原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构.pdf
Vo 1.38No.7
电子与信息学报
第 38 卷第 7 期
Journal of Electronics Information Technology Jul. 2016
2016 年 7 月
基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构
吴建宁*① 徐海东① 王旦②
①(福建师范大学数学与计算机科学学院福州I 350007)
②(西安交通大学生物医学信息工程教育部重点实验室 西安 710049)
摘 要:该文基于多通道脑电信号时空特性构建非正交变换过完备字典，准确稀疏表示蕴含时空相关性信息的多通
道脑电信号，提高基于时空稀疏贝叶斯学习模型的多通道脑电信号压缩感知联合重构算法性能。实验选用
eegmmidb 脑电数据库的多通道脑电信号验证所提算法有效性。结果表明，基于过完备字典稀疏表示的多通道脑电
信号，能够为多通道脑电信号压缩感知重构算法提供更多的时空相关性信息，比传统多通道脑电信号压缩感知重构
算法所得的信噪比值提高近 12 dB，重构时间减少 0.75 s ，显著提高多通道脑电信号联合重构性能。
关键词:脑电信号稀疏表示:过完备字典:联合重构:时空稀疏贝叶斯学习:压缩感知
中图分类号: R74 1.044; TP393 文献标识码: A 文章编号: 1009-5896(2016)07-1666-08
DOI: 10.11999/JEIT151079
A N ew Joint Reconstruction Algorithm of Compressed
Sensing for Multichannel EEG Signals Based on
Over-complete Dictionary Approach
认TU Jianning ( XU Haidong ( WANG Jue②
气School 01 Mathematics and Co呻uter Science、 Fujian Normal Univers句、 Fuzhou 350007, Chi:叫
( (Key Laboratory 01 Biomedical I:叫ormation Engineering 01 Education Minis圳、 Xi an Jiaotoηg Uni悦rs盹
Xi an 710049, Chin功
Abstract: In this paper , the over-complete dictionary with nonorthogonal factor is firstly gained from Electro
Encephalo Graph (EEG) signal with spatic• temporal characteristics , and then it is used to sparsely represent
multichannel EEG signal for containing the information of spatiφtemporal correlation. This contributes to
enhance the performance of thejoint reconstruction of multi-channel EEG signal using the SpatiφTemporal Sparse
Bayesian Learning (STSBL) algori
文档评论（0）