独立分量分析去除EEG中眼动伪差的方法研究

对独立分量分析(ICA)方法中推广的最大熵(Extended Infomax)算法和奇异值分解(SVD)技术分离脑电图(EEG)中眼动伪差的效果进行了比较，确证ICA方法在极低信噪比时有更好的抗干扰性。同时，使用该算法成功地对16导联早老性痴呆症患者EEG信号中的眼动伪差进行了提取和分离。结果表明，ICA在生物医学工程，尤其是临床医学工程中具有潜在的重要应用价值。     

实时脑电信号眼电伪差去除方法的研究

基于信号的小波包分解方法 ,提出了一种实时性好、滤波效果佳的脑电信号眼电伪差去除的新方法 .该算法在采用小波包分析将脑电信号在频域做精细划分的基础上 ,用统计学的理论选取阈值 ,对信号的特定成分进行选择性滤波 ,并选用与眼电 (EOG)伪差相关度最大的FP1作为参考信号 ,来避免算法本身引入的新伪差 ,以达到快速有效去除眼电伪差的效果 .试验结果表明 ,相对于其他几种常用的算法 ,本算法不仅具有更好的去伪效果 ,而且运算速度也比独立分量分析 (ICA)算法快 2～ 3倍 ,具有良好的临床应用前景     

一般相关量测噪声线性系统的递推状态估计

为了得到具有一般相关量测噪声线性系统的递推滤波算法,将该问题转化为具有相关量测单值随机向量的滤波问题,根据单值随机向量的线性无偏最小方差估计算法,导出了量测噪声为一般相关鞅差序列的线性系统的最优递推状态估计滤波算法,通过数值仿真,将该算法与假定量测噪声不相关时的Ｋａｌｍａｎ滤波算法进行了比较,证明了该算法的有效性。     

一种对成片连续野值不敏感的鲁棒Kalman滤波

针对量测噪声中可能出现成片连续野值的情况，利用Ｂａｙｅｓ定理，得到了判别成片连续野值的后验概率公式，并提出了对上述野值不敏感的鲁棒Ｋａｌｍａｎ滤波。仿真实例表明：较之一般的Ｋａｌｍａｎ滤波，文中提出的方法能够较为满意地处理量测噪声中具有成片连续野值的恶劣情形。     

组合卡尔曼均衡新算法的研究

在分析卡尔曼算法收敛性能基础上，提出了组合卡尔曼均衡算法，并在时变信道上以线性均衡器（ＬＥ）及判决反馈均衡器（ＤＦＥ）研究了其性能。组合卡尔曼算法与Ｋａｌｍａｎ算法收敛速度相同，稳态误差相近，但克服了Ｋａｌｍａｎ算法因计算误差阵ＰＫ产生会入误差累积而使算法发散的缺陷．     

DGPS动态定位的自适应滤波处理

ＤＧＰＳ动态定位的自适应滤波处理沈文炳，祝晓灵简明地介绍了ＧＰＳ伪距差分动态定位的卡尔曼滤波加人自适应措施的一般原理和数学模型，以及用卡尔曼滤波探测、修复失周的原理和方法．最后，部分地提供了自适应措施在ＴＫＤＰＳ软件中的程序框图和试验结果分析．DGPS动...     

脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.     

基于小波变换的ECG信号伪差消除法

文章利用二进小波的分解与重构方法,对人体心电图信号中常见的几种伪差进行消除,实验表明应用小波变换法可以迅速、有效地消除ＥＣＧ信号中由于肌肉震颤、基线漂移和工频干扰等引起的伪差,为正确判断ＥＣＧ信号提供了保障。     

无需初始状态先验统计知识的最优状态估计

为获得系统状态的最优线性无偏估计（ＢＬＵＥ）,Ｋａｌｍａｎ滤波算法要求事先知道系统状态的均值与方差,但此要求往往难以满足．今放弃这一要求而考虑离散线性时变多输入多输出（ＭＩＭＯ）随机系统的状态估计问题．若系统是完全可重构的,则本文所给新的滤波算法便将给出系统状态的ＢＬＵＥ．对于即使不可观测的完全可重构确定性系统,该新算法也能给出其无差估计．     

Kalman滤波在杉木生长预估模型中的应用

采用二阶差分机理建立的Ｋａｌｍａｎ滤波树木生长预估模型与方法，对杉木生长动态进行描述。结果表明，平稳化处理后的动态模型与方法具有良好的噪声特性与拟合效果。     

临床脑电信号预处理中的时空滤波器设计

临床上提倡病床边进行各类检测,这样可以方便病人,减轻其痛苦.但是病床边采集的脑电信号易受各类噪声和干扰的影响,往往影响后面的分析效果.为了有效去除临床脑电信号的噪声和干扰,设计了一种时空滤波器,分两个阶段对脑电信号进行滤波预处理:第一个阶段是时域滤波,用传统的带通滤波器实现;第二个阶段是空域滤波,用基于独立分量分析(ICA)的空域滤波器实现.实验结果表明临床脑电数据的常见干扰如工频干扰、眼动、肌电干扰、心电干扰等均能有效地被单独或同时去除.     

