基于低秩稀疏分解的新型腦電信號處理方法.pdf

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

2、下由相應皮層神經元激活所產生的，而實際采集到的腦電信號是以上兩者和噪聲的混合疊加。
　　本研究主要內容包括：⑴提出了基于低秩稀疏分解的腦電信號處理方法。首先對低秩稀疏分解進行詳細的研究，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，建立腦電信號的低秩稀疏分解模型，認為腦電信號是由低秩的固有背景信號與稀疏的任務意識信號疊加而成，進而探索新型的腦電信號處理方法。⑵提出了基于腦電信號低秩部分的身份識別方法。為了研究腦電信號的低

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

4、運動想象認知任務分類方法。為了研究腦電信號的稀疏部分為任務意識信號，是被試在特定任務下由相應皮層神經元激活所產生的腦電信號，在運動想象分類任務中，基于低秩稀疏分解算法提取任務意識信號，分離被試的固有背景信號進而進行運動想象分類。首先將原始腦電數據分別基于GreGoDec算法和MBRMF算法進行處理，分解出腦電信號的稀疏部分，嘗試提取出腦電信號的任務意識部分，而后使用共同空間濾波算法進行特征提取，最終使用線性判別分類器進行分類。⑷基于低秩