期刊文献+

改进G-P算法与睡眠脑电的关联维 被引量:2

An Improved G-P Algorithm and Correlation Dimension of Sleep EEG
下载PDF
导出
摘要 脑电的非线性参数能有效表达大脑的不同生理状态 ,不同睡眠期脑电的关联维数不同。但用G P算法求关联维数存在抗干扰能力较差、可靠性不稳定、运算量巨大等缺点。先对相空间进行奇异谱分析 ,进而对原始相空间进行旋转 ,使其成为正交的等效空间 ,然后再使用G P算法。改进后的算法能有效地抑制噪声干扰 ,降低相空间规模 ,减少运算复杂性 ,在睡眠脑电的关联维数计算上效果良好。 Non-linear features of EEG represent effectively different physiology states of brain, correlation dimension is different in different sleep stages. But G-P algorithm which be used to calculate D2 have some shortages, such as being robust against noise, not stable, and needing a big operation. An improved approach as follows: Firstly,to apply singular system analysis on phase space, transform the original phase space by circumvolving to a orthogonal equivalent space, then use G-P algorithm. This improved algorithm restrains noise interfere, depresses phase space dimensions, reduce calculation amount, and is favorable in calculating D2 of sleep EEG.
出处 《北京生物医学工程》 2004年第4期260-262,共3页 Beijing Biomedical Engineering
基金 国家自然科学基金 (60 0 710 2 3 ) 中国科学技术大学青年基金 (KB2 5 0 8)资助
关键词 脑电 睡眠 法能 巨大 大脑 表达 效果 算法 关联维数 运算量 Sleep stage EEG Singular system analysis Correlation dimension
  • 相关文献

参考文献5

  • 1Grassberger P, Procaccia I. Measuring the strangeness of strange attractors. physica D 1983,(9):198-208
  • 2Albano AM, Muench J, et al. Singular value decomposition and the grassberger procaccia algorithm. Physical Review A, 1988, (38): 3017-3026
  • 3Broomhead DS, King GP. Extracting qualitative dynamics from experimental data. Physica D, 1986, (20): 217-236
  • 4Roschke J, Aldenhoff J. The dimensionality of human′s electroencephalogram during sleep. Biol Cybern, 1991,64: 307-313
  • 5李亚安,徐德民,张效民.低信噪比混沌信号的维数计算[J].西北工业大学学报,2002,20(3):444-448. 被引量:3

二级参考文献1

  • 1Albano A M,Muench J,et al.Singular Value Decomposition and the Grassberger Procaccia Algorithm[].Physical Review A Atomic Molecular and Optical Physics.1988

共引文献2

同被引文献17

引证文献2

二级引证文献7

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部