基于副瓣相消的稳态视觉诱发电位识别

稳态视觉诱发电位(SSVEP)技术是脑机接口的重要部分,当脑电图信号在强干扰与低信噪比环境时识别率较低。针对该问题,文中提出一种基于副瓣相消(SLC)与典型相关分析(CCA)的SSVEP识别方法。首先,利用希尔伯特变换将全部通道的脑电信号转换为解析信号;然后,将枕区的多个通道设为主瓣通道,其他含SSVEP较弱的多个通道设为副瓣通道,利用副瓣相消技术抑制主瓣通道脑电信号的干扰;最后,根据不同刺激图像的闪烁频率构造复数域单频率信号模板,利用CCA求解不同模板的最大典型相关系数,并根据其最大值确定SSVEP的分类结果。实测实验中,分别在环境安静状态与较大外界干扰状态下进行了多次试验,结果表明SLC处理对SSVEP的频谱增益有较大提升,相较于传统CCA方法,分类识别率更高,证明了本文方法的有效性和良好性能。

宽带干扰信号自适应副瓣相消的分析

依据自适应副瓣相消的原理 ,着重分析了相对带宽较宽的干扰对副瓣相消性能的影响 ,提出了改善带宽特性的方法 ,进行了仿真验证。改善带宽特性的方法包括增加更多的辅助阵元 ,在阵元后面加入延迟节 ,利用快速傅里叶变换 (FFT)等。

一种改进的自适应副瓣相消和副瓣匿影联合方法

针对噪声加密集假目标复合干扰,采取自适应副瓣对消(ASLC)和副瓣匿影(SLB)技术简单级联处理会产生过度匿影问题,提出了一种改进的ASLC和SLB联合抗复合干扰方法.该方法首先将主通道和匿影通道均进行ASLC处理,然后将对消后的数据用于SLB处理.匿影通道经过ASLC处理后压制噪声干扰被抑制掉,确保了后续的SLB处理不会产生过度匿影的问题.仿真结果表明,改进的联合抗复合干扰方法可以达到同时抑制噪声加密集假目标复合干扰的目的.