本文選題：卡爾曼濾波 + 最小均方誤差自適應(yīng)��； 參考：《電子技術(shù)應(yīng)用》2017年11期

【摘要】：針對(duì)聽覺刺激誘發(fā)的腦干中潛伏期反應(yīng)(MLR)信號(hào)的非平穩(wěn)特性,采取計(jì)算其自適應(yīng)自回歸(AAR)模型系數(shù)的方法進(jìn)行特征提取,實(shí)現(xiàn)不同注意狀態(tài)的分類。首先對(duì)采集的MLR數(shù)據(jù)進(jìn)行去噪預(yù)處理,然后結(jié)合相對(duì)誤差方差(REV)準(zhǔn)則分別進(jìn)行卡爾曼濾波和最小均方誤差自適應(yīng)算法估計(jì)其AAR模型參數(shù)。利用支持向量機(jī)對(duì)兩種估計(jì)方法的特征參數(shù)分別進(jìn)行分類。最后根據(jù)最大互信息和分類結(jié)果進(jìn)行比較,最小均方誤差自適應(yīng)算法估計(jì)AAR模型系數(shù)的分類正確率達(dá)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(xué)機(jī)械與電氣工程學(xué)院;
【基金】：廣州市科技計(jì)劃項(xiàng)目(201605030014) 廣州市市屬高�？蒲许�(xiàng)目(1201630210) 廣州大學(xué)科技創(chuàng)新培育基金
【分類號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程乾生;;有附加噪聲時(shí)信號(hào)的最大互信息譜估計(jì)和最大聯(lián)合熵譜估計(jì)[J];信號(hào)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(xùn)練方法[J];上海交通大學(xué)學(xué)報(bào);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(zhǔn)則的聯(lián)合均衡方法性能比較[J];通信學(xué)報(bào);2003年05期

4 茅曉泉,胡光銳,唐斌;一種基于最大互信息/進(jìn)化計(jì)算混合結(jié)構(gòu)的語(yǔ)音識(shí)別方法[J];上海交通大學(xué)學(xué)報(bào);2002年03期

5 科卞;信號(hào)細(xì)微特征提取分析技術(shù)[J];電子科技大學(xué)學(xué)報(bào);2000年02期

6 王菲;白潔;;一種基于非線性特征提取的被動(dòng)聲納目標(biāo)識(shí)別方法研究[J];軟件導(dǎo)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(hào)處理;1999年S1期

8 屈微,劉賀平;拓?fù)洫?dú)立分量分析在方言特征提取中的應(yīng)用研究[J];電聲技術(shù);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(luò)的特征提取方法及其在語(yǔ)種識(shí)別中的應(yīng)用[J];計(jì)算機(jī)科學(xué);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(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

相關(guān)會(huì)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(yīng)用[A];信號(hào)與信息處理技術(shù)第三屆信號(hào)與信息處理全國(guó)聯(lián)合學(xué)術(shù)會(huì)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(yùn)動(dòng)想象特征提取和分類[A];中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)成立30周年紀(jì)念大會(huì)暨2010中國(guó)生物醫(yī)學(xué)工程學(xué)會(huì)學(xué)術(shù)大會(huì)壁報(bào)展示論文[C];2010年

相關(guān)博士學(xué)位論文 前8條

1 李秋榮;改進(jìn)容積卡爾曼濾波及其導(dǎo)航應(yīng)用研究[D];哈爾濱工程大學(xué);2015年

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

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

4 陳斌;連續(xù)語(yǔ)音識(shí)別特征提取與聲學(xué)模型訓(xùn)練區(qū)分性技術(shù)研究[D];解放軍信息工程大學(xué);2015年

5 王玉靜;滾動(dòng)軸承振動(dòng)信號(hào)特征提取與狀態(tài)評(píng)估方法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 郭苗苗;語(yǔ)言任務(wù)下腦電時(shí)頻網(wǎng)絡(luò)特征提取及在腦機(jī)接口中的應(yīng)用[D];河北工業(yè)大學(xué);2016年

7 唐濤;合成孔徑雷達(dá)圖像局部特征提取與應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

8 秦建華;經(jīng)絡(luò)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(xué);2013年

相關(guān)碩士學(xué)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(rèn)知雷達(dá)自適應(yīng)波形設(shè)計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

2 陳茜茜;基于信息論的MIMO壓縮感知雷達(dá)測(cè)量矩陣優(yōu)化[D];西安電子科技大學(xué);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(xué);2015年

4 江海;心音信號(hào)特征提取及分類研究[D];昆明理工大學(xué);2015年

5 梁致漢;基于EEG的腦機(jī)接口技術(shù)研究與實(shí)現(xiàn)[D];天津理工大學(xué);2015年

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

7 王琪;西洋樂器的音色識(shí)別[D];山東大學(xué);2015年

8 張姣;雷達(dá)輻射源脈內(nèi)無(wú)意調(diào)制特征提取及識(shí)別[D];哈爾濱工業(yè)大學(xué);2015年

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

10 任鳳臣;便攜式心電檢測(cè)系統(tǒng)的設(shè)計(jì)[D];大連理工大學(xué);2015年

，

本文編號(hào)：1877840