基于独立成分分析和流形学习的眼电伪差去除

针对眼电伪差严重干扰脑电(EEG)信号的理解和分析的问题,提出了一种新的方法用于实时地去除脑电中的眼电伪差.该方法使用独立成分分析(ICA)分解EEG信号,提取独立成分的地形图和功率谱作为特征,并采用基于模板的Isomap算法降低特征的维数.将新的特征样本送到分类器中以识别眼电伪差独立分量,几个典型分类器的分类结果显示,基于模板的Isomap算法结合使用最近邻算法进行分类时,识别伪差的正确率最高.实验结果表明,提出的方法在有效去除眼电伪差的同时,很好地保留了大脑神经信号,也证明了新的Isomap算法用于眼电伪差特征的降维的有效性.     

基于扩展Informax算法的脑电信号伪差分离研究

提出了一种基于扩展Informax算法的脑电伪差检测和分离方法，首先应用扩展Informax算法将脑电信号分解为相互独立的分量，并计算其解混矩阵和混合矩阵，通过分析分解结果发现；脑电信号中的伪差成分总是作为一到两个独立分量被分解出来，并且这些分量的空间分布与特定伪差类型相对应，因此，根据混合矩阵提取独立分量的空间分布特征，即可检测出伪差成分，进而重构出无伪差的脑电信号，分离眨眼伪差的实验结果也充分证明了这一方法的有效性。     

Automatic removal of eye movement artifacts from the EEG using ICA and the dipole model

In this study, we proposed and evaluated the use of Independent Component Analysis (ICA) combining the EEG dipole model to automatically remove eye movement artifacts from the EEG without needing EOG as a reference. We separated the EEG data into independent components using the ICA method, and determined the source localization of these independent components with a single dipole model. The EEG signal was reconstructed by automatically excluding those components localized within a preset eye model. EEGs from 12 patients were analyzed. The experimental results indicate that ICA with the dipole model is very efficient at automatically subtracting the eye movement artifacts, while retaining the EEG slow waves and making their interpretation easier.     

一种新的基于小波变换的EEG视觉伪信号修正方法

提出了一种在基准EEG信号和视觉信号未知条件下,基于小波阈值去噪的方法来修正EEG信号中出现的视觉伪信号(OA)的新方法。这种方法实现了对原始EEG信号进行平稳小波变换(SW T);对低频系数进行两次阈值去噪;对去噪后的信号进行重构。实验结果表明:这种新方法在基准EEG信号和视觉信号未知条件下能有效去除OA,同时适用于眨眼和眼球运动所产生的伪信号。通过不同方法对采集的信号处理后进行比较,说明该方法的有效性。     

计算机分析脑电波信号的算法研究及实现方法

本文描述了一种EEG自动分析中排除伪差的基于知识的系统,对脑电图伪差及癫痫病棘波的识别方法进行了探讨：运用时城分析法并全面地利用16个通道上可得到的前后信息识别伪差;用波形分析法来识别癫痫病棘波。初步实验结果表明,本方案预处理方法简便,波形特征易于提取,识别算法灵活,功能齐全,能识别各种通常在EEG中出现的伪差,在适当的抽样速率下并能准确检测棘波。     

离散小波变换结合二阶盲辨识的眼电伪迹自动去除方法

针对传统去除眼电伪迹的方法极易丢失潜在脑电信号的问题,提出一种离散小波变换(DWT)与二阶盲辨识(SOBI)结合的眼电伪迹自动去除方法(DSOBI)。首先将多通道脑电和眼电信号进行多层DWT得到多尺度下的小波系数,在小波域利用SOBI消除小波系数统计上的相关性,有效分离脑电和眼电伪迹,根据相关系数识别出眼电伪迹源分量并置零,再依次重构得到干净的脑电信号(electroencephalography,EEG)。方法对构造的数据进行去伪迹处理,均方误差为1.93,信噪比为14.32,与传统方法相比具有显著优势;对10位被试的真实脑电数据进行处理,利用相关系数验证本方法去除眼电伪迹的有效性,同时保留更多脑电信息。     

多项式拟合法消除电化学噪声的直流漂移

针对典型的均匀腐蚀与点蚀体系中的噪声数据，研究了采用多项式拟合法消除噪声数据中直流漂移的方法的特点，并对消除前后数据的时域分析和频域分析结果的差异进行了比较．结果表明：采用多项式拟合法可以很好地消除噪声数据中的直流漂移，但是必须注意多项式最高方次的选择，建议通过功率谱密度（PSD）图判断拟合结果的正确性．试验证明：为了避免对低频数据产生过度消除，多项式最高方次不宜过高．消除漂移后，噪声谱、噪声时域统计量和PSD的低频段均发生了明显的变化．     

一种适用于心电信号检测的放大器设计

针对传统斩波放大器功耗较大,以及电极的直流极化电压容易使得高增益放大器进入饱和状态的问题,提出一种适合应用于心电信号的放大器.该低功耗斩波放大器电路由一个两级放大器组成,第1级折叠共源共栅放大器的高输出阻抗与第1级和第2级之间的密勒等效电容组成一个低通滤波器,以滤除调制噪声.采用TSMC 0.18μm 1P4M工艺,对...