结合多路ν-SVR与TFBSS的胎儿心电信号提取

提出了一种结合多路v-支持向量回归机(ν-SVR)和时频盲源分离(TFBSS)的胎儿心电信号间接提取方法。利用多路ν-SVR估计各路腹壁信号中的母体心电成分并将其抑制,从而得到多路含噪声的胎儿心电成分的最优估计;然后通过TFBSS从多路含噪声的胎儿心电成分的最优估计中提取胎儿心电信号。采用临床心电数据进行实验,结果表明本文提出的方法在可视化结果和信噪比指标上均优于传统方法。

结合ACF和TFBSS的心冲击伪迹抑制方法

同步脑电-功能磁共振成像(EEG-f MRI)可同时对大脑活动进行高时间和高空间分辨率观测,但磁共振扫描导致采集得到的脑电信号中包含心冲击伪迹,严重制约了同步EEG-f MRI应用的发展。为此,提出一种结合自适应梳状滤波器(ACF)与时频盲源分离(TFBSS)的心冲击伪迹抑制方法,首先估计脑电信号中心冲击伪迹的J峰位置,并根据该位置自适应调整梳状滤波器参数,对脑电(EEG)信号进行自适应梳状滤波,初步抑制其中的心冲击伪迹。然后利用TFBSS对心冲击伪迹作进一步抑制,最终获得较为清晰的EEG信号。采用临床EEG信号进行心冲击伪迹抑制实验,选择视觉效果、归一化功率谱比值和峰峰值比值评价性能。实验结果表明,所提出的方法能成功抑制心冲击伪迹;且相对于传统的心冲击伪迹抑制方法更有优势。

使用时频盲源分离和小波包去噪的胎儿心电信号提取

提出一种使用时频盲源分离(TFBSS)和小波包去噪的胎儿心电信号提取新方法。首先通过重排时频谱时频盲源分离方法进行胎儿心电信号的初次提取,并将初次提取得到的母体心电信号和噪声对应的各路分量置零,其余分量由混合矩阵进行重构;然后再利用重排时频谱的时频盲源分离方法对重构信号进行胎儿心电信号的二次提取,得到含噪声的胎儿心电信号;最后通过小波包去噪抑制胎儿心电信号中的基线漂移和噪声。在胎儿心电信号和母体心电信号的QRS波无重叠、部分重叠或完全重叠的情况下,通过该方法能有效抑制母体心电信号和噪声的干扰,提取胎儿心电信号。实验结果表明该方法能提取清晰的胎儿心电信号。

源信号数目大于观察信号数目情况下的盲源分离

独立分量分析(ICA)作为一种有效的盲源分离技术(BSS)是信号处理领域的热点。传统的独立分量分析都要求观察信号数目大于或者等于源信号数目,然而对于脑电图(EEG)等的一些信号处理中存在的源信号数目大于观察信号数目的情况,传统的独立分量分析算法不能有效分离。该文针对源信号数目大于观察信号数目的情况,在传统的独立分量分析技术的基础上,给出了一个新的学习算法,并将新算法与传统的独立分量算法进行了比较。实验仿真结果证明该算法在给定2个混合信号的情况下能够较好地分离3个未知语音信号源,成功实现了源信号数目大于观察信号数目情况下的盲源分离。