快速独立分量分析及其在脑电信号处理中的应用

独立分量分析(IndependentComponentAnalysis,ICA)是一种基于信号统计特性的盲源分离方法,由于其分离的信号之间是互相独立的,所以在生物电信号去除干扰和伪迹、信号分离以及特征提取等方面有很大的潜在价值。本文提出了一种改进的快速ICA方法,提高了收敛速度。通过仿真,证明这种方法的优越性。最后利用该方法去除脑电中眼动伪迹,达到了较好的效果。     

基于EMD的左右手运动想象脑电信号分析研究

基于经验模态分解（EMD）理论,提出一种左右手运动想象脑电信号分析方法。首先利用时间窗对脑电信号数据进行划分,对每段数据通过经验模态分解法将其分解为一组固有模态函数IMF,提取主要信号所在的IMF层去除信号中的噪声。对含有主要信号的几层IMF进行Hilbert变换,得到瞬时频率与对应的瞬时幅值。再提取左右手想象的特定频段mu节律和beta节律的能量信号作为特征,分别利用支持向量机（SVM）和Fisher进行了分类比较。对EMD和小波包在去噪和特征提取进行了比较。结果表明,EMD是一种很有效的去噪方法,经过EMD分解后提取的能量信号在区分左右手想象上更具有优势,识别率高。     

基于PSoC的脑电信号采集系统的设计

脑电信号是一种很重要的生物医学信号,它是临床医学诊断和脑科学研究的一种重要手段。本文介绍了基于Cypress PSoC~(TM)可编程片上系统的脑电信号采集系统的整个设计过程,包括硬件组成和软件设计方法。通过PSoC芯片特有的可编程模拟系统和数字系统,可以把大量的外围器件集成到芯片的内部,从而提高了硬件系统的集成度和可靠性;加上功能强大的PSOC Designer集成开发环境,提高了开发效率,而且系统的软硬件升级也更加容易了。     

基于Flexible ICA的睡眠EEG及EOG中心电伪差的消除

提出了一种采用自适应非线性函数的ICA学习算法,Flexible ICA算法,并将其应用于睡眠EEG自动分期的前期预处理中,用于消除采集到的各通道信号中的心电伪差.实验结果证明,Flexible ICA算法能够快速有效的消除各通道的心电伪差,为后期的睡眠EEG自动分期打下了良好的基础.     

基于表面肌电信号的肘关节运动角度的提取

随着人口老龄化问题的越来越严重,医疗护理机器人的开发,今后将会有大量的需求,基于表面肌电信号的医疗护理机器人的开发将是其中的一个热点.本文提出了基于Bayesian正则化的多层感知器人工神经网络方法来提取人体肘关节运动角度,解决了普通神经网络对于表面肌电信号这一复杂亚高斯随机信号泛化能力不强的缺点,有助于将表面肌电信号的研究推向医疗护理机器人研发的实际应用阶段.