再认记忆的事件相关电位多域特征值研究

为了更好地了解再认记忆状态下的事件相关电位(ERP)在时域、频域和空间域的性质,与传统的ERP信号特征提取方法往往都局限于时域特征不同,该研究采用非负张量分解(NTF)技术,提取再认记忆实验中与"Old"和"New"刺激相关的ERP的多域特征值。多域特征值是从多个导联ERP信号的时频转换中提取的,因此可以同时反映ERP在时域、频域和空间域上的性质。研究结果发现,多域特征值可以明显地反映出不同刺激类型下ERP信号的差异,与额区新旧效应相关的FN400在"New"刺激下的多域特征值显著大于"Old"刺激下的,与顶区新旧效应相关的P600在"Old"刺激下的多域特征值显著大于"New"刺激下的,说明多域特征值能很好地用于区分和识别再认记忆中的新旧刺激,这不仅为再认记忆的研究提供了一个新方法,而且为基于ERP的认知功能研究提供了新的思路和途径。

整数小波域张量Tucker分解的多光谱图像压缩

针对常用多光谱图像压缩算法-把图像作为矩阵向量量化后再进行相应压缩处理-导致图像的本征结构被破坏、信息损失以及压缩效率低等问题,提出一种基于非负张量(NTD)Tucker分解的多光谱图像压缩算法。首先将多光谱图像的每个谱段进行二维提升整数5/3小波变换,消除多光谱图像的空间冗余。然后将所有谱段的每级小波变换的4个小波子带看作为4个NTD。对每个非负小波子带张量采用改进局部HALS-NTD算法进行Tucker分解,消除光谱冗余和空间残余冗余。最后,将分解的核心张量和模式矩阵进行熵编码。实验结果表明,本文提出的压缩算法具有良好压缩性能,在压缩比32∶1～4∶1范围内,平均信噪比(SNR)高于40dB,与传统多光谱图像压缩算法比较,提高了1.779dB,有效提高了多光谱图像压缩算法的压缩性能。