面向事件相关电位成分的稀疏字典构建方法

摘要：

利用稀疏分解来研究EEG信号是一种新兴的可靠的方法.常见的稀疏字典学习算法中,K-SVD算法得到了比较广泛的应用.但是利用K-SVD算法获得的字典原子很难完整的包含EEG信号中的事件相关电位(ERP)成分,通常样本中的ERP成分都会分布在大量原子中.本文提出把常用的K-SVD算法基础结合稀疏性能指标作为约束条件,解决稀疏字典难以与ERP成分对应的问题,并给出利用该算法进行ERP分析的步骤.通过在一个基于听觉刺激的公开数据集上使用本文的方法,成功地获得了包含完整目标ERP成分的字典原子,证明了方法的可行性.

关键词：稀疏字典、事件相关电位、脑电图、成分分析

所属期刊栏目：34

分类号：TP391.4;TN911.72(计算技术、计算机技术)

资助基金：国家自然科学基金项目61671187;深圳市基础研究项目JCYJ20150929143955341;语言语音教育部-微软重点实验室开放基金资助项目HIT.KLOF.20150XX,HIT.KLOF.20160xx

在线出版日期：2018-09-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：891-896