第二讲EEG信号处理基础讲述.ppt

的特征向量和特征值。实际上，存在矩阵 G 满足： 于是 为实对称正定矩阵，因此存在正交矩阵 P 和非负特征值 使得： 令 Q = G-TP , 则有 另一方面 因此有 定义变换：z =QT x，则向量 z 的分量方差可以更好地用于求解两分类问题。 如果采用C语言编程，可以按照以上过程，结合求解LDLT分解和特征值特征向量问题求得Q。求解 Q 的matlab程序如下： 为了方便的估计概率密度函数，常将它展开成矩的形式 主成分分析总结 要求信号服从高斯分布 各个主分量之间不相关，但不保证独立 独立分量分析 独立分量分析的目的是：当 X = A S 时，求矩阵 W，使得 Y=WX 的各个分量独立，此时W可能不是A的逆，但是 WA 是置换矩阵。 典型例子： “鸡尾酒会”问题，从酒会嘈杂人声中提取所关心对象的语音, 人的大脑可以很快辨出或集中听某种需要关注声音。 麦克风1 麦克风2 麦克风3 独立分量分析 主要研究结构: (1) 美国加州大学生物系，计算神经生物实验室，提出信息极大化( infomax )算法。 . (2) 日本Riken的数量神经科学实验室，互信息极小化（minimization of mutual information MMI)采用人工神经网络