基于独立分量分析的心理作业诱发脑电特征增强
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
４ Ｈｚ相 干增 强．ｇｃｉ 等研究认 为 ， 期 Ｅ Ｐ成 分 反 映 了刺 激 的物 理属 性 和数 字 意 义 ， 正慢 波 电 ０ ） Ｉｕｈ Ｙ 早 Ｒ 而 位反 映 了与 心算有 关 的脑活 动 ， 国学者 Ｄ ｈｅｅＳ等利用 Ｅ Ｐ和 ｆ Ｉ 精确 计算 和估 算 的脑机 制进 法 ｅａｎ Ｒ ＭＲ 对
中图分类号 ：４ １ ０ ４
文献标识码 ： Ａ
文章编号 ：０ ０— １２ ２０ ）２— ０ ９— ５ １０ ２ ６ （０ ８ ０ ０３ ０
心算 是人 类 的基本 认知 活 动之一 ， 涉及 一 系列脑 过 程 ， 究 与心算 活动有 关联 的脑 电位 变化 的时 它 研
空特征 ， 无论从神经科学还是认知科学的角度都有重要的意义． 近年来 国内外学者在该领域做 了很多有 价值 的探索工作 ， 例如， 国学者魏金河 、 我 赵仑等在研究 中发现 ， 心算 活动引起脑 电信 号 中 （ ． ０ ５— ３ ） ０（ ７ ｚ节 律增 强 ， 节 律 （ Ｈｚ和 ３— Ｈ ） ８—１Ｈ ） 弱 ， 顶 区左 右 脑 之 间 的 ０活 动 和 高 频 活 动 （ １— ３ ｚ减 且 ３
基本 节律 成分 进行 研究 ． 具体 方法 步骤 如下 ：
（） １ 用独立分量分析方法消除原始脑电信号 中的干扰成分 ， 得到干净的头皮脑 电；
（ ） 干净 的头 皮脑 电进 行 ０— ０ ｚ 波 ， ２对 ２Ｈ 滤 以增 强子带 成分 ， 然后 再 进行独 立分 量分 析 ； （ ） 独立 分量 进行 时域 波形 特征 分析 和谱 分析 ， 出脑 电基本 节 律独立 分量 ； ３对 选
进行了分析． 研究表 明 ， Ａ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． 过对脑 电 Ｉ Ｃ 通
独立源谱特征和 ＩＡ混合矩阵分析 ， Ｃ 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． 关 键 词 ： 立 分 量 分 析 ； 电 ； 征 增 强 独 脑 特
Ｖｏ ． ２ Ｎｏ ２ １３ ．
第３ ２卷 第 ２期
基于 独 立 分量 分析 的 心 理 作 业 诱 发 脑 电特 征 增 强
张 磊 ， 道 信 ， 小培 张 吴
２０ ３ ） ３ ０９ （ 安徽 大学 计 算智能与信号处理教育部重 点实验室 ， 安徽 合肥
摘
要： 作者采 用独立分量分析 （ｎ ｅｅｄ ｎ Ｃ ｍ ｏ ｅｔ ｎｌｓ ） Ｉｄｐｎ ｅｔ ｏ ｐｎ ｎ ａｙｉ 方法对心理 作业诱发 的脑 电信 号 Ａ ｓ
维普资讯
２０ ０ ８年 ３月
安徽大学学报 （ 自然科 学版）
Ｊ ｕ ａ ｆＡｎ ｕ ｎ ｖ ｒｉ ｔ ｒ ｌ ｃｅ ｃ ｉ ｏ ｏ ｒ ｌｏ ｈ ｉＵ ｉｅ ｓｔ Ｎａｕ ａ ｉｎ ｅ Ｅｄｔ ｎ ｎ ｙ Ｓ ｉ
Ｍａｃ ０ ８ ｒｈ２ ０
合 熵最 大．
