独立分量提取的在线算法及其应用

独立分量分析(ICA)根据信源统计独立特性对观测信号进行盲分离运算，由于其独特的分离性能而受到广泛关注，但目前其实现的算法普遍采用批处理的形式。文章探讨了在线ICA算法，并将其应用于脑电信号伪迹消除中，实验结果表明，丈中所提出的在线ICA算法具有良好的稳健性和盲源分离性能。     

基于对称延拓的DFT频谱泄漏抑制方法

提出一种利用信号对称拓展技术抑制离散傅立叶变换频谱泄漏的方法 ,实验证明是一种有效的方法。     

基于时窗复杂度序列的睡眠脑电分析

运用时窗复杂度序列来分析睡眠脑电,减少了非平稳性及状态空间的不均匀性造成的脑状态信息的丢失,在一定程度上克服了复杂度的自身的局限,有助于不同睡眠期状态特征的提取.另外本文采用ICA、小波变换等方法对脑电进行预处理,实验表明它们能有效地去除脑电中的一些生理干扰,有利于提高复杂度算法在睡眠分期应用中的精确度.     

基于多维统计分析方法的脑电消噪

基于二阶统计特性的主分量分析(PCA)和基于高阶统计特性的独立分量分析(ICA)是两种非常典型的多维统计分析方法.本文对PCA和ICA基本原理进行了简单介绍,并结合脑电消噪问题,对两种方法的性能和特点进行了比较.实验结果表明,在脑电消噪和特征增强等方面,独立分量分析方法具有明显的优势.     

语音信号实时降噪软件的设计

介绍基于多媒体计算机的语音信号实时软件降噪的基本实现方法,详细说明了具体的实现流程及设计要点。实验表明:利用该方法可以实时有效地消除语音信号中的噪声,大大提高复杂环境下获取的语音信号的清晰度。     

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.     

基于独立分量分析的脑电消噪与特征提取

先简要介绍了独立分量分析的基本思想及算法，再将其应用于脑电信号的消噪和思维脑电的特征提取两个方面，实验结果表明：ICA可以将脑电信号中包含的心电（ECG），眼电（EOG）等多种干扰信号成功地分离出来，另外，通过使用ICA方法对进行不同心理作业的脑电信号进行分析处理后，发现了与心理作业相对应的脑电独立分量特征，这些稳定的独立分量特征将可以为心理作业的分类和脑-机接口技术（BCI）提供新的实现方法。