【摘要】：針對原始腦電波信號存在非平穩(wěn)性且非常容易受到各種信號的干擾等特點,對基于小波變換和快速獨立分量分析的腦電波信號的濾波降噪方法進行了研究,說明了小波變換和快速獨立分量分析的降噪原理,并通過對利用MindSet耳機采集得到的原始腦電波數(shù)據(jù)的處理,證明了快速獨立分量分析算法可以將原始腦電波信號中包含的心電偽跡和工頻干擾等多種干擾信號成功地分離出來,同時比較了兩種方法的性能,驗證了基于快速獨立分量分析的降噪方法具有明顯的優(yōu)越性。
[Abstract]:In view of the non-stationarity of the original EEG signal and its very easy to be interfered by various signals, the filtering and de-noising method of EEG signal based on wavelet transform and fast independent component analysis is studied, and the method of filtering and denoising based on wavelet transform and fast independent component analysis is studied. The de-noising principle of wavelet transform and fast independent component analysis is explained, and the processing of the original EEG data obtained by using MindSet headphones is presented. It is proved that the fast independent component analysis algorithm can successfully separate the ECG artifacts and power-frequency interference signals contained in the original EEG signals, and compare the performance of the two methods at the same time. The advantages of the denoising method based on fast independent component analysis (FICA) are verified.
【作者單位】： 南京理工大學(xué)自動化學(xué)院;
【基金】：國家自然科學(xué)基金(51175266) 江蘇省高校自然科學(xué)基金(12KJB510008) 江蘇省普通高校研究生科研創(chuàng)新計劃(CXZZ13-0207)
【分類號】：TN911.4

【參考文獻】

相關(guān)期刊論文 前2條

1 王巧蘭,季忠,秦樹人;基于小波變換的腦電噪聲消除方法[J];重慶大學(xué)學(xué)報(自然科學(xué)版);2005年07期

2 周瑛;羅志增;;基于歸一化AR模型譜值的運動想像腦電識別[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2013年S1期

【共引文獻】

相關(guān)期刊論文 前10條

1 湯寶平;劉文藝;蔣永華;;基于交叉驗證法優(yōu)化參數(shù)的Morlet小波消噪方法[J];重慶大學(xué)學(xué)報;2010年01期

2 周光省;羅志增;高云園;;基于模糊化符號復(fù)雜度的腦電運動想象識別算法[J];傳感技術(shù)學(xué)報;2013年05期

3 李永強;逯鵬;王治忠;;近似熵在大鼠狀態(tài)識別中的應(yīng)用[J];華僑大學(xué)學(xué)報(自然科學(xué)版);2010年04期

4 和衛(wèi)星;陳曉平;邵s，

本文編號：2435091