在 Ｂ ｌ的语 音盲分 离实 验 中 ， ｅ ｌ 考虑语 音信 号 一 般为 超 高斯 分 布 ， 线性 函数采 用 固定形 式 ｓ ｍ ｉ 非 ｉ ｏ ｇ ｄ 函数 ． 际观 测 信 号 通 常 是 超 高 斯 源 和 亚 高 斯 源 的混 合 信 号 ， 脑 电 信 号 中含 有 工 频 干 扰 和 眼 电 实 如 （ Ｏ 、 电（ Ｃ 伪迹 成分 ， Ｅ Ｇ）心 Ｅ Ｇ） 前者 属于亚 高斯分 布而后 两种 则属 于 超高斯 分 布． 因此采 用 同一类模 型 进行 概率密度 估计 往往效 果不 佳． ． Ｌｅ等人在 传统 Ｉｆ ｘ算法基础 上采 用双概 率模 型 ， 在盲分 Ｔ Ｗ． ｅ ｎｏ ｍａ 并 离算 法迭代过 程 中 ， 根据 分离结 果 的统 计特性 变化 ， 动态 切换 概率 模 型 ， 终 实现 概率 模 型与 真实 源信 最 号概 率分布类 型 的统 一 ， 实现最 佳 的盲 分离效果 ． 就是扩 展 Ｉｆｍ ｘ算法 的基本思 想． ２所示 是扩展 这 ｎｏ ａ 图 Ｉｆｍ ｘ算法 的原理框 图 ， 于梯度 算法 的分离矩 阵调 整公式 为 ｎｏ ａ 基 △ 。 ，一Ｋａｈ ｕ ／ 。［ ｔｎ （ ）Ｔ—ｕ Ｚ ｕ］ ： ｐ—Ｇ ａ
张道信 （ ９０一） 男 ， １７ ， 安徽铜陵人 ， 安徽大学副教授 ， 硕士生导师 ；
吴小培 （９６一） 男 ， １６ ， 安徽贵池人 ， 安徽大学教授 ， 士生导师． 博
维普资讯
安徽大学学报 （ 自然科学版）
第３ ２卷
成． 网络 输 出为 Ｉ＝Ｗｘ是 对真实 源 Ｓ １ 的逼近． （） 可逆单 调非线性 函数 ， ｇ 为 非线性 输 出为 Ｙ 独立性 判据 ． 为最大信 息传输 准则 ， 即通过 对分离 矩 阵 ｗ（ 神经 网络 的连 接权 值 矩 阵 ） 的调 整 ， 非 线性 输 出 Ｙ的联 使
行了研究 ， 其结果在《 ｃ ｎｅ ＆发表¨ ． Ｓｉ ｃ｝ ｅ Ｊ 从上 述 已报道 的心算 Ｅ Ｐ研 究 中可 以看 到 ， 们 比较关 注脑 电信 号 中 的一 些基 本 节 律 波 的变 化 ， Ｒ 人 它们都是心算脑 电信号 中一些非常重要的特征． 作者基于独立分量分析方法 ， 对心算诱发脑电信号中的
（） ４ 结合上述所选独立分量和对应混合矩阵列向量 ，Hale Waihona Puke 研究它们在头皮 电极 的分布情况 ；
研 究表 明 ， 于独立 分量 分析 的特 征增 强 和节律 波提 取技 术具 有很 好 的实 际应用 效果 ． 基
１ 独立分量分析及其算法
ＩＡ问题可简单描述如下 ： Ｃ 假定设置 Ⅳ个传感器获得路观测信号 ，＝ ， ， ， 每个观测信号是 ｉ １２ … Ⅳ；
ｓ＝ Ｗｘ （） ２
图１ 所示为 Ｉ ｏ ａ 算法原理框 图， 中 ｘ为多路 观测信号矢量 ， ｎ ｍｘ ｆ 其 它是由 Ⅳ个独立源线性混合而
收 稿 日期 ：０ ７—１ ２０ Ｏ一１ １
基金项 目：国家 自然科 学基金资助项 目（０ ７ ０４ ； ６ ２ １２ ） 安徽省 自然科 学基金资助项 目（ ７４ ２３ ） ００ １０ ８ 作者简介 ： 张 磊 （ ９ ２一） 男 ， １８ ， 安徽怀远人 ， 徽大学教师 ， 安 在职硕士研究生 ；
由 个独立源信号 ｓ ｉ １２ …， 的线性混合 Ｉ ． ＝ ，， ， ６ 即 Ｊ
Ｘ ＝Ａｓ （） １
