西北大学学报（自然科学版）
西北大學學報（自然科學版）
서북대학학보（자연과학판）
JOURNAL OF NORTHWEST UNIVERSITY(NATURAL SCIENCE EDITION)
2009年
6期
936-939
,共4页
独立分量分析%最大熵算法%事件相关电位%特征提取
獨立分量分析%最大熵算法%事件相關電位%特徵提取
독립분량분석%최대적산법%사건상관전위%특정제취
independent component analysis (ICA)%infomax algorithm%event-related potentials (ERP)%feature extraction
目的 针对视觉诱发电位(VEP)特征提取问题,提出一种改进的基于信息极大的最大熵ICA算法.方法 通过该算法对多导诱发脑电信号进行独立分量分解,去掉其中包含的噪声干扰成分.并选出与视觉诱发响应相关的主要分量,完成信号的特征提取.结果 将选出的分量投影回头皮电极处,使得VEP中的P3峰更加突出.结论 所提出的方法实现了信号的特征增强,提高了P3成分定位的准确性.
目的 針對視覺誘髮電位(VEP)特徵提取問題,提齣一種改進的基于信息極大的最大熵ICA算法.方法 通過該算法對多導誘髮腦電信號進行獨立分量分解,去掉其中包含的譟聲榦擾成分.併選齣與視覺誘髮響應相關的主要分量,完成信號的特徵提取.結果 將選齣的分量投影迴頭皮電極處,使得VEP中的P3峰更加突齣.結論 所提齣的方法實現瞭信號的特徵增彊,提高瞭P3成分定位的準確性.
목적 침대시각유발전위(VEP)특정제취문제,제출일충개진적기우신식겁대적최대적ICA산법.방법 통과해산법대다도유발뇌전신호진행독립분량분해,거도기중포함적조성간우성분.병선출여시각유발향응상관적주요분량,완성신호적특정제취.결과 장선출적분량투영회두피전겁처,사득VEP중적P3봉경가돌출.결론 소제출적방법실현료신호적특정증강,제고료P3성분정위적준학성.
Aim To present an infomax algorithm for ICA used for noise removal and signal feature extraction of E-vent-Related Potentials (ERP). Methods This algorithm is used to decompose electroencephalogram (EEG) data in order to remove the artifacts and select main components related to Visual Evoked Potential ( VEP). Results The selected components are projected to the electrodes on the scalp. Conclusion The ICA algorithm can effectively extract and improve the ERP signal features, and enhance the exact orientation of the P3 element.
