独立成分分析算法及其在脑电图中的应用

相关主题

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)。

ｉｆｒｔｎｍｉｉｚｔｎ，ｓｏｌｅｅｔｔｄｏａｎｗＩｌｏｉｍａｅｎｍｕｕｌｉｆｒｔｎｍｉｉｚｔｎｉｎｏｍａｉｎｍｉａｉｏｏｈｕｄｂｓｍａｅ．ＳｅＣＡａｇｒｈｂｓｄｏｔａｎｏｍａｉｎｍｉａｉｓｉｔｏｏｇｎｒｔｄｎｈｅｎｌｐｒｍｅｅｓｉｈｌｏｉｍａｅｄｔｒｎｄｂｉｎｌｔｅｅｖｓｔａｋｈＤＦｏｅｅａｅ，ａｄｔｅｋｒｅａａｔｒｎｔｅａｇｒｔｒｅｅｍｉｅｙｓｇａｓｈｍｓｌｅ．ＩｃｎｍａｅｔｅＰｆｈ
第２卷第１期７１
文章编号：０６～３８２１）１— ２７一ｏ１０９４（００１０ｌ４
计
算
机
仿
真
２０１０年１月１
独立成分分析算法及其在脑电图中的应用
龚丹丹刘国庆，
（．南京工业大学电子与信息工程学院，１江苏南京２００；．南京工业大学理学院，１０９２江苏南京２００）１０９摘要：研究脑电图成像的数据处理问题时，独立成分分析（Ｃ是一种新的信号处理统计方法，被广泛用于各个领域。脑电ＩＡ）图就是，利用独立成分分析从混合信号中还原出源信号，通过目标函数，如极大似然估计，信息最大化和互信息最小化等，对源信号的概率密度函数（ＤＦ进行估计。在基于互信息最小化算法的基础上，出一种新的独立成分分析算法，Ｐ）提算法中的核心参数是由信号本身来确定的，能使所估计的ＰＦ更加准确，Ｄ从而提高分离的性能。最后，用新的ＩＡ算法来实现脑电图Ｃ（Ｅ信号的盲源分离，ＥＧ）结果表明，算法可以快速有效的分离其源信号，且准确性优于Ｂｓｏｏｃｌｏ提出的非参量ＩＡ模型。Ｃ关键词：独立成分分析；互信息熵；概率密度函数；脑电图
ｓｇａｓｍｏｅａｃｒｔｉｎｌｒｃｕａｅ，ａｄｔｅｍｐｏｅｔｅｒｔｎｐｒｏｍａｃｎｈｎｉｒｖｈｅｓｐａａｉｅｆｒｎｅ．Ｉｈｎｏｎｔｅｅｄ，ｔｅｂｌｎｏｒｅｅｒｔｏｆｒａｈｉｄｓｕｃｓｓｐａａｉｎｏｅｌ
ＧＯＮＧｎ—ｄｎＤａａห้องสมุดไป่ตู้ ，ＬＩＧｕＵｏ—ｑｎｉｇ
（．ＤｐｒｅｔｆｌｔｎｃａｄｉｏｍｔｎＥｇｅｒｇａｊｇＵｉｒｉｆｅｈｏｇ，ａｊｇＪｎｓ１０９Ｃｉａ１ｅａｔｎ？ｏｅｒｉｎｆｒａｉｎｉｅｉ，ＮｎｎｎｅｓｙｏｔｎｌｙＮｎｉｉｇｕ２００，ｈ；ｍＥｃｏｎｏｎｎｉｖｔｃｏｎａｎ
ｅｃｏｎｅｈｌｇｍ（ＥｌｔｅｃｐａｒｅｒｏａＥＧ）ｓｎｌｉｒｌｅ．Ｔｅｒｓｌｓｏｓｈｔｈｅｌｒｈａｐｒｅｈｕｃｇｉａｓｓｅｉｄｈｕｔｈｗａｔｅｎｗａｏｉｍｃｎｓａａｅｓｒｓ — ｇａｚｅｔｇｔｅｔｔｏｅｉ
中图分类号：Ｎ１．Ｔ９１７文献标识码：Ａ
ＮｅＩｗＣＡｇｏｉｈｎｄｔｅＡｐｉａｉｎｉｅｔｏｎｃｐｌｇａｇｌＡｌｒｔｍａｈｐｌｃｔｏｎＥｌｃｒｅｅｈａｏｒｍＳｉｎａｓ
ｎｌｆＥｕｃｌｎｆｃｉｅｙａｄｔｅａｃｒｃｓｈｇｅｈｎＮｏａｓｏＥＧｑｉｋｙａｄｅｆｔｌｎｈｃｕａｙｉｉｈｒｔａｎ— ＰｒｍｅｒｃＩＡａｇｒｈｐｏｏｅｙｅｖａａｔＣｌｏｉｍｒｐｓｄｂｉｔ
２ｅａｍｎ＇ｆｃｎｅＮｎｉｇＵｉｅｉｆｅｈｏｇ，ａｊｇＪｎｓ１０９ｈｎ）．Ｄｐｒｅｔｉｃ，ａｊｎｖｒｔｏｔｎｌｔ？ｏ．ＳｅｎｓｙｃｏｙＮｎｉｉｇｕ２００，ＣｉａｎａＡＳＲＡＴ：ｄｐｎｅｔｏｐｎｎｎｌｉＩＡ）ｉａｎｗｍｔｏｆｉｎｌｔｔｔａｐｏｅｓｇａｄｗｄｌｕｅＢＴＣＩｅｅｄｎｍｏｅｔａｓｎｃａｙｓ（ＣｓｅｅｈｄｏｇａｓｉｉｌｒｃｓｎｎｉｙｓｄｓａｓｃｉｅｉｍｎｅｓＴｅａａｏｒｅｓｎｌｆｍｍｘｄｓｎｌｂＣｎａｙｆｌ．ｏｓｐｒｔｓｕｃｉａｏｉｉａｓｙＩＡ，ｐｏａｉｔｄｎｉｕｃｉＰＦｆｏｒｅｉｄｅｇｓｒｅｇｒｂｂｌｙｅｓｙｆｎｔｎ（Ｄ）ｏｕｃｉｔｏｓｓｎｌｔｒｕｈｓｍｂｅｔｕｃｏｓｕｈａｍｘｍｍｌｅｈｏｓｍｔｎｎｏｔｎｍａｉｉｔｎａｄｍｔａｉａｓｈｏｇｏｅｏｊｃｆｎｔｎ，ｓｃｓａｉｕｋｌｏｄｅｔａｏ，ｉｒｉｘｍｚｉｎｕｕｌｇｉｉｉｉｉｆｍａｏａｏ