• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于過完備字典稀疏表示的多通道腦電信號壓縮感知聯(lián)合重構

    2016-10-14 01:33:03吳建寧徐海東
    電子與信息學報 2016年7期
    關鍵詞:壓縮率余弦腦電

    吳建寧 徐海東 王 玨

    ?

    基于過完備字典稀疏表示的多通道腦電信號壓縮感知聯(lián)合重構

    吳建寧*①徐海東①王 玨②

    ①(福建師范大學數(shù)學與計算機科學學院 福州 350007),②(西安交通大學生物醫(yī)學信息工程教育部重點實驗室 西安 710049)

    該文基于多通道腦電信號時空特性構建非正交變換過完備字典,準確稀疏表示蘊含時空相關性信息的多通道腦電信號,提高基于時空稀疏貝葉斯學習模型的多通道腦電信號壓縮感知聯(lián)合重構算法性能。實驗選用eegmmidb腦電數(shù)據(jù)庫的多通道腦電信號驗證所提算法有效性。結果表明,基于過完備字典稀疏表示的多通道腦電信號,能夠為多通道腦電信號壓縮感知重構算法提供更多的時空相關性信息,比傳統(tǒng)多通道腦電信號壓縮感知重構算法所得的信噪比值提高近12 dB,重構時間減少0.75 s,顯著提高多通道腦電信號聯(lián)合重構性能。

    腦電信號稀疏表示;過完備字典;聯(lián)合重構;時空稀疏貝葉斯學習;壓縮感知

    1 引言

    近年來,基于大腦皮質解剖學分區(qū)構建體域網(wǎng)(Wireless Body Sensor Network, WBSN)多通道腦電信號采集系統(tǒng)在腦電信號遠程監(jiān)測、腦機接口等領域受到高度關注和應用[1,2]。目前,多通道腦電信號體域網(wǎng)采集系統(tǒng)高功耗是困擾其在實際應用的主要因素。近年相關研究較多嘗試采用新興壓縮感知技術(Compressed Sensing, CS)[3]高壓縮采集腦電數(shù)據(jù),大量減少腦電數(shù)據(jù)傳輸量,降低采集系統(tǒng)功耗,然后基于重構算法恢復壓縮腦電數(shù)據(jù)[4,5]。目前研究難點仍集中于如何在高壓縮率狀況下,準確重構多通道腦電數(shù)據(jù)。

    單測量向量(Single Measurement Vector, SMV)模型[9]壓縮感知框架較早被用來探討多通道腦電信號壓縮重構可行性,相關研究大多采用離散余弦變換基近似稀疏表示腦電信號,滿足壓縮感知理論的數(shù)據(jù)稀疏性,基于SMV模型對單通道腦電信號逐個重構實現(xiàn)多通道腦電信號的壓縮重構。常用的壓縮感知重構算法主要有正交匹配追蹤(Orthogonal Matching Pursuit, OMP)[10]、子空間追蹤(Subspace Pursuit, SP)[11]、平滑L0-范數(shù)(Smoothed L0-norm, SL0)[12]算法等。然而,上述算法僅能恢復腦電信號中顯著非零元素,未能有效利用腦電信號電生理活動時空相關性,導致重構性能較差。近年來,文獻[13]嘗試采用塊稀疏貝葉斯學習算法(Block Sparse Bayesian Learning, BSBL)充分利用單通道腦電信號時間相關性和塊稀疏性,來改善單通道腦電信號重構性能[14,15]。但該算法逐個重構單通道腦電信號的計算負荷仍隨通道數(shù)量增加而呈線性增大,不利于多通道腦電信號遠程同步實時監(jiān)測。

    近年來,多測量向量(Multiple Measurement Vectors, MMV)模型[16,17]壓縮感知框架在多通道腦電信號壓縮重構研究中受到廣泛關注,相繼提出了一些基于MMV模型的多通道腦電信號壓縮聯(lián)合重構算法,諸如T-MSBL(Temporal-Sparse Bayesian Learning for MMV model)算法等[18]、基于時空稀疏貝葉斯學習(Spatio-Temporal Sparse Bayesian Learning, STSBL)模型的多測量向量壓縮感知重構算法[19]等,提高多通道腦電信號聯(lián)合重構性能。然而,目前相關研究大多采用基于正交變換的離散余弦變換(Discrete Cosine Transform, DCT)基近似稀疏表示多通道腦電信號,未能充分考慮腦電信號非平穩(wěn)性、非線性、隨機性等特點,難以準確稀疏表示多通道腦電信號時空特性,影響多通道腦電信號壓縮感知聯(lián)合重構性能。如何準確稀疏表示多通道腦電信號,提高其聯(lián)合重構性能是目前相關研究探討的熱點問題。

