摘要
针对脑电信号中噪声及夹杂的眼电、心电等伪迹,采用小波分解重构消噪和基于熵估计的RADICAL算法进行消除.对3路脑电观测信号进行小波消噪和白化处理后,通过雅可比旋转矩阵分别对其中的两两组合信号用RADICAL算法进行分离,得出最优分离矩阵完成盲源分离,并引入互相关系数、矩阵相关系数验证算法的有效性.实验结果表明:源信号未知的3路相互串扰脑电信号盲分离后各个分量之间的互相关系数近似为0,并且其矩阵相关系数每行均有大于0.95的值,优于常用的FastICA算法,说明该方法能有效去除脑电信号中噪声和伪迹.
针对脑电信号中噪声及夹杂的眼电、心电等伪迹,采用小波分解重构消噪和基于熵估计的RADICAL算法进行消除.对3路脑电观测信号进行小波消噪和白化处理后,通过雅可比旋转矩阵分别对其中的两两组合信号用RADICAL算法进行分离,得出最优分离矩阵完成盲源分离,并引入互相关系数、矩阵相关系数验证算法的有效性.实验结果表明:源信号未知的3路相互串扰脑电信号盲分离后各个分量之间的互相关系数近似为0,并且其矩阵相关系数每行均有大于0.95的值,优于常用的FastICA算法,说明该方法能有效去除脑电信号中噪声和伪迹.
出处
《华中科技大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2011年第S2期157-160,168,共5页
Journal of Huazhong University of Science and Technology(Natural Science Edition)
基金
国家自然科学基金资助项目(60874102)
关键词
脑电信号
小波分解
小波重构
熵估计
雅可比旋转
EEG(electro encephalon gram)
wavelet decomposition
wavelet reconstruction
entropy estimates
Jacobi rotation