其中， ＝［。 ， ］ 和 ｓ ｓ， ， ｓ］ 分别是观测信号矢量和源信号矢量； Ｎ× ｘ ， …， Ｔ ＝［。ｓ …， Ｔ Ｍ Ａ为 Ｍ的未知
混合矩阵． 希望能从多路观测信号 ｘ中分离 出隐含在其中的源信号 ｓ即寻找分离矩阵 ｗ ， ， 使
中图分类号 ：４ １ ０ ４
文献标识码 ： Ａ
文章编号 ：０ ０— １２ ２０ ）２— ０ ９— ５ １０ ２ ６ （０ ８ ０ ０３ ０
心算 是人 类 的基本 认知 活 动之一 ， 涉及 一 系列脑 过 程 ， 究 与心算 活动有 关联 的脑 电位 变化 的时 它 研
空特征 ， 无论从神经科学还是认知科学的角度都有重要的意义． 近年来 国内外学者在该领域做 了很多有 价值 的探索工作 ， 例如， 国学者魏金河 、 我 赵仑等在研究 中发现 ， 心算 活动引起脑 电信 号 中 （ ． ０ ５— ３ ） ０（ ７ ｚ节 律增 强 ， 节 律 （ Ｈｚ和 ３— Ｈ ） ８—１Ｈ ） 弱 ， 顶 区左 右 脑 之 间 的 ０活 动 和 高 频 活 动 （ １— ３ ｚ减 且 ３
基本 节律 成分 进行 研究 ． 具体 方法 步骤 如下 ：
（） １ 用独立分量分析方法消除原始脑电信号 中的干扰成分 ， 得到干净的头皮脑 电；
（ ） 干净 的头 皮脑 电进 行 ０— ０ ｚ 波 ， ２对 ２Ｈ 滤 以增 强子带 成分 ， 然后 再 进行独 立分 量分 析 ； （ ） 独立 分量 进行 时域 波形 特征 分析 和谱 分析 ， 出脑 电基本 节 律独立 分量 ； ３对 选
进行了分析． 研究表 明 ， Ａ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． 过对脑 电 Ｉ Ｃ 通
独立源谱特征和 ＩＡ混合矩阵分析 ， Ｃ 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． 关 键 词 ： 立 分 量 分 析 ； 电 ； 征 增 强 独 脑 特
Ｖｏ ． ２ Ｎｏ ２ １３ ．
第３ ２卷 第 ２期
基于 独 立 分量 分析 的 心 理 作 业 诱 发 脑 电特 征 增 强
张 磊 ， 道 信 ， 小培 张 吴
２０ ３ ） ３ ０９ （ 安徽 大学 计 算智能与信号处理教育部重 点实验室 ， 安徽 合肥
摘
要： 作者采 用独立分量分析 （ｎ ｅｅｄ ｎ Ｃ ｍ ｏ ｅｔ ｎｌｓ ） Ｉｄｐｎ ｅｔ ｏ ｐｎ ｎ ａｙｉ 方法对心理 作业诱发 的脑 电信 号 Ａ ｓ
维普资讯
２０ ０ ８年 ３月
安徽大学学报 （ 自然科 学版）
Ｊ ｕ ａ ｆＡｎ ｕ ｎ ｖ ｒｉ ｔ ｒ ｌ ｃｅ ｃ ｉ ｏ ｏ ｒ ｌｏ ｈ ｉＵ ｉｅ ｓｔ Ｎａｕ ａ ｉｎ ｅ Ｅｄｔ ｎ ｎ ｙ Ｓ ｉ
Ｍａｃ ０ ８ ｒｈ２ ０
合 熵最 大．
