基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对脑机接口中脑电信号噪声的去除,提出将分形维数、递归式最小均方(RLS)-独立分量分析(ICA)相结合的方法.利用ICA对脑电信号进行盲源分离,得到源信号;采用分形维数自动识别源信号中的噪声信号;利用RLS自适应滤波器对已识别出来的噪声信号进行自适应滤波;通过信号重构,得到去除噪声的脑电信号.该方法有2个优点:一是通过对分形维数自动识别源信号中的噪声信号进行滤波,克服了RLS-ICA将所有源信号进行滤波,可能造成部分有用脑电信号被去除的缺点;二是通过分形维数减少RLS滤波的独立源,加快了运行速度.为了证明该方法的有效性,分别对2008年国际BCI竞赛数据和本实验室的数据进行处理.将该方法与RLS-ICA进行比较,结果显示,该方法的去噪效果明显优于RLS-ICA,单个样本的运行时间比RLS-ICA少0.07 s.采用提出的方法不仅能够去除一些常见的诸如眼电(EOG)、肌电(EMG)等噪声,而且能够去除一些未知的噪声.
推荐文章
基于MSF的脑电信号消噪
脑电信号
噪声去除
最大信号分量(MSF)
结合小波包和ICA的脑电信号特征波提取方法
小波包
独立分量分析
特征提取
脑电信号
基于RLS算法的脑电信号的去噪
RLS滤波器
匹配滤波器
EEG
噪声
基于AR模型的小波变换在脑电信号消噪中的应用
自回归模型
小波变换
脑电信号
消噪
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 分形维数结合RLS-ICA的脑电信号消噪
来源期刊 浙江大学学报(工学版) 学科 工学
关键词 脑机接口(BCI) 自适应滤波 分形维数
年,卷(期) 2014,(7) 所属期刊栏目 计算机技术、电信技术
研究方向 页码范围 1234-1240
页数 7页 分类号 TN912
字数 语种 中文
DOI 10.3785/j.issn.1008-973X.2014.07.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨帮华 32 169 7.0 12.0
2 韩志军 3 1 1.0 1.0
3 何亮飞 3 10 1.0 3.0
4 王倩 21 164 5.0 12.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2014(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
脑机接口(BCI)
自适应滤波
分形维数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江大学学报(工学版)
月刊
1008-973X
33-1245/T
大16开
杭州市浙大路38号
32-40
1956
chi
出版文献量(篇)
6865
总下载数(次)
6
总被引数(次)
81907
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导