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:
脑电信号(EEG)会受到伪迹的严重干扰,可以利用独立成分分析分离出观察信号的源成分,并根据源成分的时、空等特征区分神经信号成分和伪迹成分,随之删除伪迹成分可恢复较干净的观察信号.但在删除整个伪迹成分的同时势必会丢失一些有用的神经信号,这会造成神经信号泄露.为此,提出一种降低伪迹噪声和减少神经信号泄露的均衡方法,在盲源信号分离的基础上,利用局部化的时间特征二分类伪迹成分和神经信号成分,以多种窗函数组合优化并卷积压制局部伪迹成分.通过对观察信号计算信号伪迹比(SAR),8导、32导非校正脑电信号SAR分别为-19.765dB、-19.016dB,校正后8导、32导脑电信号SAR分别提高到2.832dB、2.743dB.结果表明该方法可以消除眼电等伪迹且降低神经信号泄露的影响.
推荐文章
基于CuBICA算法的EEG伪迹去除方法
脑电信号
伪迹去除
盲源分离
互相关系数
独立分量分析
累积量
单通道脑电信号眼电伪迹去除算法研究
脑电信号
眼电伪迹
小波变换
集合经验模态分解
独立成分分析
采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法
脑电图
眼电伪迹
独立成分分析
自适应噪声完备经验模态分解
小波
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 一种针对EEG伪迹的多窗卷积压制算法
来源期刊 现代计算机 学科
关键词 脑电信号(EEG) ICA 局部伪迹压制 窗函数 信号伪迹比(SAR)
年,卷(期) 2020,(9) 所属期刊栏目 研究与开发
研究方向 页码范围 11-16
页数 6页 分类号
字数 2953字 语种 中文
DOI 10.3969/j.issn.1007-1423.2020.09.003
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 郭庆功 四川大学电子信息学院 35 112 6.0 8.0
2 刘亮 四川大学电子信息学院 70 239 9.0 11.0
3 孙望强 四川大学电子信息学院 1 0 0.0 0.0
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  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(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
脑电信号(EEG)
ICA
局部伪迹压制
窗函数
信号伪迹比(SAR)
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
现代计算机
旬刊
1007-1423
44-1415/TP
16开
广东省广州市
46-121
1984
chi
出版文献量(篇)
11312
总下载数(次)
39
总被引数(次)
33178
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导