基于低秩稀疏分解的新型腦電信號(hào)處理方法.pdf

1、腦電信號(hào)處理作為腦機(jī)接口的基礎(chǔ)，在神經(jīng)科學(xué)、醫(yī)學(xué)、生理學(xué)等研究領(lǐng)域發(fā)揮著重要的作用，關(guān)于腦電信號(hào)處理方法的研究已經(jīng)成為腦機(jī)接口研究的一個(gè)重要課題。目前常見的腦電信號(hào)處理方法如獨(dú)立成分分析等都是從信號(hào)的“源”出發(fā)通過一系列變量的線性疊加來近似原信號(hào)。本文針對(duì)腦電信號(hào)的處理，從信號(hào)的組成部分出發(fā)，提出了一種新的假設(shè)：腦電信號(hào)是由背景信號(hào)與任務(wù)意識(shí)信號(hào)組成，固有背景信號(hào)是被試在任何狀態(tài)下所具有相對(duì)穩(wěn)定的腦電信號(hào)，任務(wù)意識(shí)信號(hào)是由被試在特定任務(wù)

2、下由相應(yīng)皮層神經(jīng)元激活所產(chǎn)生的，而實(shí)際采集到的腦電信號(hào)是以上兩者和噪聲的混合疊加。
　　本研究主要內(nèi)容包括：⑴提出了基于低秩稀疏分解的腦電信號(hào)處理方法。首先對(duì)低秩稀疏分解進(jìn)行詳細(xì)的研究，并簡單介紹了一些算法。然后基于低秩稀疏分解處理腦電信號(hào)，建立腦電信號(hào)的低秩稀疏分解模型，認(rèn)為腦電信號(hào)是由低秩的固有背景信號(hào)與稀疏的任務(wù)意識(shí)信號(hào)疊加而成，進(jìn)而探索新型的腦電信號(hào)處理方法。⑵提出了基于腦電信號(hào)低秩部分的身份識(shí)別方法。為了研究腦電信號(hào)的低

3、秩部分為固有背景信號(hào)，是被試在任何狀態(tài)下所具有的相對(duì)穩(wěn)定的腦電信號(hào)，在身份識(shí)別中，基于低秩稀疏分解算法去除腦電的任務(wù)意識(shí)信號(hào)，分析被試的固有背景腦電，進(jìn)而完成身份識(shí)別。首先對(duì)原始腦電數(shù)據(jù)進(jìn)行濾波，基于 GoDec算法對(duì)濾波后的數(shù)據(jù)進(jìn)行分解，將得到的低秩部分基于相位和幅值信息進(jìn)行一次特征提取，得到相位同步特征，隨后將低秩部分與原始腦電信號(hào)相結(jié)合投影到子空間中，進(jìn)行二次特征提取，最終使用稀疏表達(dá)分類器進(jìn)行分類。⑶提出了基于腦電信號(hào)稀疏部分的

4、運(yùn)動(dòng)想象認(rèn)知任務(wù)分類方法。為了研究腦電信號(hào)的稀疏部分為任務(wù)意識(shí)信號(hào)，是被試在特定任務(wù)下由相應(yīng)皮層神經(jīng)元激活所產(chǎn)生的腦電信號(hào)，在運(yùn)動(dòng)想象分類任務(wù)中，基于低秩稀疏分解算法提取任務(wù)意識(shí)信號(hào)，分離被試的固有背景信號(hào)進(jìn)而進(jìn)行運(yùn)動(dòng)想象分類。首先將原始腦電數(shù)據(jù)分別基于GreGoDec算法和MBRMF算法進(jìn)行處理，分解出腦電信號(hào)的稀疏部分，嘗試提取出腦電信號(hào)的任務(wù)意識(shí)部分，而后使用共同空間濾波算法進(jìn)行特征提取，最終使用線性判別分類器進(jìn)行分類。⑷基于低秩