基于主分量特征与独立分量特征的人脸识别

PCA方法抽取出的主分量特征与ICA方法抽取出的独立分量特征是对原数据的两类不同描述.PCA是一种基于二阶统计的最小均方误差意义上的最优维数压缩技术,PCA方法所抽取特征的各分量之间是统计不相关的.ICA方法使用数据的二阶和高阶信息抽取数据的独立分量特征.文章对这两种方法做了理论上的比较,并通过实验证明ICA算法提取的特征子空间在人脸识别应用中更有效,识别率更高.     

基于独立分量分析的心理作业诱发脑电特征增强

作者采用独立分量分析(Independent Component Analysis)方法对心理作业诱发的脑电信号进行了分析.研究表明,ICA能有效地从多路头皮脑电中分离出脑电信号的基本节律成分.通过对脑电独立源谱特征和ICA混合矩阵分析,可得到基本节律成分在头皮电极的能量分布情况,进而揭示心理作业与脑电特征的关系.     

独立分量分析及其在诱发电位提取中的应用

独立分量分析能够在各信号频率混迭的情况下,从它们的线性混合信号中有效分离出原始信号,这为微弱电生理信号的提取提供了途径,受到生物信号处理研究人员的关注.作者研究分析了独立分量分析模型和一种基于负熵判据的定点快速ICA算法的实现,并将该算法运用于仿真诱发电位的提取中,从观测信号(混合信号)中有效地提取出视觉诱发电位.     

基于独立分量分析的失匹配负波快速提取

失匹配负波(MM N)是一种由刺激变化所诱发的听觉诱发电位成分,其过低的信噪比造成检测和提取比较困难。提出利用独立分量分析(ICA)方法对多导听觉诱发电位信号进行多次分解,根据MM N产生的生理机制及其信号特征,设计合理的独立分量选取原则,提取MM N。该方法通过仿真实验验证,能有效提高信噪比。在真实数据的处理中,仅用传统方法20%左右的实验时间,实现MM N成分波的提取。这将促进MM N在认知神经科学及临床上的应用。     

用多通道特征组合和SVM单次提取诱发脑电信号

以“模拟人类自然阅读诱发模式”产生的诱发脑电信号作为载体,利用脑一机接口这种新颖的人-机交互方式构建一种脑控拼写装置．在这种实时通信模式中,不能采用认知科学实验及临床中的常规相干平均方法来提取诱发电位,而必须实现特征信号的单次识别．对来自四个通道的各种信号成分进行特征组合,利用支持向量机分类器对一名被试者脑电信号中的载波成分进行了单次提取,最佳特征组合的平均正确识别率为98．8％,证明了诱发模式的先进性和系统实现的可行性．     

基于EMD闪光视觉诱发电位的单次提取方法

探讨了基于EMD方法的单通道闪光视觉诱发电位(FVEP)信号的单次提取方法.应用EMD方法的自适应多分辨率特性,首先把单通道闪光视觉诱发电位信号进行EMD分解,然后根据FVEP的频率特征,选择对应的IMF分量进行重构,得到有效去噪后的FVEP信号,可实现FVEP信号的单次提取.与目前临床最常用的叠加平均方法比较,说明利用EMD方法单次提取的FVEP信号能够准确反映FVEP的典型特征信息,满足了临床应用要求.     

运用小波变换实现听觉诱发电位的单次提取

论述了运用小波变换进行听觉诱发电位单次提取的原理,方法和实验分析。结果表明,对单次试验信号,经小波变换及相关分析后,可从带自发脑电干扰的信号中提取诱发电位信号。小波变换分析与传统的叠加平均方法相比,可减少试验次数,缩短检测周期。     

基于约束独立分量分析的脑电特征提取

针对脑机接口(brain computerinterface,BCI)系统特征提取较慢的现状,提出基于约束独立分量分析(constrainedindependentcomponentanalysis,cICA)的P300特征提取方法.首先,针对各位P300实验被试,通过EEG图像研究其特有P300时域特性;然后,根据P300特性构建参考信号,并将参考信号与独立分量分析(independentcomponentanalysis,ICA)方法结合,基于64导联EEG,提取出与P300相关度最大的独立分量;最后,依据提取出的独立分量构造3维特征向量进行分类.实验采用线性分类器,针对BCICompetitionIIdatasetIIb和BCICompetitionIIIdatasetII两组公共数据集进行了验证.结果表明,提出方法在3次叠加平均下识别正确率达671%,15次达952%,在相同实验条件下,分类时间也较其他方法缩短.     

