运动意识脑电的动态独立分量分析

被引：11

作者：

吴小培 ^{[1
]}

叶中付 ^{[2
]}

郭晓静 ^{[1
]}

张道信 ^{[1
]}

唐希雯 ^{[1
]}

机构：

[1] 安徽大学教育部计算智能与信号处理实验室

[2] 中国科学技术大学信号统计处理研究室

来源：

中国生物医学工程学报 | 2007年 / 06期

基金：

安徽省自然科学基金;

关键词：

运动想象; 脑电信号; 动态独立分量分析; 脑—机接口;

D O I：

暂无

中图分类号：

R318 [生物医学工程];

学科分类号：

0831 ;

摘要：

研究了用独立分量分析方法进行运动意识脑电信号特征分析的可行性。提出了用峭度极大动态独立分量分析方法进行μ节律提取的新思想。通过对批处理ICA算法和动态ICA算法在运动意识脑电特征分析的结果比较,得出了动态ICA算法更适合于运动意识脑电特征分析和提取。研究中发现,动态ICA混合矩阵系数的时间波形能准确即时地反映受试者进行左右手运动想象时运动神经皮层的μ节律变化,这一结果对脑认知和脑—机接口研究具有较大的实际意义,为独立分量分析方法在事件相关电位(ERP)特征提取中的应用提供了新的思路。

引用

页码：818 / 824

页数：7

共 6 条

[1] 基于脑电四阶累积量的运动意识分类研究
吴小培
叶中付
[J]. 生物物理学报, 2005, (05) : 43 - 49
[2] 基于脑电复杂度的意识任务的特征提取与分类
裴晓梅
和卫星
郑崇勋
[J]. 中国生物医学工程学报, 2005, (04) : 421 - 425+434
[3] Learning to control brain activity: A review of the production and control of EEG components for driving brain–computer interface （BCI） systems[J] . Eleanor A Curran,Maria J Stokes.Brain and Cognition . 2003 (3)
[4] AN INFORMATION MAXIMIZATION APPROACH TO BLIND SEPARATION AND BLIND DECONVOLUTION
BELL, AJ
SEJNOWSKI, TJ
[J]. NEURAL COMPUTATION, 1995, 7 (06) : 1129 - 1159
[5] Adaptive blind separation of independent sources: A deflation approach[J] . Nathalie Delfosse,Philippe Loubaton.Signal Processing . 1995 (1)
[6] Supereffeciencyin blindsource separation. S I Amari. IEEE Transactions on Signal Processing . 1999

← 1 →