基于ReliefF-Pearson的嗅觉脑电通道选择

基于脑电(EEG)信号的气味识别研究在嗅觉功能客观评价及嗅觉障碍疾病诊断等方面具有重要的应用价值.在实际应用场景中使用过多EEG通道会带来诸多不便,因此研究如何选择EEG通道尤为重要.该文针对嗅觉EEG信号分类中的通道选择问题,提出了一种新型的基于ReliefF-Pearson的嗅觉EEG通道选择算法.该算法结合ReliefF的权值思想和Pearson系数的相关性原理对EEG通道进行选择.结果表明,与传统基于ReliefF的通道选择算法相比,该文所提算法在保证一定分类准确率的同时能够显著减少使用的通道数量,并且通道选择的结果不依赖人为经验和分类器.此外,使用该方法获取的通道,其空间分布与已有的嗅觉神经生理学位置相一致,进一步证实了该方法的科学性和有效性.该文所提算法为嗅觉EEG通道选择的研究提供了新思路.     

入侵检测系统中基于变量相似性特征选择

ReliefF是一种在很多场合经常使用的filter式的特征选择方法．然而该方法的一大缺点是不能辨别冗余特征。基于ReliefF算法提出一种混合的有监督的特征选择算法。该算法首先利用ReliefF算法去除与分类无关的以及权重低于一定阈值的特征，然后采用一种变量相似性准则来去除冗余特征。在实际的数据集KDDCUP＇99上进行的实验结果表明该混合特征选择方法较单独使用ReliefF方法在分类精度上有一定的提高。     

基于相关性和稀疏表示的运动想象脑电通道选择方法

在基于运动想象(MI)的脑机接口(BCI)中,通常采用较多通道的脑电信号(EEG)来提高分类精度,但其中会有包含与MI任务无关或冗余信息的通道,从而影响BCI的性能提升。该文针对运动想象脑电分类中的通道选择问题,提出一种采用相关性和稀疏表示对通道进行选择的方法(CSR-CS)。首先计算训练样本每个通道的皮尔逊相关系数来选择显著通道,然后提取显著通道所在区域的滤波器组共空间模式特征拼接成字典,利用由字典所得到的非零稀疏系数的个数表征每个区域的分类能力,选出显著区域所包含的显著通道作为最优通道,最后采用共空间模式和支持向量机分别进行特征提取与分类。在对BCI第3次竞赛数据集IVa和BCI第4次竞赛数据集I两个二分类MI任务的分类实验中,平均分类精度达到了88.61%和83.9%,表明所提通道选择方法的有效性和鲁棒性。     

基于PCA和自适应步长IVA的EMG伪迹去除方法

针对脑电(EEG)信号在采集过程中易受到肌电(EMG)伪迹干扰,且EMG伪迹复杂多变难以去除的问题,提出一种基于主分量分析(PCA)和自适应步长独立向量分析(IVA)相结合的EEG中EMG伪迹去除方法。首先,利用PCA将EEG信号的主分量提取出来,对数据降维;然后对主分量引入IVA算法,根据高阶统计量和二阶统计量,结合EMG伪迹的非高斯性和弱相关性进行EMG伪迹分离,同时引入基于分离效果的自适应步长选取方法,增强分离效果。实验中采集了8通道的EEG信号,测得各通道相对均方根误差为0.09～0.2,算法的平均EMG伪迹分离率为98%,且相比单独使用IVA时间节省20%,该方法适用于动态EEG中EMG伪迹的去除。     

基于同一性的健壮CS分类算法

针对利用压缩感知(CS)进行信号分类识别的问题,提出了一种联合欲分类信号和样本信号的健壮CS分类算法。该方法通过引入“同一性”的概念,克服了信号过完备字典传统构造方式的不足,增强了信号稀疏表示与信号类别间的关联性,提升了基于压缩感知的信号分类算法性能。仿真实验证明了所提方法的正确性,并进一步表明:在非最优过完备字典下,该方法较之传统CS分类算法更具有分类准确度。     

一种基于ReliefF评估和互补系数的特征选择算法

Filter特征选择算法具有通用性强、算法复杂度低的特点,但对某一个具体的分类器选择的特征子集也许并不是最优的;Wrapper方法与其相反,对特定的分类器可以找到最优的特征子集,但算法复杂度很高.研究一种Filter与Wrapper相结合的混合型算法.首先从特征对样本分类效果的角度提出互补系数的概念,然后基于ReliefF评估和互补系数,提出ReCom算法.实验证明,由ReCom算法得到的特征子集与ReliefF算法得到的特征子集相比具有更好的性能,并且与传统Wrapper方法相比,该算法大大降低了时间复杂度.     

