经验模态分解在EGG信号慢波提取中的应用

对临床检测到的胃电图(electrogastrogram,EGG)信号先进行经验模态分解(empirical modedecomposition,EMD),然后再选择相应的内在模分量重构,有效地提取出EGG信号中的慢波成分,提高了信号的信噪比.     

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.     

基于多通道时频相干的诱发电位单次提取

针对信噪比低、频带宽的诱发电位信号单次提取问题，提出了一种在时间—频率域中的多通道相干成分分离算法．本算法采用头皮电板进行多通道同步观测和记录，在各通道的观测数据中诱发电位信号具有较高的相干性，而其他干扰信号的相干性较低，因此根据其相干性将诱发电位信号与其他信号分离，实现诱发电位的提取．为实现相干成分的分离，本算法首先应用于小波包分解将信号在时频域展开，然后通过计算相干系数确定相干的诱发电位信号在时频域中的分布区，并据此去除噪声的能量分布而得到诱发电位的时频域分布，再通过小波包重构就可以分别提取出各通道中高信噪比的诱发电位信号．本算法可以有效地提取各类宽频带信号，能够极大地提高低信噪比信号的辨识能力，具有良好的非重复信号捕捉性能，应用此算法已成功地实现了视觉诱发电位的单次提取．     

基于独立分量分析（ICA）的图像去噪方法

独立分量分析(Independent Compondent Analysis,ICA)是近年来提出的一种非常有效的数据分析方法,主要用来从混合数据中提取出原始的独立信号.在独立分量分析基本模型的基础上,计算在变换基下的投影,应用软门限算子进行去噪处理,结合实例对含噪图像进行去噪.实验结果表明,该算法在峰值信噪比和主观视觉效果上都比传统图像去噪方法具有明显的改善.     

基于峰度ICA和本征图像滤波的超高斯信号去噪方法

针对超高斯信号的分析领域中,传统独立分量分析法(ICA)提取的独立分量信噪比低、耗时长的问题,提出了基于峰度的ICA算法,以混合超高斯信号的统计特性为基础,采用峰度作为超高斯性的唯一判断依据,首先经过本征图像滤波压缩信源空间,然后经过球化消除信源的二阶相关性,最后通过迭代判断最大峰度,对应输出一个独立分量.超高斯地震信号实验表明,所提算法有效可行,与传统ICA、基于负熵的ICA相比,迭代次数更少,输出信噪比更高.     

一种基于ICA的机械缺陷超声信号提取方法

针对强噪声背景下缺陷超声回波信号检测的问题,利用了基于独立分量分析的方法进行缺陷信号的提取。该方法首先对观测信号进行JADE分解,得出多导独立分量,再根据赫斯特指数,分离缺陷信号和噪声信号。通过对仿真和实测缺陷超声信号的去噪实验研究,结果表明,与小波去噪方法相比,ICA去噪方法能够得到很好的信噪比,有利于强噪声背景下缺陷的去噪处理及微弱信号的提取。     

基于声信号分析的齿轮故障诊断方法

为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题,提出了一种独立分量分析和自相关分析相结合的齿轮故障诊断方法.首先用独立分量分析分离特征信号和干扰信号,然后用自相关分析提取特征信号中的周期成分.实验结果表明,该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征.     

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。     

微弱裂纹信号的ICA盲源分离提取

针对机械设备关键基础部件早期故障信号提取困难这一问题,提出了一种基于独立分量分析(ICA)的盲源分离去噪方法。采用Fixed-point ICA算法和基于负熵的判据,对不同信噪比下金属裂纹信号进行提取。研究结果表明,此方法受噪声强度及信号频段的影响比较小,可有效提取出所需信号;且获得的信号波形失真很小,是一种较好的微弱信号提取方法。     

