本文選題：腦電信號 + 眼電偽跡�。� 參考：《北京工業(yè)大學學報》2016年06期

【摘要】：為消除眼電偽跡(ocular artifact,OA)對腦電信號(electroencephalography,EEG)造成的嚴重影響,提出一種基于局域均值分解法(local mean decomposition,LMD)與典型相關分析(canonical correlation analysis,CCA)的眼電偽跡自動去除方法,記為LMDC法.首先,利用LMD將每導腦電采集信號自適應地分解為一系列具有物理意義的乘積函數(shù)(production function,PF)分量,通過CCA去除PF分量之間的相關性,獲得相應的典型變量;其次,計算每導腦電信號與多導眼電信號間的相關系數(shù)矩陣,實現(xiàn)眼跡成分的自動識別,將典型相關變量中對應眼跡成分的部分隨機變量置零,其余隨機變量不變,得到新的典型相關變量;最后,基于CCA逆變換將新的典型相關變量投影返回得到眼跡去除后的PF分量,并進一步重構(gòu)出眼跡去除后的腦電信號.基于BCI競賽數(shù)據(jù)庫進行實驗研究,結(jié)果表明:LMDC法相對其他常用方法獲得了較好的眼跡去除效果,并對多位實驗者和多種眼跡表現(xiàn)出較強的自適應性.
[Abstract]:In order to eliminate the serious effect of ocular artifact OA on electroencephalography (EEG), a new method of automatic removal of electroophthalmic artifacts based on local mean decomposition (local mean) and canonical correlation analysis (canonical correlation analysis) was proposed. Firstly, each EEG signal is adaptively decomposed into a series of production function PF components by which the correlation between PF components is removed and the corresponding typical variables are obtained. The correlation coefficient matrix between each EEG signal and multi-guide Eye-guided signal is calculated to realize the automatic recognition of eye trace components. The partial random variables corresponding to the eye trace components in the typical correlation variables are set to zero, while the other random variables remain unchanged. A new canonical correlation variable is obtained. Finally, the new canonical correlation variables are projected back to get the PF component after eye trace removal based on CCA inverse transformation, and the EEG signal after eye trace removal is further reconstructed. The experimental results based on BCI contest database show that the ratio LMDC method has better eye track removal effect than other commonly used methods, and has a strong adaptability to multiple experimenters and multiple eye tracks.
【作者單位】： 北京工業(yè)大學電子信息與控制工程學院;
【基金】：國家自然科學基金資助項目(81471770) 北京市自然科學基金資助項目(7132021)
【分類號】：TN911.7;R338

【相似文獻】

相關期刊論文 前10條

1 李慧;;醫(yī)學生高考成績與大學成績的典型相關分析[J];齊齊哈爾醫(yī)學院學報;2012年14期

2 李勇;陳于;張渝;姚永革;曾慶;陳志祥;;環(huán)境污染因素對兒童溶菌酶及肺功能影響的典型相關分析[J];預防醫(yī)學情報雜志;1992年04期

3 李勇,陳于,張渝,姚永革,曹慶,陳志祥;環(huán)境污染因素對兒童溶菌酶及肺功能影響的典型相關分析[J];環(huán)境與健康雜志;1993年02期

4 顫光宇;張虎山;張明海;;戰(zhàn)士身體形態(tài)與運動素質(zhì)資料的典型相關分析[J];數(shù)理醫(yī)藥學雜志;1993年02期

5 李現(xiàn)文;李春玉;;健康素養(yǎng)與健康狀況的典型相關分析[J];中國衛(wèi)生統(tǒng)計;2009年06期

6 Laessig RE;張方振;;典型相關分析在環(huán)境衛(wèi)生規(guī)劃中的潛在作用[J];國外醫(yī)學(衛(wèi)生學分冊);1980年06期

7 方建斌;管瓊;王雨春;;非線性與線性典型相關分析的對比實驗[J];江漢大學學報(自然科學版);2012年03期

8 萬福令;典型相關分析在醫(yī)學上的一個應用[J];數(shù)理統(tǒng)計與管理;2003年01期

9 程光文,李文芳,陳清山;醫(yī)學生入學成績與在校成績間相互關系的典型相關分析[J];數(shù)理醫(yī)藥學雜志;2002年04期

10 邱斌;崔世維;;人體測量指標和心血管病危險因素的典型相關分析[J];交通醫(yī)學;2006年04期

相關會議論文 前6條

1 毛定祥;;運用典型相關分析分析股市的若干特性[A];中國現(xiàn)場統(tǒng)計研究會第九屆學術(shù)年會論文集[C];1999年

2 何麗娟;丁進國;韓桂鳳;;典型相關分析在對體育大學生職業(yè)價值觀研究中的應用[A];第七屆全國體育科學大會論文摘要匯編（一）[C];2004年

3 苗敬毅;;山西省產(chǎn)業(yè)結(jié)構(gòu)的典型相關分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學術(shù)年會論文集[C];2005年

4 李健寧;潘蘇東;;科技投入與科技產(chǎn)出的典型相關分析研究[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

5 唐娟莉;朱玉春;;基于區(qū)域板塊的省域競爭力與公共服務設施之間相關關系分析[A];城鄉(xiāng)統(tǒng)籌背景下的農(nóng)業(yè)產(chǎn)業(yè)安全[C];2010年

6 薛海波;;面子意識與“80后”消費者購物決策風格關系的一項實證研究[A];上海市社會科學界第五屆學術(shù)年會文集（2007年度）（經(jīng)濟·管理學科卷）[C];2007年

相關博士學位論文 前1條

1 孫廷凱;增強型典型相關分析研究與應用[D];南京航空航天大學;2006年

相關碩士學位論文 前10條

1 劉夢琦;多元統(tǒng)計分析中兩個問題的研究[D];云南財經(jīng)大學;2015年

2 管睿;基于分數(shù)階的多重集典型相關分析算法研究[D];南京理工大學;2015年

3 李世杰;基于SSVEP信號的在線BCI關鍵技術(shù)研究[D];鄭州大學;2015年

4 王鵬;基于典型相關分析的性別識別算法研究[D];河北工業(yè)大學;2015年

5 張俊圓;基于典型相關分析和協(xié)同訓練的遷移學習研究[D];西安電子科技大學;2014年

6 陸鳳娟;基于典型相關分析的人臉識別方法研究[D];南京理工大學;2009年

7 師少杰;典型相關分析：在機器學習方法上應用的概述[D];北京交通大學;2012年

8 徐濤;局部保持典型相關分析及其在人臉識別中的應用[D];南京理工大學;2009年

9 趙峰;典型相關分析算法理論及其在模式分類中的應用[D];西安電子科技大學;2005年

10 丁鑫;基于核誘導距離度量的魯棒典型相關分析研究與應用[D];南京航空航天大學;2013年

，

本文編號：2078661