基于典型相关分析和小波变换的眼电伪迹去除研究.doc

基于典型相关分析和小波变换的眼电伪迹去除研究.doc

ID:56194147

大小:224.00 KB

页数:15页

时间:2020-03-19

基于典型相关分析和小波变换的眼电伪迹去除研究.doc_第1页
基于典型相关分析和小波变换的眼电伪迹去除研究.doc_第2页
基于典型相关分析和小波变换的眼电伪迹去除研究.doc_第3页
基于典型相关分析和小波变换的眼电伪迹去除研究.doc_第4页
基于典型相关分析和小波变换的眼电伪迹去除研究.doc_第5页
资源描述:

《基于典型相关分析和小波变换的眼电伪迹去除研究.doc》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于典型相关分析和小波变换的眼电伪迹去除研究生产实习课程论文基于典型相关分析和小波变换的眼电伪迹去除研究学院(系):电子信息与电气工程学部专业:生物医学工程学生姓名:学号:指导教师:邱天爽完成日期:2013.07.20M录1绪论11.1脑电信号处理的意义11.2去除眼电伪迹方法的进展11.2.1早期的人工处理11.2.2现代的相关去噪算法11.3wCCA算法的提出22wCCA算法22.1基于典型相关分析的盲源分离方法22.2小波阈值去噪32.3基于wCCA的盲源分离方法去除眼电伪迹33程序说明…4

2、3.1算法流程图3.2相关matlab函数43.3相关参数描述...44实验结果分析44.1仿真结果64.2数据比较分析6论7结错课!未定义书签。-II-基于典型相关分析和小波变换的眼电伪迹去除研究1绪论1.1脑电侍号处理的意义脑电活动首次于1924年被德国精神教授测量并定名为EEGoEEG信号作为一种玄接反应人脑内部状态的生物电信号,其中蕴含了人量的心理、生理和病理信息。日前被广泛运用于神经心理学、人脑意识及认知、脑部疾病的诊治、脑机接口等诸多研究领域屮。与EEG信号研究紧密关系的另种典型技术为

3、脑机接口技术BCI,BCI可以完全不依赖于外I謝神经核肌肉的参与,玄•接实现人与计算机Z间或外部环境Z间的通信。BCI-般可以分为以自发脑电信号的BCI系统和使川命令的转换算法。BCI系统可以使有运动障碍的人通过EEG信号來与外界进行交流。提高BCI系统有效性的另一个重要手段就是提高采集到的微弱的EEG信号的信噪比。脑电信号一般通过放置于人脑头皮的电极进行采集,但是实际采集到的脑电信号菲常微弱,只有微伏极。由于脑电信号是一•种易变的菲平稳信号,其在采集过程当屮,会不可避免地混入菲脑神经组织产生的各

4、种伪迹信号,如眼电(眨眼或眼动),它的幅度比脑电信号人好几倍,所以如何对脑电信号进行预处理、去除各种伪迹成分,并从中提取出有效的脑电信号成分,是各国硏究者关注的重要问题,具有重大的理论和实践意义。1.2去除眼电伪迹方法的进展1.2.1早期的人工处理在早期,意思和研究者通过实验控制来处理无关的电生理伪迹成分,比如让患者和被试者避免或者减少眨眼、眼动、吞咽以及四肢运动等,这样会添加附加的实验任务,并且不易于控制,如当患者或被试者为儿童时,比较难以控制,因而会影响实验效果。一般情况下,EEG信号伪迹去除

5、的通用方法是去除含有伪迹成分的EEG信号【片断。比如,识别眼电伪迹(主要包括贬眼和眼动伪迹),通常通过检测眼电导联记录的电平超过—定的同定阈值,其他的伪迹成分或干扰的检测可以通过人工标记并去除,去除含有伪迹成分的EEG片断必然会引起育效的EEG信号成分的人暈损失。比如识别人物当屮的眨眼可能就是识别任务的一种反应,若剔除就可能导致重要信息的丢失,另外,对于一•些病人来说,剔除被污染的脑电数据就意味着病情的漏诊。1.2.2现代的相关去噪算法自适应滤波法。自适应滤波器可以自动调节参数,在设计时无需任何关

6、于信号和噪声的先验统计知识,在信号和噪声的先验知识未知的情况下,可以采用自适应滤波方袪來去除噪声。基于典型相关分析和小波变换的眼电伪迹去除研究小波变换方法是20世纪80年代小期发展起來的一•种时域分析方法。传统的傅里叶分析方法在处理平稳信号方血具令显著优势,经过其变换的信号具有最大的频率分辨率,但是不具备时空定位侍息,而小波变换由于其窗口可以根据频率分辨率的高低的而进行口适应调节,从而具有多分辨特性,小波变换在低频部分具有较高的频率分辨率和较低时间分辨率。而在高频部分具有较高的时间分辨率和较低的频

7、率分辨率,这种多尺度特性适合于分析生物医学信号等非平稳信号。盲源分离是信号处理领域一个新的研究热点,它尝试在源信号和传输系统特性均未知的情况下对混合信号进行分离。。盲源分离法将伪迹成分和EEG信号分解成不同的源信号成分,通过将与伪迹有关的源信号成分置零,可以得到去除伪迹后的信号。盲源分离问题可以采用许多不同的算法以及原则來估计源信号成分,通常采用基于二阶统计量和高阶统计量的方法來实现盲源分离。1.3wCCA算法的提出针对脑电信号屮眼电伪迹去除尚存在的问题,提出一种基于典型相关分析与小波变换的(wa

8、ve1et-enhancedcanonicalcorrelationanalysis,wCCA)自动去除眼电伪迹的算法。首先,充分利川脑电信号和眼电伪迹的空间分布特征,将基于典型相关分析的盲源分离算法以一•种全新的方式应川于混合信号屮,从而保证典型相关分析分解得到的第一个典型相关变量(即左右脑区之间的最公共成分),就是与眼电伪迹相关的分量。其次为了恢复泄漏在该伪迹分量屮的脑电成分,对伪迹分量进行小波阈值去噪,仅将小波系数高于某一阈值的分量置零。与其他三种基于盲源分离去除眼电伪迹的方

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。