毕业论文

打赏
当前位置: 毕业论文 > 自动化 >

基于诱发电位少次提取的特征识别

时间:2021-10-11 19:42来源:毕业论文
基于联合稀疏表示的双导诱发电位分析方法,它充分利用了这种相似性。分析过 程分三个阶段进行:首先,根据诱发电位的相似性和自发脑电图的随机性,连续 两次对于诱发电位的观测

摘要 在本文中,回顾了关于诱发电位提取与分析常用的方法,同时提出了一种解 决诱发电位分析问题的新方法。一般情况下,在 2 个连续的试验中通过重复相同 的神经刺激获得的诱发电位是非常相似的。为了跟踪诱发电位,本文提出了一个 基于联合稀疏表示的双导诱发电位分析方法,它充分利用了这种相似性。分析过 程分三个阶段进行:首先,根据诱发电位的相似性和自发脑电图的随机性,连续 两次对于诱发电位的观测被认为是常见成分和独特成分叠加;其次,利用其特性, 构造了两个稀疏字典;最后,本文采用联合稀疏表示的方法提取双导观测的通用 成分,而不是在每个试验中诱发电位。72727

该论文有图 10 幅,参考文献 25 篇。

毕业论文关键词:双导诱发电位分析 联合稀疏表示 自发脑电图 词典构建

Feature Recognition Based on the Extraction  of Evoked  Potentials

Abstract In this paper, we present a novel approach to solving an  evoked  potentials estimating problem。  Generally,  the  evoked  potentials  in  two  consecutive  trials  obtained by repeated identical stimuli of  the  nerves are  extremely  similar。  In  order  to trace evoked potentials, we propose a joint sparse representation-based double-trial evoked potentials estimation method, taking full advantage of  this similarity。 The  estimation process is performed in three stages: first,  according  to  the  similarity  of  evoked potentials and the randomness of a  spontaneous  electroencephalogram,  the  two consecutive observations of evoked potentials are considered as super positions of the common component and the unique components second, making  use of  their characteristics, the two  sparse  dictionaries  are  constructed;  and  finally,  we  apply  the joint sparse representation method in order to extract the common component of double-trial observations, instead of the evoked potential in each trial。 A series of experiments carried out on simulated and human test responses confirmed the superior performance   of our method。

There  are 10 figures   and 25 references  in  this  paper。

Keywords: Double-trial evoked potentials estimation  Joint sparse representation  Spontaneous  electroencephalogram Dictionary  constructing

目录 

摘要 I

Abstract II

目录 III

图清单 IV

1。绪论 1

1。1 研究的背景与意义 1

1。2 研究的现状 2

1。3 研究的目的与内容 4

2 现有诱发电位信号提取方法 5

2。1 引言 5

2。2 诱发电位信号的提取 5

3 基于联合稀疏表示的双实验诱发电位分析方法 13

3。1 引言 13

3。2 联合稀疏表示 14

3。3 双导诱发电位分析 19

4 模拟分析 20

4。1 模拟方法 20

4。2 不同信噪比条件下的模拟结果 20

4。3 不同T0情况下的比较 22

4。4 不同振幅与延迟下的比较结果 24

5 结论 26

附录 27

参考文献 31

致谢 33

图清单

图序号 图名称 页码

图 2-1 诱发电位模型 5

图 2-2 巴特沃兹滤波器幅相频特性曲线 7

图 2-3 切比雪夫滤波器幅相频特性曲线 8

图 2-4 贝塞尔波器幅相频特性曲线 11

图 3-1 模拟信号的分解 16

图 3-2 具有不同信噪比的相关系数(a)和误差功率(b) 18

图 4-2 通过 JSR,Mosca 和兰格得到的波形 20 基于诱发电位少次提取的特征识别:http://www.youerw.com/zidonghua/lunwen_82788.html

------分隔线----------------------------
推荐内容