基于欧拉放大的桡动脉脉搏波提取方法

脉搏波是反映人体心血管状况的重要参数,基于视频的非接触式脉搏波检测在医疗健康领域具有重要的研究价值。针对目前非接触式脉搏波提取方法存在检测不准确、受光照影响较大等问题,文章提出了一种基于欧拉放大的桡动脉脉搏波提取方法。利用欧拉放大算法放大手腕处桡动脉的微小搏动信号;对放大后的视频进行分块,计算每个子块的时域信噪比(signal to noise ratio,SNR),将SNR最高的区域作为感兴趣区域;利用独立成分分析(independent component analysis,ICA)算法来分离感兴趣区域中的脉搏波信号和环境噪声,进而通过功率谱估计方法对脉搏波信号进行分析,以获取脉搏波对应的心率值;在多组实验数据集上对该方法进行测试,以经典的脉搏波检测设备提取的脉搏波为真实值,分别在自然光、日光灯和弱光等不同场景下与最新的基于色度信息分析的脉搏波提取方法和基于人脸视频的脉搏波提取方法进行对比。实验结果表明:该文方法提取的脉搏波与脉搏波检测设备提取的脉搏波具有更高的一致性,在自然光、日光灯和室内弱光等不同场景下分别能达到98.60%、92.10%、90.60%的准确率;相比于其他方法,该方法在3种场景下提取脉搏波的准确率提升均大于1%,提高了非接触式脉搏波提取的性能。     

视、听偏差刺激选择性注意的ERPs研究

本实验采用了视听双通道伪同时呈现的oddball模式,以汉字和简单几何图形为视觉刺激,1000Hz和800Hz的纯音为听觉刺激,使用注意通道(注意和非注意条件)×刺激概率(偏差刺激概率均为15%,标准刺激的概率均为85%)的2×2因素设计,来研究视觉和听觉偏差刺激在注意和非注意条件下诱发的事件相关电位(ERPs)。实验中视觉和听觉刺激随机序列地呈现给被试(刺激间隔ISI为700～1300ms),被试被要求注意某一通道如视觉通道,而相应地忽视另一通道即听觉通道,以左右手触键反应,如左手反应视觉偏差刺激,右手反应视觉标准刺激。结果表明,听觉偏差刺激在注意和非注意条件下均诱发了类似的不匹配负波(MMN);而视觉偏差刺激在注意和非注意条件下没有诱发MMN或类似MMN的成分,这是因为视觉系统的平行加工特性和难以对视觉影像产生记忆痕迹。听觉偏差刺激在注意条件下重迭了N2b成分并跟随了P3a成分,这种重迭和跟随反映了选择注意中的定向反应。注意条件下听觉和视觉的偏差刺激诱发了较大波幅的P300成分,反映了工作记忆中的表象更新。本实验的结果支持Naatanen对MMN所做的观察,听觉偏差刺激所诱发的MMN与注意条件的无关性反映了听觉通道中感觉刺激特征的自动化加工。     

时序自适应滤波技术用于听觉诱发电位的跟踪

本文针对诱发电位是具有重复出现特性的非平稳信号这一特点，利用时间序列自适应滤波技术对听觉诱发电位进行动态跟踪，时间序列自适应滤波技术将非平稳的听觉诱发电位进行分段处理，每段用一个专门的ＬＭＳ自适应信号增强滤波器来实现，实验表明，利用这一新方法不但能够得到优于常规平均技术的结果，更重要的是它能不断地跟踪诱发电位的变化轨迹，提供变化的细节，为临床诊断和神经生理学的研究提供有力的手段。     

基于HHT的线性调频信号分析与参数估计

基于Hilbert-Huang变换(HHT),提出一种有效的线性调频(LFM)信号的分析与参数估计的方法.首先对LFM信号进行HHT得到其Hilbert谱,并根据能量的准则提取其中的主成分,完成LFM信号分析.对利用能量型主成分提取法得到的LFM信号主成分进行最小二乘直线的拟合,计算直线的斜率与截距,得到LFM信号的参数的估计值.实验证明,能量型主成分提取方法,在较高的信噪比范围内具有一定的LFM信号估计效果.     

