时窗复杂度序列在睡眠脑电分期中的应用

运用时窗复杂度序列来分析睡眠脑电，减少了非平稳性及状态空间的不均匀性造成的脑状态信息的丢失，在一定程度上克服了复杂度自身的局限，有助于不同睡眠期状态特征的提取。另外采用独立分量分析（ICA），小波变换等方法对脑电进行预处理，实验表明它们能有效地去除脑电中的一些生理干扰，有利于提高复杂度算法在睡眠分期应用中的精确度。     

基于独立分量分析的脑电噪声消除

作为一种新的多元统计处理方法，独立分量分析(ICA)是解决盲源分离(BSS)问题的一个有效手段。在简要分析ICA理论及其算法的基础上，提出将其应用到脑电中的眼电伪迹的去除任务。实际采集的生理信号大多由相互独立的成分线性迭加而成，符合ICA要求源信号统计独立的基本假设。与传统方法相比，ICA这种空间滤波器不受信号频谱混迭的限制，消噪的同时能对有用信号的细节成分做到很好的保留，很大程度上弥补了时频域方法的不足。此外解混矩阵的逆可以用来反映独立源的空间分布模式，具有重要的生理意义。