出了该算法分离通信信号的计算机仿真结果,验证了算法的有效性。     

单通道脑电信号中眼电干扰的自动分离方法

当前主流的眼电(EOG)去除方法需要利用多通道脑电的相关性,难以在单通道的便携式脑机接口(BCI)中应用。该文提出一种基于长时差分振幅包络与小波变换的眼电干扰自动分离方法。首先在原脑电信号的长时差分振幅包络上实施双门限法来精确检测眼电的起止点,然后利用sym5小波对脑电进行分解并引进Birg_Massart策略来自适应地确定小波重构系数阈值,最后通过小波重构精确地估计眼电,实现单通道上眼电与脑电的自动分离。大量实验证明,该方法与主流的平均伪迹回归分析和基于独立成分分析(ICA)的方法相比,能够获得更好的估计眼电与原眼电的相关性,保证更高的校正信噪比和较强的实时性,能够满足脑机接口多方面的需要。     

基于盲源分离的小波域多重音频水印方法

该文利用盲源分离理论,提出一种小波域的多重音频水印方法。为了解决多水印嵌入过程中经常需要考虑的嵌入顺序问题,同时增强水印方法的安全性,本文将两路水印信号与一路等长的混沌序列进行混合,得到嵌入水印信号。然后,利用线性混合方法,将嵌入水印信号与选定的小波系数进行混合,得到隐秘信号。水印提取时,利用独立分量分析算法,提取嵌入水印信号,再经过后处理过程,得到原始水印。该水印方案是一种盲水印方法,可以将多个作者信息同时嵌入到音频作品中,而不需要考虑水印的嵌入顺序。实验结果表明,该方法对常规的信号处理操作具有良好的鲁棒性,以及良好的抵抗时间轴同步攻击的能力。     

A signal-adaptive algorithm for blind separation of sources with mixed kurtosis signs

This paper addresses the problem of Blind Source Separation （BSS） and presents a new BSS algorithm with a Signal-Adaptive Activation （SAA） function （SAA-BSS）. By taking the sum of absolute values of the normalized kurtoses as a contrast function, the obtained signal-adaptive activation function automatically satisfies the local stability and robustness conditions. The SAA-BSS exploits the natural gradient learning on the Stiefel manifold, and it is an equivariant algorithm with a moderate computational load. Computer simulations show that the SAA-BSS can perform blind separation of mixed sub-Gaussian and super-Gaussian signals and it works more efficiently than the existing algorithms in convergence speed and robustness against outliers.     

一种基于峰度的盲源分离算法研究

盲源分离(BSS)问题是在缺少先验知识的情况下，从接收到的观测信号中恢复统计独立的源信号。独立分量分析(ICA)方法把多维随机矢量转换为尽可能统计独立的分量，是现代解决盲源分离问题最主要的方法之一。本文给出了一种基于峰度的盲源分离算法，与用Comon的方法求解Givens矩阵相比，结构清晰、实现简单，而且几乎没有对源信号的概率密度函数做任何假设，可以对几乎所有概率密度的源信号进行分离，还借鉴了Comon的成对处理原则，把算法推广到了解决一般的盲源分离问题。仿真证明了该算法的有效性。     

基于盲源分离的通信侦察信号处理

盲源分离技术有非常重要的理论意义和实用价值,在信号处理的一些领域得到了广泛应用。本文简单介绍了盲源分离技术,并通过实例说明在通信侦察中的应用,显示出它在通信侦察中的广阔应用前景。     

基于多步分解算法的解卷积混合盲源分离新方法

该文提出一种基于二阶统计量的时域多步分解算法求解卷积混合盲源分离问题。引入白化处理,将混迭矩阵转变成酉矩阵,同时,根据源信号不同延时下相关矩阵所具有的块状对角结构,将酉矩阵分为不同的列块。针对各列块之间相互正交的特性,提出一种关于某一特定列块的最小二乘三二次代价函数。利用一种常规的基于梯度下降法的三迭代算法,交替估计代价函数中的3组待定参数,搜索其最小点,得到酉矩阵一个列块的估计。利用系统化的多步分解算法(MSA),依次估计酉矩阵的每个列块,最终得到整个酉矩阵的估计,进而恢复出源信号。仿真结果表明,新方法性能优于经典的SUB方法及新近提出的JBD-NonU方法,可有效地解决卷积混合盲源分离问题。     

基于盲源分离的信号个数估计方法

大多数的信号个数估计方法在较高的信噪比条件下都有较好的性能,但在较低信噪比条件下的性能都有显著的恶化。提出了一种新的信号个数估计方法,该方法不是利用特征值来进行信号个数的估计,而是利用盲源分离技术。计算机仿真表明该方法在较低信噪比下的性能优于MDL算法。     

基于ICA的无线电通信干扰抑制

抑制无线电通信信号中的干扰是提高通信可靠性的有效措施.传统的干扰抑制技术存在算法、设备复杂,对信号有损伤和实时性差等问题.针对存在的问题,在分析研究盲源分离(BSS)的理论基础上建立了基于最大信噪比算法的ICA通信干扰抑制模型;基于该模型仿真实现了无线电通信信号的分离提取和多路干扰信号的抑制.仿真结果表明,基于ICA的...     

一种基于盲分离技术的声纳浮标场多目标定位算法

该文基于盲源分离的思想,针对由单传感器声纳浮标组成的声纳浮标场,在窄带背景下提出了一种新的声纳浮标场多目标定位算法。仿真实验结果表明,在很好地恢复了目标信号波形的同时,该算法能准确地估计出目标的位置。