眼電偽跡和噪聲是導(dǎo)致腦電信號(hào)低信噪比的重要原因,會(huì)降低運(yùn)動(dòng)想象任務(wù)的分類性能。提出一種改進(jìn)的基于少通道數(shù)的分塊欠定盲源分離的濾波方法,通過(guò)分塊的思想把非平穩(wěn)的腦電信號(hào)變?yōu)榻椒�(wěn)的分塊信號(hào),利用二階欠定混合矩陣盲識(shí)別方法估計(jì)混合分離矩陣,然后通過(guò)基于最小均方誤差的波速形成器提取源信號(hào),接著通過(guò)得分準(zhǔn)則自動(dòng)去除噪聲信號(hào)并重構(gòu)信號(hào),最后提取共空間模式特征進(jìn)行分類。想象運(yùn)動(dòng)的真實(shí)腦電信號(hào)實(shí)驗(yàn)仿真結(jié)果表明,分塊欠定盲源分離方法能很好地恢復(fù)源信號(hào)并能有效地去除眼電等偽跡和噪聲,共空間模式特征則提高了想象任務(wù)識(shí)別率。 

【文章來(lái)源】：生物醫(yī)學(xué)工程學(xué)雜志. 2016,33(02)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
引言
1 欠定盲源分離模型
2 估計(jì)混合矩陣A
3 MMSE波束形成器分離源信號(hào)
    3.1 腦電信號(hào)協(xié)方差矩陣估計(jì)
    3.2 MMSE波束形成器
    3.3 波束形成器穩(wěn)定性條件
4 實(shí)驗(yàn)仿真和分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)描述
    4.2 實(shí)驗(yàn)結(jié)果與分析
        4.2.1 第一組實(shí)驗(yàn)
        4.2.2 第二組實(shí)驗(yàn)
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]多類核共空間模式特征提取方法研究[J]. 王金甲,張玲智,胡備.  生物醫(yī)學(xué)工程學(xué)雜志. 2012(02)
[2]基于語(yǔ)音信號(hào)稀疏性的FDICA初始化和后處理方法[J]. 馬峰,張寧,戴禮榮.  數(shù)據(jù)采集與處理. 2012(02)



本文編號(hào)：3044972