基于独立分量分析的扫视信号样本优化算法
A Sample Optimization Algorithm of Saccade Signals Based on Independent Component Analysis作者机构:安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学信息保障技术协同创新中心安徽合肥230601
出 版 物:《华南理工大学学报(自然科学版)》 (Journal of South China University of Technology(Natural Science Edition))
年 卷 期:2016年第44卷第9期
页 面:32-40页
核心收录:
学科分类:0831[工学-生物医学工程(可授工学、理学、医学学位)] 0810[工学-信息与通信工程] 08[工学] 0804[工学-仪器科学与技术] 0805[工学-材料科学与工程(可授工学、理学学位)] 0812[工学-计算机科学与技术(可授工学、理学学位)]
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(KJ2014A011)~~
主 题:眼电图 人体行为识别 独立分量分析 扫视相关独立成分
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.