文件名称：基于压缩感知的脑电信号压缩采样
文件大小：7.47MB
文件格式：NH
更新时间：2015-08-02 10:07:47
脑电信号 压缩感知
压缩感知在脑电信号中的应用，在医学实践中，通常会进行长时间的多次重复性的多通道脑电图测量，因此会产生 大量数据。如何有效处理这些数据是一个函待解决的问题。近年来出现的压缩感知理论 为有效解决这个问题提出了新的解决思路。鉴于此，本文首先介绍了EEG信号的先验 基础知识和压缩感知的理论框架。接下来研究了基于压缩感知理论对单通道EEG信号 的压缩采样，内容包括脑电信号最佳稀疏分解，通过实验对比发现，对于EEG信号， 以高斯函数、高斯小波函数、墨西哥草帽函数作为原子的生成函数构造的冗余字典，可 以实现EEG信号的较好的稀疏分解效果;测量矩阵的选择，实验中比较了常用测量矩 阵对重构误差的影响，如高斯随机矩阵、托普利兹矩阵等，接下来使用测量矩阵对稀疏 分解系数向量进行观测得到测量值完成压缩采样，最后由这些测量值使用正交匹配追踪 算法恢复出系数向量，继而完成原EEG信号的重构。在单通道EEG信号压缩采样的基 础上，鉴于EEG信号各个通道之间的联系，提出多通道EEG信号的联合压缩采样，节 省了稀疏分解所用原子个数和观测次数，实现了更有效的压缩采