基于独立成分分析和流形学习的眼电伪差去除

• 作者: 王沛 郑崇勋 高军峰
• 来源期刊: 西安交通大学学报
• 关键词: 流形学习 Isomap算法 脑电 独立成分分析 主成分分析
• 年，卷（期）: 2010,（2）
• 页码范围: 113-118
• 页数: 6页
• 分类号: R318
• 语种: 中文

摘要

针对眼电伪差严重干扰脑电(EEG)信号的理解和分析的问题,提出了一种新的方法用于实时地去除脑电中的眼电伪差.该方法使用独立成分分析(ICA)分解EEG信号,提取独立成分的地形图和功率谱作为特征,并采用基于模板的Isomap算法降低特征的维数.将新的特征样本送到分类器中以识别眼电伪差独立分量,几个典型分类器的分类结果显示,基于模板的Isomap算法结合使用最近邻算法进行分类时,识别伪差的正确率最高.实验结果表明,提出的方法在有效去除眼电伪差的同时,很好地保留了大脑神经信号,也证明了新的Isomap算法用于眼电伪差特征的降维的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑崇勋	西安交通大学生命科学与技术学院	122	1268	20.0	26.0
2	王沛	西安交通大学生命科学与技术学院	8	43	4.0	6.0
3	高军峰	西安交通大学生命科学与技术学院	3	29	3.0	3.0