基于压缩感知的局部场电位信号重构算法研究

研究局部场电位信号(Local Field Potential,LFP)的重构问题.依据传统的采样定理对LFP信号进行采样,将会产生庞大的数据量,为LFP信号的传输、存储及处理带来巨大压力.为降低LFP信号的采样速率,减少有效的采样样本,提出压缩感知的局部场电位信号重构的新方法.利用LFP信号在变换域上的稀疏性,通过随机高斯测量矩阵将LFP信号重构模型转化为压缩感知理论中的稀疏向量重构模型.仿真结果表明,采样速率为奈奎斯特采样速率的一半即可准确重构LFP信号,且正交匹配追踪(OMP)重建算法要优于基追踪(BP)重建算法;当选用离散余弦矩阵(DCT)作为稀疏表示矩阵时,信号在正交匹配追踪和基追踪两种重构算法下都有很高的重构精度.     

提取脑电信号的新方法研究─—自适应卡尔曼滤波

本文介绍了一种提取脑电信号的自适应卡尔曼滤波算法及其微机处理软件。在实际应用中，此滤波算法实现了在最小信号和噪声模型参数的先验知识下，完全采用时域分析法，对混在噪声或无关信号中的脑电信号进行最优估值。实验证明这种新方法能够有效地提高信噪比15dB。