| 基于独立分量分析的生理信号盲源分离 |
| |
| 引用本文： | 周卫东.基于独立分量分析的生理信号盲源分离[J].生物医学工程研究,2002,21(2):4-6. |
| |
| 作者姓名： | 周卫东 |
| |
| 作者单位： | 山东大学信息科学与工程学院,济南,250100 |
| |
| 基金项目： | 山东省自然科学基金资助项目 (NO Y2 0 0 0C2 5 ) |
| |
| 摘 要： | 用于盲源分离的独立分量分析 (ICA)和扩展ICA算法 ,基于极大似然估计 ,给出一个衡量输出分量统计独立的目标函数 ,最优化该目标函数 ,得到一种用于独立分量分析的迭代算法。扩展ICA算法的优点在于迭代过程中不需要计算信号的高阶统计量 ,收敛速度快 ,同时适用于超高斯和亚高斯信号的分离。应用该算法实现了脑电、心电信号以及语音信号的分离 ,并给出了实验结果
|
| 关 键 词： | 盲源分离 独立分量分析 人工神经网络 极大似然估计 脑电 语音 |
Blind Separation of Biosignals Using Independent Component Analysis |
| |
| Zhou Weidong.Blind Separation of Biosignals Using Independent Component Analysis[J].Journal Of Blomedical Englneerlng Research,2002,21(2):4-6. |
| |
| Authors: | Zhou Weidong |
| |
| Abstract: | The independent component analysis(ICA)for blind source separation and the Extended ICA algorithm are introduced in this paper. The algorithm does not need to calculate the higher order statistics of signals,and has the property of fast convergence. The experimental results for separation of speech and EEG signals using the proposed algorithm is presented. |
| |
| Keywords: | Blind source separation(BSS) Independent component analysis(ICA) Neural networks Maximum likelihood estimation Electroencephalogram(EEG) Speech |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