在 Ｂ ｌ的语 音盲分 离实 验 中 ， ｅ ｌ 考虑语 音信 号 一 般为 超 高斯 分 布 ， 线性 函数采 用 固定形 式 ｓ ｍ ｉ 非 ｉ ｏ ｇ ｄ 函数 ． 际观 测 信 号 通 常 是 超 高 斯 源 和 亚 高 斯 源 的混 合 信 号 ， 脑 电 信 号 中含 有 工 频 干 扰 和 眼 电 实 如 （ Ｏ 、 电（ Ｃ 伪迹 成分 ， Ｅ Ｇ）心 Ｅ Ｇ） 前者 属于亚 高斯分 布而后 两种 则属 于 超高斯 分 布． 因此采 用 同一类模 型 进行 概率密度 估计 往往效 果不 佳． ． Ｌｅ等人在 传统 Ｉｆ ｘ算法基础 上采 用双概 率模 型 ， 在盲分 Ｔ Ｗ． ｅ ｎｏ ｍａ 并 离算 法迭代过 程 中 ， 根据 分离结 果 的统 计特性 变化 ， 动态 切换 概率 模 型 ， 终 实现 概率 模 型与 真实 源信 最 号概 率分布类 型 的统 一 ， 实现最 佳 的盲 分离效果 ． 就是扩 展 Ｉｆｍ ｘ算法 的基本思 想． ２所示 是扩展 这 ｎｏ ａ 图 Ｉｆｍ ｘ算法 的原理框 图 ， 于梯度 算法 的分离矩 阵调 整公式 为 ｎｏ ａ 基 △ 。 ，一Ｋａｈ ｕ ／ 。［ ｔｎ （ ）Ｔ—ｕ Ｚ ｕ］ ： ｐ—Ｇ ａ
张道信 （ ９０一） 男 ， １７ ， 安徽铜陵人 ， 安徽大学副教授 ， 硕士生导师 ；
吴小培 （９６一） 男 ， １６ ， 安徽贵池人 ， 安徽大学教授 ， 士生导师． 博
维普资讯
安徽大学学报 （ 自然科学版）
第３ ２卷
成． 网络 输 出为 Ｉ＝Ｗｘ是 对真实 源 Ｓ １ 的逼近． （） 可逆单 调非线性 函数 ， ｇ 为 非线性 输 出为 Ｙ 独立性 判据 ． 为最大信 息传输 准则 ， 即通过 对分离 矩 阵 ｗ（ 神经 网络 的连 接权 值 矩 阵 ） 的调 整 ， 非 线性 输 出 Ｙ的联 使
行了研究 ， 其结果在《 ｃ ｎｅ ＆发表¨ ． Ｓｉ ｃ｝ ｅ Ｊ 从上 述 已报道 的心算 Ｅ Ｐ研 究 中可 以看 到 ， 们 比较关 注脑 电信 号 中 的一 些基 本 节 律 波 的变 化 ， Ｒ 人 它们都是心算脑 电信号 中一些非常重要的特征． 作者基于独立分量分析方法 ， 对心算诱发脑电信号中的
（） ４ 结合上述所选独立分量和对应混合矩阵列向量 ，Hale Waihona Puke 研究它们在头皮 电极 的分布情况 ；
研 究表 明 ， 于独立 分量 分析 的特 征增 强 和节律 波提 取技 术具 有很 好 的实 际应用 效果 ． 基
１ 独立分量分析及其算法
ＩＡ问题可简单描述如下 ： Ｃ 假定设置 Ⅳ个传感器获得路观测信号 ，＝ ， ， ， 每个观测信号是 ｉ １２ … Ⅳ；
ｓ＝ Ｗｘ （） ２
图１ 所示为 Ｉ ｏ ａ 算法原理框 图， 中 ｘ为多路 观测信号矢量 ， ｎ ｍｘ ｆ 其 它是由 Ⅳ个独立源线性混合而
收 稿 日期 ：０ ７—１ ２０ Ｏ一１ １
基金项 目：国家 自然科 学基金资助项 目（０ ７ ０４ ； ６ ２ １２ ） 安徽省 自然科 学基金资助项 目（ ７４ ２３ ） ００ １０ ８ 作者简介 ： 张 磊 （ ９ ２一） 男 ， １８ ， 安徽怀远人 ， 徽大学教师 ， 安 在职硕士研究生 ；
由 个独立源信号 ｓ ｉ １２ …， 的线性混合 Ｉ ． ＝ ，， ， ６ 即 Ｊ
Ｘ ＝Ａｓ （） １
其中， ＝［。 ， ］ 和 ｓ ｓ， ， ｓ］ 分别是观测信号矢量和源信号矢量； Ｎ× ｘ ， …， Ｔ ＝［。ｓ …， Ｔ Ｍ Ａ为 Ｍ的未知
混合矩阵． 希望能从多路观测信号 ｘ中分离 出隐含在其中的源信号 ｓ即寻找分离矩阵 ｗ ， ， 使