过度使用互联网对脑电时频特性的影响研究

应用小波变换以及非负矩阵分解的方法研究了过度使用互联网对脑电时频特性的影响．采用经典的oddball刺激实验,分别采集过度使用互联网者与正常受试者在新奇刺激出现时的事件相关电位（Event—related potentials,ERP）,并利用小波变换以及事件相关谱扰动提取ERP的gamma节律时频信息,然后对其ANOVA统计计算的F检验结果进行两分量的非负矩阵分解．结果发现,过度使用互联网导致ERP的P300波幅降低（p〈0．05）,潜伏期延长（p〈0．05）,另外对于gamma节律的影响主要发生在刺激后300ms,频率范围在4050Hz内,主要集中在大脑的中央顶部．此结果说明过度使用互联网对大脑进行信息的整合和编码造成了影响．     

睡眠剥夺对大脑状态影响的时-频-空分析

结合脑电信号EEG的小波变换和非负矩阵分解,寻求正常睡眠和睡眠剥夺（sleep deprivation,SD）两种条件下,大脑状态在时域、频域和空域的主要差异,探讨其发生机制,并建立综合评价方法．为此,获取两种条件下11名受试者的听觉诱发电位,对脑电gamma频段做小波变换得到时频信息,采用ANOVA统计计算每个时频点的F检验值,对此进行两分量的非负矩阵分解结果表明,SD引起的大脑状态变化主要发生在40Hz左右,刺激后约400ms处的额叶和前额叶位置．基于此,分别从时频复合域、时域和空域的角度来分析具体的变化,发现SD引起gamma振荡减少,活动时间延迟,额叶功能区兴奋性降低,推断SD的作用机制在于降低了神经元的活动和同步化效应．分析表明结合EEG的小波变换和非负矩阵分解,可以建立一条从时、频、空三域全面评价大脑状态主要变化的途径．     

非负矩阵分解算法在遥感图像融合中的应用

研究了非负矩阵分解(NMF)方法在遥感图像融合中的几种应用.在多光谱图像与全色图像融合的过程中,采用了非负矩阵分解融合算法,非负矩阵分解与主成分结合(N_PCA)的融合算法,非负矩阵分解与提升小波变换结合的融合算法,通过对各融合图像的目视判定及统计参数判定,分析评价这些算法在遥感图像融合中的性能差异.研究实验证明非负矩阵分解算法应用于遥感图像融合处理,具有较好的融合效果,非负矩阵分解算法,非负矩阵分解与主成分结合的融合算法,非负矩阵分解与提升小波变换结合的融合算法在遥感图像融合中的性能优于传统的主成分融合算法(PCA),其中,非负矩阵分解与提升小波变换结合的融合算法的性能最为优异.     

一种基于事件相关电位的时频表示方法

生物信号的非平稳特性使得经典的时域分析方法和频域分析方法不能更好地描述信号的局部特征,而联合时频表示可以有效地反映信号的瞬时频率特性.事件相关电位(ERP)是指在特定认知任务下获取的脑电信号,它与刺激所引起的皮层电位直接相关,ERP信号的时频分析将有助于从更深层次上解读其中蕴涵的丰富信息.本文在对几种典型时频表示方法的比较基础上,提出了一种基于滤波器组-Hilbert变换的信号时频表示方法,将这几种方法应用到模拟信号的结果表明,该方法可以更好地保留信号时频特征的细节.因此通过将滤波器组-Hilbert变换方法应用到心理学经典Stroop任务的ERP信号分析中,除了可以得到与心理学传统ERP分析一致的结果外,还可以获取比之更为丰富的信息.     

睡眠剥夺对脑认知和脑电复杂性的影响

为研究睡眠对大脑功能的影响，考察了正常睡眠与睡眠剥夺情况下脑认知能力的变化，分析了两种状态下自发脑电和事件相关电位复杂性的差异．通过事件相关电位P300的潜伏期与幅度反映不同状态下的脑认知能力，采用小波熵方法分析其复杂性．实验采用数字脑电图仪记录19导脑电信号，用OB序列诱发视觉事件相关电位．结果发现，睡眠剥夺组的靶刺激反应时间明显增长，而P300幅度显著降低、潜伏期明显增加；小波熵分析结果表明，与正常睡眠组比较，睡眠剥夺组自发脑电的256点小波熵和事件相关电位的32点小波熵均值都显著降低．故得出结论：睡眠剥夺对人的认知和脑电复杂性均产生了负向影响．因此，睡眠对维持大脑的功能具有重要作用．     

一种非负矩阵分解的快速稀疏算法

提出了一种非负矩阵分解的快速稀疏算法,该算法有利于处理高维小样本数据.在非负矩阵分解的过程中,通过代数变换,将原高维n×m阶的非负矩阵分解转化成低维m×m阶非负矩阵分解,大大提高了分解速度.在目标函数中加入了约束稀松度的项,通过控制稀松度,提高分解得到的潜在语义信息,改进文档集的话题划分,并能快速提取主题相关的语句生成文摘.     