特征筛选对脑-机接口信号单次提取精度的影响

脑-之机接口的核心问题之一是通信载体信号的单次提取．在构建脑控拼写器的过程中,通过“模拟自然阅读”诱发模式产生的视觉诱发电位作为人脑与计算机之间的通信载体,采用支持向量机方法进行特征信号的单次识别．为提高识别精度,详细研究了信号时程、时段的选择对模式识别精度的影响．结果表明,信号时程越长分类精度越高,时程达到300ms时,分类精度就可达到最大值（且趋于饱和）;信号时段的选择对分类精度亦有较大影响,最佳时段在靶刺激出现后约250～350ms作为起始处．这一结果为提高系统的整体速度与精度打下了基础．     

基于差分进化算法的重力固体潮信号独立分量分析

为了提取出重力固体潮信号中的独立谐波成分,基于地球自转与月球、太阳相对于地球轨道变化的正交关系建立一个天体间引潮力的分解模型.为了实现对三者所产生的潮汐谐波的分解,将差分进化算法用于独立分量分析中,用以提高整个算法的效率,改进实验的观测精度,从而更有效的得到与该模型相一致的独立成分.实验中,对昆明地区的实测信号进行了处理并与理论值进行了对比,结果表明,该方法可以将重力固体潮信号中各潮汐谐波分量间关系揭示出来且与分解模型相对应,各分量所含的频谱信息与理论值相一致,说明该方法是一种有效的、对重力固体潮信号进行独立分量分析的新方法.     

Single-Trial Estimation and Analysis of PVEP Based on Independent Component Analysis

IntroductionPattern- reversal visual evoked potential(PVEP) iswidely used in clinical diagnosis and surgery,because it can reflect the result of the visualprocess consisting of light perception at theretinal,transmittance along the visual pathways,and the final cortical presentation. In practice,thePVEP is a transient signal contaminated by theongoing background electroencephalograph(EEG)and othernoiseswith poorsignalto noise ratio. Toobtain a clear PVEP complex,the ensembleaveraging met…     

新型临床用视网膜电图和视觉诱发电位两用仪的研制

介绍了以单板机为基础的ERG(Electroretinegran)和VEP(Visual EvokedPotential)检测仪器。采用平面发光管产生弱光刺激,以皮肤电极检测电信号,并用迭加和滤波方法对信号进行处理,得到视网膜电图和视觉诱发电位。     

基于独立成分分析的脑电伪迹消除方法

独立成分分析(ICA)是统计信号处理中的一项新技术，用来从混合信号中提取具有统计独立性的成分，基于固定点快速算法，从脑电(EEG)信号中消除眼电(EOG)伪迹信号，并给出了实验结果。实验结果表明该算法具有较好的性能和实用性。     

基于ICA-R的目标运动变化检测

针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference, ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法计算量大,抗噪声、抗抖动性能弱的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.     

基于独立分量分析的非均匀采样弱信号频域检测

非均匀采样可以在对模数转化器件的采样频率要求较低的情况下,提取超出Nyquist采样定理限制的频率.当包含两个幅值相差大于10%信号的混合信号经过非均匀采样后,由于采样的伪随机性会产生频谱噪声,因此从幅值谱中辨别不出幅值很小的弱信号.根据非均匀采样的幅值谱识别出大信号频率,构造模拟源信号,以混合信号作为另一个源信号,根据独立分量分析(ICA)对幅值不敏感的特点,使用FastICA算法从混合信号的频谱中成功分离出幅值为强信号幅值五百万分之一的弱信号.在弱信号检测过程中,提出利用互相关系数进行"扫相"处理,以解决大信号相位匹配的问题.在相位匹配存在0.70%误差的情况下,成功分离出幅值为强信号幅值0.06%的弱信号.     

级联双稳随机共振降噪下的有噪ICA研究

研究了强噪声混合条件下的独立分量分析（ICA）问题．提出了一种将级联双稳随机共振（SR）用于有噪ICA盲源分离的方法．该方法利用级联双稳SR对时域波形降噪的优良特性，先对有噪ICA信号进行SR输出，再进行ICA盲源分离．实验结果表明，利用上述方法可以有效提高有噪ICA的分离效果．     

视诱发电位信号检测技术的发展

视诱发电位(VisualEvokedPotential,VEP)在视觉电生理学及临床诊断和检测中有重要意义.总结了视诱发电位提取技术的发展和现状,介绍了目前存在的几种主要提取方法,并对其各自的效果进行了分析,尤其对于近来在视诱发电位检测研究中的热点———多焦视诱发电位进行了较为详细地论述,并对视诱发电位信号的检测进行了展望.     

基于优化ICA算法的高光谱矿物识别

混合像元是影响岩矿高光谱由定性解译向定量反演发展的关键因素之一.以往分离岩矿高光谱混合像元,需要先获得参与混合的端元数量及端元光谱,这在许多场合是难以做到的.独立成分分析可以在端元光谱、混合矩阵未知且没有任何先验知识的情况下,有效分离岩矿高光谱混合像元,只要端元光谱是非高斯性信号且满足统计独立性.它实现了矿物识别,并为矿物丰度反演及成分识别打下了基础.通过引入调整因子,改善独立成分分析(Independent Component Analysis,ICA)算法的收敛性.当参与混合的端元光谱相似度较高或者端元光谱的非高斯性较低时,岩矿高光谱混合像元的分离精度将受到影响.