基于小波包和独立分量分析的微弱多源故障声发射信号分离

针对旋转机械设备中同时存在的裂纹、摩擦等多故障源信号难以检测和分离的问题,提出了一种基于小波包分析(WPA)与独立分量分析(ICA)的多源故障信号提取方法,即首先用WPA对含噪线性混合信号降噪预处理,由db2小波基函数进行5层分解后保留62.5~187.5kHz频段信号,然后采用ICA中的FastICA算法对降噪后的混合信号分离,最后对各通道分离出的信号用收缩函数进行频段内去噪处理.对不同输入信噪比的含噪微弱裂纹和摩擦信号进行提取和分析的结果表明,该方法能有效提取出输入信噪比大于-15dB的裂纹和摩擦信号.当混合信号信噪比为-15dB时,裂纹和摩擦信号的输出信噪比分别为-1.31和-1.36dB,相关系数分别为0.62和0.63,提取效果好于结合小波包和FastICA分离方法(信噪比分别为-1.74和-2.06dB,相关系数分别为0.59和0.59)以及单独采用FastICA算法(信噪比分别为-4.57和-4.31dB,相关系数分别为0.17和0.19).因此,所提出的综合WPA和ICA的方法是一种较好的多源微弱信号提取方法.     

基于独立分量法的多导诱发脑电的单次提取

脑电 ( Electroencephalographic,EEG)视觉诱发电位 ( Visual Evoked Potential,VEP)的提取在生物医学信号处理领域近年来是一项备受关注的研究问题 .本文提出的一种基于独立分量分析法 ( Independent Component Analysis,ICA)单次提取多导脑电信号 ,其与叠加平均法相比 ,可以看到令人满意的结果     

基于田口法的生物浸出液萃铜工艺的优化

基于田口方法,提出了采用萃取剂LIX984N从高铁生物浸出液中萃铜工艺的优化方法,对萃取率及反萃率进行信噪比分析和方差分析.结果表明,萃取过程中,萃取剂体积分数和相比对萃取率的贡献率较大,分别达到32744%,34180%,时间为较重要因素,pH值对信噪比影响较小.优化后的工艺参数:萃取剂体积分数为30%,相比(V(O)/V(A))为2∶1,时间为600s,pH值为15;反萃过程中,相比及时间为显著因子,温度为不显著因子.优化后的工艺参数:相比(V(O)/V(A))为1∶2,时间为600s,反萃温度为30℃.在优化后的条件下进行萃取—反萃—电积实验,萃取率达到9991%,反萃率达到9856%,电流效率达到92594%.     

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…     

利用伪随机序列相关辨识检测视觉诱发电位

诱发电位在临床诊断及中枢神经系统的研究中有重要意义。目前的诱发电位检测方法是平均法，由平均法获得的诱发电位远不能满足许多实际应用的需要。本文利用伪随机序列相关辨识技术，实现了快速检测视觉诱发电位。文中对这项技术的原理作了详细的描述，给出了检测算法，并分析了检测信噪比相对平均法的改善情况。实验结果显示，这项技术能大大缩短检测时间，对克服时变因素的影响，减少病人的痛苦，以及对诱发电位在神经外科手术中的应用都有深远意义。     

与飞行任务相关的认知负荷对听觉事件相关电位的影响

为研究与飞行任务相关的认知负荷对听觉事件相关电位的影响, 采用14名被试者开展飞行模拟实验, 完成基于不同认知负荷水平的仪表监视任务。同时, 由耳机双侧呈现oddball模式下的听觉刺激, 引导被试者关注飞行模拟任务, 忽略听觉刺激。记录听觉事件相关电位失匹配负波(mismatch negativity, MMN)、N1和P2作为认知负荷的评价指标。实验结果表明认知负荷对额叶MMN的影响显著, MMN平均波幅在高认知负荷下显著增强, 表明被试者对任务不相关信息的自动加工能力提高, 且MMN平均波幅与模拟飞行期间被试者对异常信息的正确探测率正相关。提示额中央区的MMN对于与飞行任务相关的认知负荷具有较好的敏感性, 并可能用于复杂飞行任务的认知负荷水平评价。但是, 实验结果也表明认知负荷对早期听觉成分N1, P2以及颞叶MMN的影响不明显, 在一定程度上说明了听觉事件相关电位在评价与飞行任务相关的认知负荷时所表现出的复杂效应。     

基于盲源分离的心室晚电位信号检测

采用快速独立分量分析方法研究了心室晚电位信号的特征提取和检测,提出了利用通道扩展的方法,将有限的2通道数据扩展为4通道数据.通过快速独立分量分析方法进行盲源分离,实现了心室晚电位信号与正常心电信号的完全分离.仿真结果表明,利用独立分量分析方法对心室晚电位信号的特征检测是一种行之有效的手段.