分离通道联合卷积神经网络的自动调制识别

针对通信信号的自动调制识别需要大量特征提取的问题,提出了一种分离通道卷积神经网络自动调制识别算法。该算法通过结合深度学习中卷积神经网络(CNN),分别提取时域信号的多通道和分离通道调制特征,再利用融合特征实现不同信号的分类。仿真结果表明,相比基于CNN的算法,所提算法在高信噪比下针对两个数据集的识别率分别提升7%和18%;此外,相比于基于特征提取的传统识别算法,其高阶调制识别性能平均提升3 dB。     

基于二阶统计特性的方向向量估计算法的DOA估计

为了减小天线阵流形误差对波达方向(DOA)估计结果的影响,以及克服基于传统盲源分离算法的DOA估计算法不能应用于少通道测向设备的不足,提出一种基于2阶统计特性的方向向量估计算法的DOA估计算法。首先,根据确定性最大似然(DML)估计算法谱函数的特征,构造关于协方差矩阵的酉约束下的优化问题;然后,通过优化该问题获得各个单信号的实际方向向量;最后,将各个单信号的实际方向向量输入到空间谱算法中实现DOA估计。由于将多信号的DOA估计转化为多个单信号的DOA估计,因此在天线阵列流形存在误差时,所提算法比传统的DOA方法具有更好的DOA估计性能。由于所提算法仅需使用协方差矩阵,因此所提算法可应用于少通道测向设备。由仿真实验结果可知,在阵列流形存在误差以及测向设备为少通道测向设备时,与传统DOA方法相比,所提算法的DOA估计的准确度、抗扰度以及分辨率更高。     

一种适用于TDOMP算法的测量矩阵优化方法

测量矩阵的优化设计有利于提高压缩感知中信号的重构性能。该文研究了适用于TDOMP (TwoDictionaries OMP)重构算法的测量矩阵优化方法。TDOMP算法是一种改进的OMP算法,该算法使用与感知矩阵互相关性低的匹配矩阵来辨识正确的感知矩阵原子。所提方法利用交替投影的思想来优化测量矩阵从而得到相关性低的感知矩阵和匹配矩阵,然后用于TDOMP算法来提高信号的重建性能。仿真实验验证了所提方法的有效性。      

基于fMRI功能网络和贝叶斯矩阵分解的脑电源成像方法

脑电(EEG)是一种重要的脑功能成像技术,根据头皮记录的EEG信号重构皮层脑活动称为EEG源成像。然而脑源活动位置和尺寸的准确重构依然是一个挑战。为充分利用EEG和功能磁共振(fMRI)信号在时空分辨率上的互补信息,该文提出一个新的源成像方法——基于fMRI脑网络和时空约束的EEG源重构算法(FN-STCSI)。该方法在参数贝叶斯框架下,基于矩阵分解思想将源信号分解为若干时间基函数的线性组合。此外,为融合fMRI的高空间分辨率信息,FN-STCSI利用独立成分分析提取fMRI信号的功能网络,构建EEG源成像的空间协方差基,通过变分贝叶斯推断技术确定每个空间协方差基的相对贡献,实现EEG-fMRI融合。通过蒙特卡罗数值仿真和实验数据分析比较了FN-STCSI与现有算法在不同信噪比和不同先验条件下的性能,结果表明FN-STCSI能有效融合EEG-fMRI在时空上的互补信息,提高EEG弥散源成像的性能。     

Optimizing the channel selection and classification accuracy in EEG-based BCI

Multichannel EEG is generally used in brain-computer interfaces (BCIs), whereby performing EEG channel selection 1) improves BCI performance by removing irrelevant or noisy channels and 2) enhances user convenience from the use of lesser channels. This paper proposes a novel sparse common spatial pattern (SCSP) algorithm for EEG channel selection. The proposed SCSP algorithm is formulated as an optimization problem to select the least number of channels within a constraint of classification accuracy. As such, the proposed approach can be customized to yield the best classification accuracy by removing the noisy and irrelevant channels, or retain the least number of channels without compromising the classification accuracy obtained by using all the channels. The proposed SCSP algorithm is evaluated using two motor imagery datasets, one with a moderate number of channels and another with a large number of channels. In both datasets, the proposed SCSP channel selection significantly reduced the number of channels, and outperformed existing channel selection methods based on Fisher criterion, mutual information, support vector machine, common spatial pattern, and regularized common spatial pattern in classification accuracy. The proposed SCSP algorithm also yielded an average improvement of 10% in classification accuracy compared to the use of three channels (C3, C4, and Cz).     

