| 【中文题名】 | 脑电消噪的独立分量分析方法及其应用研究 |
| 【英文题名】 | |
| 【学科专业】 | 电路与系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-11-26 |
| 【中关键词】 | 脑电,伪迹去除,独立分量分析,盲源分离,神经网络,信息论 |
| 【英关键词】 | EEG,Artifacts Removal,Independent Component Analysis,Blind Source Separation,Neural Networks,Information Theory., |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>自动信息理论>> |
| 【论文摘要】 |
脑电(EEG)中蕴涵着丰富的生理、心理及病理信息，脑电信号的分析及处理无论是在临床上对一些脑疾病的诊断和治疗，还是在认知科学研究领域都是十分重要的。
脑电信号中通常混叠有不同种类的伪迹成分(如：眼电、心电、肌电、工频干扰等)，它们来自一些生理源及噪声源的影响。这些噪声的存在给脑电的临床应用和分析研究带来了很大困难。舍弃被噪声污染的脑电记录无疑会造成数据的大量丢失，而且在临床上往往是难以接受的。如何从被采集的原始脑电中获取反映大脑活动和状态的有用信息是脑电分析中一个比较棘手的问题。长期以来，研究者们已经提出了很多脑电消噪的方法(大多集中在时频域)，但遗憾的是情况并未得到明显的改善。
近年来随着独立分量分析(Independent Component Analysis简称ICA)在信号处理界引起的广泛关注，该技术也被迅速应用到生物医学信号处理领域。作为一种新的多元统计处理方法，ICA是伴随着传统的盲源分离(Blind Source Separatio简称BSS)问题而不断发展起来的。本论文在分析ICA理论及其算法的基础上，提出将其应用到脑电中多种伪迹的分离及去除，并取得了比较理... |
| 【论文题纲】 |
|
第一章 绪论 |
6-9 |
|
1．1 前言 |
6 |
|
1．2 脑电消噪的传统方法 |
6-7 |
|
1．3 独立分量分析 |
7 |
|
1．4 本文的研究内容 |
7-9 |
|
第二章 ICA的基本原理及相关知识 |
9-36 |
|
2．1 引言 |
9 |
|
2．2 多维统计数据的线性变换 |
9-11 |
|
2．3 主分量分析 |
11-13 |
|
2．3．1 主分量分析的基本概念 |
11-12 |
|
2．3．2 奇异值分解算法 |
12-13 |
|
2．4 统计独立 |
13-14 |
|
2．4．1 随机事件的独立性 |
13-14 |
|
2．4．2 统计独立的随机变量 |
14 |
|
2．5 ICA模型及定义 |
14-20 |
|
2．5．1 ICA和盲源分离 |
14-15 |
|
2．5．2 ICA的线性模型 |
15-18 |
|
2．5．3 ICA中的“球化” |
18-20 |
|
2．6 高阶统计量 |
20-25 |
|
2．6．1 高阶矩和高阶累积量 |
20-23 |
|
2．6．2 多个随机变量的联合高阶统计量 |
23-24 |
|
2．6．3 累积量的基本性质 |
24-25 |
|
2．7 信息论 |
25-31 |
|
2．7．1 微分熵 |
25-27 |
|
2．7．2 互信息 |
27-28 |
|
2．7．3 负熵 |
28-30 |
|
2．7．4 几种微分熵之间的联系 |
30-31 |
|
2．8 无监督学习神经网络 |
31-35 |
|
2．8．1 神经元基本概念 |
31-32 |
|
2．8．2 目标函数和梯度法 |
32-33 |
|
2．8．3 Hebb准则 |
33-35 |
|
2．9 本章小结 |
35-36 |
|
第三章 ICA的实现算法 |
36-50 |
|
3．1 引言 |
36-37 |
|
3．2 Infomax算法 |
37-44 |
|
3．2．1 迭代算法的推导 |
37-43 |
|
3．2．2 性能分析 |
43-44 |
|
3．3 固定点算法 |
44-46 |
|
3．4 互信息最小算法 |
46-47 |
|
3．5 最大似然算法 |
47-49 |
|
3．6 本章小结 |
49-50 |
|
第四章 ICA在脑电消噪中的应用 |
50-63 |
|
4．1 引言 |
50-51 |
|
4．2 眼电伪迹去除 |
51-55 |
|
4．2．1 伪迹去除过程 |
51-53 |
|
4．2．2 眼电的空间模型 |
53-55 |
|
4．3 心电伪迹去除 |
55-57 |
|
4．4 工频干扰去除 |
57-62 |
|
4．5 本章小结 |
62-63 |
|
第五章 总结与展望 |
63-64 |
|
参考文献 |
64-68 |
|
作者完成的论文 |
68-69 |
|
致谢 |
69 |
|
| 【DOI】 | LunWen.ID:2.2008.386623 |