基于受限的非负矩阵分解的多光谱和全色遥感影像融合

为了有效去除遥感影像中数据冗余问题,提出了一种基于受限的非负矩阵分解的影像融合算法,利用矩阵的非负性实现了中巴卫星多光谱影像和Landsat ETM 高分辨率全色影像的融合.实验结果表明,与IHS变换,小波变换等传统融合方法比较,该方法在较好的保留光谱信息的同时,空间细节信息也得到了增强,同时具有较高的峰值信噪比.     

再认记忆的事件相关电位多域特征值研究

为了更好地了解再认记忆状态下的事件相关电位(ERP)在时域、频域和空间域的性质,与传统的ERP信号特征提取方法往往都局限于时域特征不同,该研究采用非负张量分解(NTF)技术,提取再认记忆实验中与"Old"和"New"刺激相关的ERP的多域特征值。多域特征值是从多个导联ERP信号的时频转换中提取的,因此可以同时反映ERP在时域、频域和空间域上的性质。研究结果发现,多域特征值可以明显地反映出不同刺激类型下ERP信号的差异,与额区新旧效应相关的FN400在"New"刺激下的多域特征值显著大于"Old"刺激下的,与顶区新旧效应相关的P600在"Old"刺激下的多域特征值显著大于"New"刺激下的,说明多域特征值能很好地用于区分和识别再认记忆中的新旧刺激,这不仅为再认记忆的研究提供了一个新方法,而且为基于ERP的认知功能研究提供了新的思路和途径。     

近视与视觉事件相关电位P300关系的研究

对8名无其他眼科疾病的近视眼患者在摘除和佩戴眼镜两种情况下分别进行视觉oddball模式刺激,并记录其脑电信号.刺激分为两组:一组为形状相同但颜色不同的几何图形,另一组为颜色相同但形状不同的图形.在每组刺激中,分别比较在摘除与佩戴眼镜两种情况下由该刺激诱发的视觉事件相关电位P300.结果发现在这两组刺激中,近视眼患者在摘除与佩戴眼镜两种情况下的P300无显著性差异.这说明大脑对颜色与二维图形的认知功能基本上不会受到视力的影响.     

基于小波变换和非负矩阵分解的人脸识别改进方法

针对NMF在识别人脸图像特征时分解速度慢,基空间不适应欧氏距离度量的缺点,提出了一种基于小波变换和非负矩阵基矩阵正交化的人脸识别方法.利用小波变换对人脸图像进行变换,选择LL分量既能抽取到人脸的实质特征又能有效减小数据维数,降低NMF分解的复杂性.同时对NMF的基矩阵实施正交化变换,在得到的正交基上进行投影.实验结果表明,该方法对光照变化、表情变化和部分遮罩不敏感,识别性能明显提高.     

隐秘信息的脑电检测

为揭示疑犯隐藏的真实信息,检测隐秘信息的脑电,设计了一个猜测受试者真实名字.结果表明:在个体对不同自我相关程度名字产生刺激,在刺激出现后的300～600 ms内,本人名字诱发的正波幅值大于陌生名字刺激.通过小波变换提取特征,用支持向量机进行训练和分类.在进行5个试次叠加平均后,采用PO3通道可将自己的名字分类成功,5位被试平均正确率达98%,该方法可应用于个体隐秘信息的脑电检测.     

改进的NSCT与NMF结合的图像融合方法

基于人类视觉系统和源图像特性,对基于非下采样Contourlet变换与非负矩阵分解(NMF)图像融合算法进行了改进.在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征,低频部分使用非负矩阵分解的方法进行融合,高频部分使用活性测度和一致性验证的方法进行融合.实验结果表明,该算法具有较强的鲁棒性,融合图像边缘的清晰度和连续性也较理想.     

