基于独立分量分析的扫视信号样本优化算法

摘要：

为改善基于眼电图(EOG)的人体行为识别系统性能,提高多任务背景下扫视信号识别的正确率,提出了一种基于独立分量分析(ICA)的扫视信号样本优化算法.该算法首先以单次扫视数据为分析对象,根据独立成分在采集电极的映射模式,设计了一种扫视相关独立成分的自动选择方法,并建立了相应的ICA空域滤波器;然后以原始EOG线性投影后信号的识别正确率为度量准则实现对干扰扫视信号的剔除.对4类扫视信号进行了“组内测试”与“组间测试”,实验结果表明,经文中算法优化后识别正确率达99.57％与98.82％,比优化前分别提升了0.57％与0.83％,说明文中算法能够对扫视信号样本进行有效的优化,提高其识别正确率.

关键词：眼电图、人体行为识别、独立分量分析、扫视相关独立成分

所属期刊栏目：44

分类号：TP391.4;R318(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61401002,61271352;安徽省自然科学基金资助项目1408085QF125;安徽高校省级自然科学研究重点项目KJ2014A011Supported by the National Natural Science Foundation of China61401002,61271352;the Natural Science Foundation of Anhui Province1408085QF125

在线出版日期：2017-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：32-40