CSSD＋AAR模型在脑电信号处理中的应用

针对BCI技术中的脑电信号处理方法和事件相关去同步化的特点,提出了一种结合时、频、空域的特征提取方法。结合CSSD和AAR模型来提取脑电特征,并对基于AAR模型系数的特征提取方法进行了探讨,最终选择卡尔曼平滑算法提取模型系数,然后将提取的特征用简单的线性分类器进行分类。实验结果表明测试集的分类正确率达到了94．08％,而且这种特征提取方法有很好的时间分辨率,适合于在线分类。这是一种正确率高,时间分辨率高,适合在线分类的好方法。     

基于矢量线性运算的自适应球帽差分反馈算法

信道时间相关多输入多输出(MIMO)系统中一种重要有限反馈策略为差分反馈,该文提出一种适用于单用户多输入单输出(SU-MISO)系统的自适应球帽差分反馈算法。首先,运用相邻时刻信道间的扰动规律设计自适应差分反馈策略;其次,不同于现有差分码本的非线性构造方法,提出一种基于矢量伸缩和合成的球帽差分码本算法;最后,联合球帽码本空间分布规律和时间相关信道的统计规律推导出球帽半径计算方法。仿真结果说明,该算法能准确跟踪信道并较现有算法有一定性能提高。     

60GHz 室内信道下一种快速天线选择算法

传统的基于信道容量最大化准则的天线选择算法虽然使信道容量达到了最大化,但是计算复杂度很高。针对计算复杂度高的问题, 提出了一种基于Doolittle-QR 分解的低复杂度天线选择算法。该算法基于Doolittle-QR 分解,可以快速选择出使系统容量最大化的天线。与传统的天线选择算法相比,该算法的计算复杂度不仅有效地降低了, 而且容量性能相近。在60GHz 室内信道下,仿真实验结果表明, 该算法具有良好的容量性能,优于随机天线选择算法,接近最优天线选择算法。     

A band selection method of hyperspectral remote sensing based on particle frog leaping algorithm

Dimensionality reduction is becoming an important problem in hyperspectral image classification. Band selection as an effective dimensionality reduction method has attracted more research interests. In this paper, a band selection method for hyperspectral remote sensing images based on subspace partition and particle frog leaping optimization algorithm is proposed. Three new evolution strategies are designed to form a probabilistic network extension structure to avoid local convergence. At the same time, the information entropy of the selected band subset is used as the weight of inter-class separability, and a new band selection criterion function is constructed. The simulation results show that the proposed algorithm has certain advantages over the existing similar algorithms in terms of classification accuracy and running time.     

一种新型低复杂度双层分组天线选择算法

针对平坦相关瑞利衰落信道环境下的端到端大规模MIMO系统复杂度过高的问题,提出一种基于离散布谷鸟搜索的低复杂度双层分组天线选择算法。该算法首先基于天线信道相关性对大规模天线阵列进行分组处理,进而利用新型双层算法对分组的天线集合进行优化天线选择。其中,新型双层算法的第一层是每小组天线基于离散布谷鸟搜索的内部选择,第二层是对第一层选择的所有天线利用离散布谷鸟搜索进行最终的选择。提出的新型天线选择算法可有效降低大规模MIMO系统复杂度。仿真结果验证了在平坦相关瑞利衰落信道环境下,提出的天线选择算法能够以较低选择复杂度获得接近最优选择方法的容量性能和较优的BER性能。     

OFDM-UWB系统的自适应联合信道估计算法

提出了一种新的MB-OFDM-UWB自适应联合信道估计算法,该算法首先对基于DFT的信道估计算法进行改进,使其能自适应的调整滤波窗口的大小。然后利用改进后的算法与梳状导频估计相结合。算法的优点在于能根据不同的信道的统计特征,自适应调整滤波器窗口的大小,从而减少了噪声对信道估计的影响,并保留了梳状导频估计能快速跟踪信道变化的特性。仿真结果表明,该算法能很好地适用于UWB室内信道。     

结合ICA相干斑抑制的全极化SAR图像分类

本文提出了一种结合相干斑抑制的全极化 SAR(Synthetic Aperture Radar)图像分类新方法.该方法先对图像数据做Pauli分解,获得三个极化组合通道,并分别用三种颜色表示这三个极化组合;再用独立分量分析稀疏编码(ICA-SCS)算法对各颜色通道进行相干斑抑制,最后把三个颜色通道混合,实现了对图像信息的分类.该方法很好的保留了极化通道间的相对相位信息,同时,相干斑抑制后的数据直接用于图像分类,不需要再做任何极化通道组合.对真实SAR图像的分类结果表明,该方法对分类效果和精度有明显改善.