基于类别信息和稀疏表示的非负矩阵分解

非负矩阵分解通过分解得到基矩阵对于非负的矩阵线性表示,该方法已经在模式识别、信息检索、计算机视觉中得到了广泛的应用.对于模式识别问题,基本的非负矩阵分解方法并没有考虑样本的类别信息;除此之外,稀疏表示用于模式识别问题会有更高的识别率.所以提出基于类别信息和稀疏表示的非负矩阵分解用于研究模式识别问题,并且在ORL和YALE人脸库上进行数值实验,实验结果此方法具有更高的识别率.     

正交小波变换的残余相关分析

构造了正交小波变换矩阵，分析了平稳模型和非平稳模型下正交小波变换的残余相关特性．实验结果表明，对于非平稳信号，正交小波变换的去相关性能好于离散余弦变换；而对平稳信号，正交小波变换性能较差，因此，在数据压缩应用中，应使用正交小波变换与其它经典变换相结合的编码方法     

非负矩阵分解下的稀疏基构建

当信号在某个变换域是稀疏的或可压缩的,可以利用与变换矩阵非相干的测量矩阵将变换系数投影为低维向量,同时这种投影保持了重建信号所需的信息。 压缩感知技术以较少的投影数据实现信号的精确或高概率重构。而信号重建能力很大程度上取决于信号的稀疏性,以及采样矩阵和变换矩阵的非相干性。本文提出用非负矩阵分解（NMF）对原始信号进行稀疏变化,构建稀疏变换基矩阵 ,并与离散傅立叶变换（DFT）和离散小波变换构（DWT）建变换矩阵进行对比研究,对相干度,稀疏度进行测量,并采用正交匹配追踪（OMP）进行信号还原能力分析,表明在同等测量次数下NMF还原能力优于DFT和DWT。     

体育运动和体育锻炼领域内ERP的研究

0前言 事件相关电位fERP）也称诱发电位．是人们的大脑在对某一刺激信息进行认知心理加工过程中．在头皮上记录到的脑电位变化。它是以与某种作业有时锁关系的脑电（EEG）信号为基础．将EEG平均叠加得到的脑电活动。ERP的晚成份是与心理因素关系最为密切的一种成份，含5个主要的波：P1、N1、P2、N2、P3，（狭义上ERP是指p300）。     

基于Morlet小波变换与SVD的故障特征提取

针对Morlet小波变换结果中的特征提取问题,对连续小波变换得到的小波系数矩阵进行奇异值分解(SVD),分析了所获得的奇异值与Morlet小波变换结果中的特征信号以及噪声的对应关系.基于这种关系,通过选择合适的奇异值进行重构,清晰地提取到Morlet小波分解结果中的有效特征信息;进一步计算得到频率-能量谱,根据峰值位置能够提取冲击特征.将该方法应用于轴承振动信号的故障特征提取,并与其他方法进行了比较.结果表明,文中方法所获得的故障波形非常清晰,在低信噪比时具有较好的故障特征提取效果.     

基于SUSAN和加权非负矩阵分解的图像融合算法

为了更好地保留源图像边缘信息、提高抗噪能力,提出一种基于SUSAN和加权非负矩阵分解的图像融合方法.运用SUSAN对像素点进行分类,根据分类结果构建加权矩阵,最后运用加权非负矩阵分解方法实现图像融合.实验证明,该方法能有效地保留边缘信息且抗噪性较好.     

改进的NSCT与NMF结合的图像融合方法

基于人类视觉系统和源图像特性,对基于非下采样Contourlet变换与非负矩阵分解(NMF)图像融合算法进行了改进。在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征,低频部分使用非负矩阵分解的方法进行融合,高频部分使用活性测度和一致性验证的方法进行融合。实验结果表明,该算法具有较强的鲁棒性,融合图像边缘的清晰度和连续性也较理想。     

新轮廓波变换与二维非负矩阵分解的图像融合

为了克服经典轮廓波变换存在Gibbs现象的缺陷,提出一种基于新型轮廓波变换与二维非负矩阵分解模型的图像融合方法。与经典模型相比,新型轮廓波变换很大程度上改善了成像效果,该方法首先对原始待融合图像进行分解;其次,对经典非负矩阵分解模型进行改进,提出二维非负矩阵分解模型,并利用该模型完成对低频分解系数和高频分解系数的融合;最后,采取新轮廓波变换的逆变换获得最终结果图像。仿真实验结果表明,该方法在主观效果和客观评价过程中均有良好的表现。