本文選題：卡爾曼濾波 + 最小均方誤差自適應�。� 參考：《電子技術應用》2017年11期

【摘要】：針對聽覺刺激誘發(fā)的腦干中潛伏期反應(MLR)信號的非平穩(wěn)特性,采取計算其自適應自回歸(AAR)模型系數(shù)的方法進行特征提取,實現(xiàn)不同注意狀態(tài)的分類。首先對采集的MLR數(shù)據(jù)進行去噪預處理,然后結合相對誤差方差(REV)準則分別進行卡爾曼濾波和最小均方誤差自適應算法估計其AAR模型參數(shù)。利用支持向量機對兩種估計方法的特征參數(shù)分別進行分類。最后根據(jù)最大互信息和分類結果進行比較,最小均方誤差自適應算法估計AAR模型系數(shù)的分類正確率達到77.45%,最大互信息值為0.3011,其效果優(yōu)于卡爾曼濾波算法。
[Abstract]:In view of the non-stationary characteristics of MLR signals induced by auditory stimulation, the adaptive autoregressive (AARR) model coefficients of MLR signals were extracted to achieve the classification of different attention states. Firstly, the MLR data are preprocessed, then the AAR model parameters are estimated by Kalman filter and minimum mean square error adaptive algorithm combined with the relative error variance (RER) criterion. Support vector machine (SVM) is used to classify the feature parameters of the two estimation methods. Finally, according to the maximum mutual information and classification results, the minimum mean square error adaptive algorithm estimates the AAR model coefficients of the classification accuracy of 77.45 and the maximum mutual information value of 0.3011, its effect is better than the Kalman filter algorithm.
【作者單位】： 廣州大學機械與電氣工程學院;
【基金】：廣州市科技計劃項目(201605030014) 廣州市市屬高�？蒲许椖�(1201630210) 廣州大學科技創(chuàng)新培育基金
【分類號】：TN911.7

【相似文獻】

相關期刊論文 前10條

1 程乾生;;有附加噪聲時信號的最大互信息譜估計和最大聯(lián)合熵譜估計[J];信號處理;1985年03期

2 茅曉泉,胡光銳;基于最大互信息的離散隱馬爾柯夫模型訓練方法[J];上海交通大學學報;2001年11期

3 劉郁林,景曉軍,譚剛兵,彭啟琮;幾種基于最大互信息準則的聯(lián)合均衡方法性能比較[J];通信學報;2003年05期

4 茅曉泉,胡光銳,唐斌;一種基于最大互信息/進化計算混合結構的語音識別方法[J];上海交通大學學報;2002年03期

5 科卞;信號細微特征提取分析技術[J];電子科技大學學報;2000年02期

6 王菲;白潔;;一種基于非線性特征提取的被動聲納目標識別方法研究[J];軟件導刊;2010年05期

7 劉守生,丁勇,胡壽松;一種特征提取新方法[J];信號處理;1999年S1期

8 屈微,劉賀平;拓撲獨立分量分析在方言特征提取中的應用研究[J];電聲技術;2005年05期

9 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網(wǎng)絡的特征提取方法及其在語種識別中的應用[J];計算機科學;2014年03期

10 柳革命;孫超;陳建莉;;基于局域判別基空間能量的特征提取[J];空軍工程大學學報(自然科學版);2008年01期

相關會議論文 前2條

1 劉直芳;張繼平;游志勝;;有限制的MFA-ICA的算法及其在特征提取中的應用[A];信號與信息處理技術第三屆信號與信息處理全國聯(lián)合學術會議論文集[C];2004年

2 李麗君;黃思娟;吳效明;熊冬生;;基于ECOG的運動想象特征提取和分類[A];中國生物醫(yī)學工程學會成立30周年紀念大會暨2010中國生物醫(yī)學工程學會學術大會壁報展示論文[C];2010年

相關博士學位論文 前8條

1 李秋榮;改進容積卡爾曼濾波及其導航應用研究[D];哈爾濱工程大學;2015年

2 段佳;SAR/ISAR目標電磁特征提取及應用研究[D];西安電子科技大學;2015年

3 馮博;雷達高分辨距離像特征提取與識別方法研究[D];西安電子科技大學;2015年

4 陳斌;連續(xù)語音識別特征提取與聲學模型訓練區(qū)分性技術研究[D];解放軍信息工程大學;2015年

5 王玉靜;滾動軸承振動信號特征提取與狀態(tài)評估方法研究[D];哈爾濱工業(yè)大學;2015年

6 郭苗苗;語言任務下腦電時頻網(wǎng)絡特征提取及在腦機接口中的應用[D];河北工業(yè)大學;2016年

7 唐濤;合成孔徑雷達圖像局部特征提取與應用研究[D];國防科學技術大學;2016年

8 秦建華;經(jīng)絡電阻抗特性的特征提取及模式分類方法研究[D];北京郵電大學;2013年

相關碩士學位論文 前10條

1 徐明珠;基于模糊函數(shù)和最大互信息的認知雷達自適應波形設計[D];哈爾濱工業(yè)大學;2015年

2 陳茜茜;基于信息論的MIMO壓縮感知雷達測量矩陣優(yōu)化[D];西安電子科技大學;2014年

3 袁芳兵;基于SVM的GSM系統(tǒng)上行干擾判定研究[D];華南理工大學;2015年

4 江海;心音信號特征提取及分類研究[D];昆明理工大學;2015年

5 梁致漢;基于EEG的腦機接口技術研究與實現(xiàn)[D];天津理工大學;2015年

6 劉雪勇;次聲信號特征提取與分類識別研究[D];中國地質(zhì)大學(北京);2015年

7 王琪;西洋樂器的音色識別[D];山東大學;2015年

8 張姣;雷達輻射源脈內(nèi)無意調(diào)制特征提取及識別[D];哈爾濱工業(yè)大學;2015年

9 王乃峰;基于深層神經(jīng)網(wǎng)絡的音頻特征提取及場景識別研究[D];哈爾濱工業(yè)大學;2015年

10 任鳳臣;便攜式心電檢測系統(tǒng)的設計[D];大連理工大學;2015年

，

本文編號：1877840