- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
ICA
引言
心电信号作为心脏电活动在人体体表的表现,信号一般比较微弱,幅度在10uV-5mV 频率为0.05-100Hz。在心电信号的采集、放大、检测及记录过程中,有来自外界的各种干扰,可能对ECG 信号造成干扰。ECG 噪声可能来自如下几个方面[2];(1)工频(50Hz/60Hz)干扰;(2)电极接触噪声;(3)运动伪迹(Motion Artifact);(4)肌电噪声(EMG);(5)呼吸引起的基线漂移和心电幅度变化;(6)其它电子设备的机器噪声;(7)电外科噪声(电外科噪声是一种高频干扰,与EMG 不同的是,它表现为幅度很大的正弦波,因而完全破坏了心电信号)。
去除ECG中50Hz的工频干扰可用多种数字滤波方法,常用的有平滑滤波,简单整系数带阻滤波滤波,小波变换,自适应滤波等。目前压制工频干扰的方法主要是采用陷波滤波法和自适应滤波法。陷波滤波法是在频率域中实现的,设计多吸收点的、具有一定阻带宽度的陷波滤波器组,用以消除工频干扰的基波和谐波成分。要是信号频谱与工频干扰的频谱有混叠,则陷波滤波器在滤除工频干扰的同时也会造成目标信号的损失。而自适应滤波法的前提是目标信号和干扰波不相关。在此基础上,利用自适应滤波算法(最小均方或最小二乘法),自动调整滤波器系数,以跟踪输入过程的变化,并实现工频干扰的自适应抵消。这种方法在时间域进行,其本质与陷波滤波是一致的。
1所示,它是从线性混合信号里恢复出一些基本的源信号的方法。
假定第个观测信号是由个相互独立的未知信号线性混合而成:
, (2-5)
假定每个观测变量和未知源变量都是随机变量,矢量表示观测变量,矢量表示源变量,A表示混合矩阵,上式可以用矢量矩阵形式表示:
(2-6)
也可以写成:
(2-7)
统计模型称为独立分量分析(ICA)模型[12]。该模型描述了观测数据是如何由未知源信号s混合生成的。源信号是隐藏变量,不能直接观测到,而且混合矩阵也是未知的,所有能观测到数据是随机变量x。
为了保证ICA模型是可解的,我们做以下假定和限制[11]:
第一项假设是统计独立性,这项假设是最重要的,也是ICA方法可用于许多不同应用领域的主要原因。
第二项假设是非高斯分布。如果所观测变量具有高斯分布,其高阶累积量为0,因此就无法根据高阶信息估计ICA模型。
第三项假设未知混合矩阵(即 A)是方的,即独立分量数等于观测混合信号数,以简化估计。
第四项假设是各个观测器引入的噪声n很小,可以不予考虑。
在满足以上四项假设的情况下,通过计算矩阵A的逆W,就可解出独立分量
(2-8)
1.2 FastICA算法FastICA算法,又称固定点(Fixed-Point)算法FastICA算法有基于峭度、基于似然最大、基于负熵最大等形式,这里,我们介绍基于负熵最大的FastICA算法。它以负熵最大作为一个搜寻方向,可以实现顺序地提取独立源,充分体现了投影追踪(Projection Pursuit)这种传统线性变换的思想。此外,该算法采用了定点迭代的优化算法,使得收敛更加快速、稳健。
因为FastICA算法以负熵最大作为一个搜寻方向,因此先讨论一下负熵判决准则。由信息论理论可知:在所有等方差的随机变量中,高斯变量的熵最大,因而我们可以利用熵来度量非高斯性,常用熵的修正形式,即负熵。根据中心极限定理,若一随机变量由许多相互独立的随机变量之和组成,只要具有有限的均值和方差,则不论其为何种分布,随机变量较更接近高斯分布。换言之,较的非高斯性更强。因此,在分离过程中,可通过对分离结果的非高斯性度量来表示分离结果间的相互独立性,当非高斯性度量达到最大时,则表明已完成对各独立分量的分离。
负熵的定义:
(.5)
式中,是一与具有相同方差的高斯随机变量,为随机变量的微分熵
(.6)
根据信息理论,在具有相同方差的随机变量中,高斯分布的随机变量具有最大的微分熵。当具有高斯分布时,;的非高斯性越强,其微分熵越小,值越大,所以可以作为随机变量非高斯性的测度。由于根据式(3.6)计算微分熵需要知道的概率密度分布函数,这显然不切实际,于是采用如下近似公式 (.7)
其中,为均值运算;为非线性函数,可取,或或等非线性函数,这里,,通常我们取。
快速ICA学习规则是找一个方向以便具有最大的
文档评论(0)