基于独立分量分析的诱发电位信号提取方法

诱发电位（EP）信号在检测神经系统状态时有重要意义，但EP信号总是没在自发脑电波（EEG）信号中，因此，为利用EP信号诊断神经系统的损伤和病变，需要从二的混合信号中提出EP信号。独立分量分析（ICA）是一种新近发展起来的信号分离方法。本反ICA方法应用于EP信号的提取，并与传统的滤波方法进行了比较。计算模拟表明，采用ICA方法进行噪声分离的结果明显优于信号滤波方法。     

基于EEMD-JADE的单通道EP信号少次提取方法

生物医学工程中诊断神经系统损伤及病变的重要手段之一是检测与分析诱发电位(Evoked Potential,EP)信号.现有的方法可以在混合信号中分离出经过成多次刺激的EP信号,但丢失了其瞬时特性,因此EP信号的少次提取是当前生物医学信号研究中的一个重点问题.给出了一种基于EEMD-JADE单通道盲源分离算法,只利用2个周期的EP与EEG信号随机混合成的单通道观测信号中分离EP信号,仿真实验证明了EEMD-JADE算法的有效性.并与EEMD-PCA-ICA方法比较,结果表明EEMD-JADE算法从2个周期的单通道观测信号中分离EP信号时性能优于后者.     

基于EEMD-JADE的单通道EP信号少次提取方法

生物医学工程中诊断神经系统损伤及病变的重要手段之一是检测与分析诱发电位(Evoked Potential,EP)信号.现有的方法可以在混合信号中分离出经过成多次刺激的EP信号,但丢失了其瞬时特性,因此EP信号的少次提取是当前生物医学信号研究中的一个重点问题.给出了一种基于EEMD-JADE单通道盲源分离算法,只利用2个周期的EP与EEG信号随机混合成的单通道观测信号中分离EP信号,仿真实验证明了EEMD-JADE算法的有效性.并与EEMD-PCA-ICA方法比较,结果表明EEMD-JADE算法从2个周期的单通道观测信号中分离EP信号时性能优于后者.     

基于Jade的EP信号少次提取方法

给出了一种基于Jade的EP信号少次提取方法,实验表明,这种方法能够有效地提取出混合在噪声中的2个周期的EP信号,并与Fast ICA算法在数据分析,相关系数矩阵分析,算法执行时间分析这3个方面做了比较.通过数据和实验发现,Jade算法能有效的少次提取EP信号,且提取效果好于FastICA算法.     

基于距离测度法的中枢神经系统损伤检测

基于AR模型的EEG信号距离测度方法可以较好地表征中枢神经系统损伤的情况.主要探讨在这种方法中利用不同的定阶准则建立相应的AR模型及其对距离测度结果的影响.同时,使用自适应滤波器对原始信号进行滤波;将分离后的平稳和非平稳成分再进行距离测度法的研究.对滤波器的参数分析表明,这种方法可以很好地消除EEG信号中可能混有的不同程度的噪声,得到的距离测度结果也能更好地表示损伤的变化情况.     

快速ICA算法在ERP信号处理中的应用

介绍了独立分量分析(ICA)的基本原理．针对事件相关电位(ERP)的信号特点及对快速处理的要求，引入一种快速定点ICA算法，并编写了相应的程序．利用该程序，进行了ERP实测数据的处理实验．实验显示，快速ICA算法能有效地分离和消除噪声干扰。并能改善和增强单次ERP的信号特征．文中还就实验结果和独立分量分析在ERP处理中的应用进行了讨论。     

独立分量分析在含有多种噪声的图像去噪中的应用

提出一种基于负熵的分数低阶独立分量分析(ICA)算法,为使算法更好的适用于实际环境,结合当下较为新颖的Volterra滤波方法——VLMS算法,该算法对高斯噪声有良好的去除效果.仿真结果表明,算法对于含有两种噪声的混合图像具有良好的分离特性及实际意义.     

复杂背景下汉字细化的MASW小波方法研究

汉字骨架是汉字的一种重要几何特征,如何对汉字进行细化,是对汉字进行识别的前提,文中提出了一种基于模角分离小波变换(MASw)的细化方法.该方法能鉴别出复杂背景下汉字图像所包含的不同结构类型边界.通过对不同结构的边界采用不同的取舍处理以实现汉字的细化.可以直接对原始的灰度图像进行处理,能在复杂背景下成功地提取和细化汉字,对手写汉字也有良好的细化效果.     

基于原子分解的辐射源信号二次特征提取

提出了基于原子分解的辐射源信号二次特征提取方法.在过完备多尺度Chirplet原子库基础上,首先用匹配追踪(MP)方法进行信号时频原子分解,并通过改进的量子遗传算法(IQGA)降低MP搜索过程的时间复杂性,得到表示雷达辐射源信号特征信息的最佳Chirplet原子.在此基础上,降低特征参数的维度,提取最具分类意义的原子特征向量.对5种典型雷达辐射源信号的特征提取实验表明,提取的原子特征类内聚集性强、类间分离度大,证实了本文方法的可行性和有效性.     

宽带耦合机械振源的卷积盲分离研究

利用卷积盲分离算法,对宽带耦合机械振源信号进行了盲分离研究.在实际环境中,由于相邻设备和环境干扰的影响,传感器往往只能获得混合信号.且源信号在频谱上可能相互重叠,此时,传统的信号滤波、净化方法就无能为力.文中利用盲信号处理技术对源和传递路径先验知识要求较少的特点,仅从混合信号出发,利用信号的二阶统计特性,较好地恢复出了频谱上相互重叠的机械振源信号.电机和海水泵的仿真试验验证了该方法的有效性.