首页 > 文献资料
-
一种EEG信号盲分离和分类的神经网络方法
提出一种采用多神经网络处理脑电(EEG)信号的方法.首先,对混有噪声的脑电信号给出一种盲分离的自适应神经算法.通过寻求采样时间序列线性组合的kurtosis系数的局部极值,得出该算法的模型和步骤.在盲分离的基础上,对分离出的估计信号进一步利用Kohonen网络进行分类.将该算法用于300个EEG样本处理,并给出处理结果.
-
基于分块扩展Infomax算法的胎儿心电分离
背景:胎儿心电是围产期对胎儿发育状况监测的重要参数,准确将胎儿心电从母体心电中分离出来是目前研究的重点.目的:采用分块扩展Infomax算法能够快速、有效的将胎儿心电分离出来.方法:利用分块扩展Infomax算法结合四阶统计去相关学习规则,使信号加权协方差阵的非对角元素小化,改善算法收敛速度.结果与结论:扩展Infomax能实现超高斯和亚高斯信号的同时分离,文章提出的算法在收敛速度上要快于扩展Infomax的收敛速度.扩展Infomax算法能对胎儿心电实现有效的提取,由于分块扩展Infomax算法每次处理的数据量远少于扩展Infomax算法处理的数据量,且分块Infomax算法的迭代次数也远小于扩展Infomax的迭代次数,从而实现了胎儿心电的快速分离.
关键词： 胎儿心电 盲分离 扩展Infomax算法 四阶统计 数字化医学 -
基于奇异值降维的胎心电盲分离方法
目的:胎心电是监护胎儿健康,降低围产期胎儿发病率和死亡率的重要手段.临床中多用间接法从孕妇的腹心电中获取胎心电.由于胎心电幅值较小,常被母心电和噪声掩盖,所以从孕妇的腹心电中分离出胎心电仍是诊断学难题.本文提出基于奇异值降维的胎心电盲分离方法从孕妇的心电图中有效分离出胎儿心电图.方法:临床中获取的孕妇心电信号数目较多,常为12、15、18导联.从获取的孕妇心电信号中,选取全部的腹心电和一路胸心电进行处理.如果信号中存在基线漂移,先用高通滤波器去除基线漂移,然后设置适当参数对信号进行奇异值分解降维,以便在充分保证信号信息量的前提下,降低盲分离的复杂度,减少信号的相关度,后对降维后的信号进行盲分离处理.结果:用本文提出的方法对DaISy数据库中的孕妇心电数据进行处理,结果表明,本文方法能有效的从孕妇心电信号中分离出胎心电.结论:从孕妇腹心电中分离出胎心电,进而对胎儿健康进行监护是一种可行的并且真正对胎儿无损的监护方法.本文提出的在盲分离前先进行奇异值降维的方法可降低盲分离的复杂度并提高分离精度.
-
利用高阶统计量进行心肺音信号的盲分离
根据心肺音信号采集的特点,提出利用利用高阶统计量对心肺音信号进行盲分离.这样可以有效地去除高斯有色噪声,并对肺音信号采集时的一个重要干扰源--心音信号进行分离.
-
基于统计信息的两类盲信号分离方法之比较
盲源分离是一种具有良好应用前景的信号处理技术.本文介绍了两类在生物医学领域应用广泛的基于信号统计信息的盲分离方法的基本原理,即基于二阶统计信息的盲源分离方法和基于高阶统计的独立元分析,并进行比较,论其利弊.
