Nonnegative matrix factorization and its applications in pattern recognition

Matrix factorization has been widely used in many fields[1]. In numerical algebra, the large-scale and com- plex problems can be transformed into small-scale sim- ple subproblems by matrix factorization; in applied statistics, low rank approximation of or…     

基于颈腰部肌电及脑电信号的疲劳驾驶检测

为了有效判别驾驶员的疲劳状态,结合生物力学分析提取了驾驶过程中的颈腰部肌电信号EMG和头部脑电信号EEG,并分析其特征参数在驾驶过程中的变化规律.结果表明:颈肌样本熵、颈肌复杂度、腰肌样本熵、腰肌复杂度、脑电样本熵、脑电复杂度这6个生理信号的特征参数值都随着驾驶时间的延长而逐渐降低,通过主成分分析可实现特征参数间的合理组合.基于多元回归理论,建立了能够有效预测疲劳驾驶的数学模型.状态验证结果表明,该模型对疲劳状态判别的正确率可达95%以上.     

基于复杂网络的脑电信号回归分析

基于相点距离集合确定脑电信号的相空间重构嵌入维数,并得到时间序列的相空间轨迹.把由相空间轨迹构成的回归矩阵转化为复杂网络的连接矩阵,并用复杂网络的特征参量表征回归矩阵的性质.实验结果表明,由不同生理状态的脑电信号构成的回归矩阵呈现出普适和非普适特征,也就是小世界特征的一致性和聚类结构的差异性.这些结论与实际脑网络的小世界特征和脑功能区域的聚类结构能够很好吻合.     

40HZ脑电信号检测理论在脑电混沌态分析中的应用

在脑电信号的混沌态分析中引入阵发性４０ＨＺ脑电信号检测理论，用以判断受试者是否合作，并决定可用于混沌状态分析的数据段，文中对阵发性４０ＨＺ脑电依赖从理论、检测方法的实现、实际应用等几个方面进行了讨论。     

应用多分辨率小波变换提取脑电信号异常节律

脑电信号是非平稳的随机信号，其中包含了大量的生理和疾病信息，对于医生判断脑都是否有器质性的病变具有重要作用。因此对脑电信号的分析和处理一直是人们努力研究的领域。考虑到小波变换良好的时频局部化特性，利用多分辨率小波变换方法来实现脑电信号异常节律的提取，脑电信号经多分辨率小波变换后所得到的各个尺度的信号不仅反映了信号的频率信息，即尺度越大，对应信号的频率越低，同时也反映了信号的时间信息，即反映此时的EEG状态，实验结果表明，选择合适的小波基，可以有效地提取脑电信号中的异常节律。     

脑电逆问题中求逆方式与信号去噪的研究

提出了一种空间总集全局寻优的求逆方式，改进了在脑电逆问题的研究中，传统的时空全局寻优求逆及静态求边方式的不足。为了能够利用单次或少量几次刺激对脑电诱发响应信号进行定位求逆，提出了空间因子求逆方式及相关噪声抵消法，有效地消除了脑电诱发响应中强背景噪声的影响。仿真研究表明，利用这些方法，在信噪比为－１０ ｄＢ的情况下，仍能对诱发响应信号进行准确的定位和提取。     

Interleaving distribution of multifractal strength of 16-channel EEG signals

Muitifractai characteristics of 16-channel human electroencephalogram (EEG) signals under eye-closed rest are analyzed for the first time. The result shows that the EEGs from the different sites on the scalp have different muitifractai characteristics and the muitifractai strength value △α exhibits a kind of interleaving and left-right opposite distribution on scalp. This distribution rule is consistent with the localization of function and the iateralization theory in physiology. So △α can become an effective parameter to describe the brain potential character. And such a △α stable distribution rule on sites of the scalp means a classic cerebral cortex active state.     

基于独立成分分析降噪与集成分类器的疲劳脑电研究

疲劳驾驶是引起众多交通事故的重要因素之一,脑电作为一种直接反映大脑组织电活动的信号日趋成为评估驾驶疲劳检测与预警的研究焦点。本文提出了一种基于AdaBoost的组合型实验方法用于分析脑电检测疲劳驾驶。试验过程中针对不同受试者采用独立成分分析(Independent Component Correlation Algorithm, ICA)处理分析,继而进行样本熵、信息熵、模糊熵和AR系数的特征提取;最后运用AdaBoost将最小二乘向量机基于三种核分类器集成为一个强分类器。试验结果显示,采用AdaBoost分类器分类效果优于单个核分类器,对疲劳驾驶平均识别率达到93%,五折交叉验证准确率为91.04%,在一定程度上推动了基于脑电信号的安全驾驶辅助监控系统的研究。     

高原公路纵断面线形与驾驶员脑电特性的试验分析

为了解驾驶员在高原公路行车时,其脑电特性与纵断面线形的关系,探究适宜的公路线形,选在帕米尔高原G314国道进行驾驶试验。通过对比经过181个变坡点附近受测驾驶员脑电(EEG)的变化特征,选取脑电α频段与β频段的平均功率比R作为评价驾驶员心理紧张度的脑电特性指标,定量分析R随海拔、竖曲线半径r、坡差ω的变化规律;同时建立关系模型。研究表明:R与海拔、竖曲线半径、坡差之间的相关性均较强;R与海拔、绝对坡差呈正相关,与r呈负相关。表明海拔的升高,绝对坡差的增大,竖曲线半径的减小,对驾驶活动是不利的,驾驶员的生理不适状况会随之逐渐增加,疲劳感逐渐增强。     

一种分析睡眠脑电图的时频特征图

使用Choi-Williams分布对一段睡眠脑电图（EEG）信号进行时频变换，利用局部频谱的特征估计各个时间间隔里的波形，并得到局部频谱的特征曲线，整段EEG信号中所有时间咪上的频谱特征曲线组成一种时频特征图，使用该时频特征图分析睡眠EEG，不仅能够统计该段EEG信号中各种基本波形的出现情况，而且可以观察EEG信号中每个基本波形的变化方式，通过时频特征图对采集的实际睡眠EEG数据进行分阶实验，结果表明，时频特征图可以作为一种分析睡眠EFG有效工具，有良好的应用前景。