    目前相關研究嘗試基于優(yōu)化學習算法構建滿足信號特征的非正交過完備字典,準確稀疏表示時域非稀疏生理信號,提高其壓縮感知重構性能[20]。一些研究探討了嘗試采用K-SVD優(yōu)化學習算法從相關生理信號(諸如,體域網(wǎng)心電信號、語音信號、核磁共振圖像等)獲得過完備字典,有效提高其壓縮感知重構性能。然而,目前鮮有研究探討基于過完備字典優(yōu)化稀疏表示多通道腦電信號,來準確刻畫多通道腦電信號時空特性,提高其壓縮感知聯(lián)合重構性能。

    為此,本文提出一種基于過完備字典優(yōu)化稀疏表示的多通道腦電信號壓縮感知聯(lián)合重構方法,嘗試基于K-SVD優(yōu)化學習算法構建蘊含多通道腦電信號時空特性的最優(yōu)過完備字典,準確稀疏表示多通道腦電信號,有效提高基于時空稀疏貝葉斯學習模型的多通道腦電信號壓縮感知聯(lián)合重構性能。研究選用eegmmidb數(shù)據(jù)庫多通道腦電數(shù)據(jù)驗證本文方法的有效性。

    2 基于MMV模型的壓縮感知方法

    壓縮感知理論依據(jù)數(shù)據(jù)稀疏性,通過設計一個與稀疏基最大不相干的測量矩陣實現(xiàn)數(shù)據(jù)壓縮和重構。通常采用SMV模型或MMV模型,實現(xiàn)單信號或多信號的壓縮和重構。實質上,MMV模型是SMV模型壓縮感知方法的推廣,旨在解決具有相同稀疏支撐集的多信號壓縮和重構問題,為多通道腦電數(shù)據(jù)壓縮重構奠定理論基礎。

    實現(xiàn)多信號聯(lián)合重構:

    從而實現(xiàn)多信號聯(lián)合重構:

    3 基于過完備字典優(yōu)化稀疏的多通道腦電信號壓縮感知聯(lián)合重構算法

    為準確稀疏表示多通道腦電信號,提高其壓縮感知聯(lián)合重構性能,本文提出了一種基于過完備字典優(yōu)化稀疏的多通道腦電信號壓縮感知聯(lián)合重構算法,其算法流程如圖1所示。首先基于MMV模型同步壓縮原始采集多通道腦電信號,獲得多通道壓縮信號;然后基于K-SVD優(yōu)化學習算法從原始正交變換字典中獲得準確稀疏表示多通道腦電信號的過完備字典,準確揭示多通道腦電信號時空特性,提高多通道腦電信號時空稀疏貝葉斯學習算法重構性能,準確重構原始多通道腦電信號。

    圖1 基于過完備優(yōu)化稀疏的多通道腦電信號壓縮感知聯(lián)合重構算法框圖

    3.1 基于K-SVD優(yōu)化學習算法的腦電信號過完備字典設計

    實質上,K-SVD算法[24]是一種K奇異值分解算法,若將多信號中每一個信號僅用一個原子表示時,可轉化為均值聚類算法??紤]到多通道腦電信號MMV模型在壓縮感知框架中的聯(lián)合稀疏性,本研究將多腦電信號中的每個腦電信號僅用一個原子近似稀疏表示,基于K-SVD優(yōu)化學習算法設計一種從

    多通道腦電信號中獲取過完備字典的貪婪算法,其優(yōu)化訓練學習的目標方程為

    3.2 基于時空稀疏貝葉斯學習模型的多通道腦電信號壓縮感知聯(lián)合重構算法

    為充分利用多通道腦電信號時空相關性,本文提出基于STSBL模型構建多通道腦電信號壓縮感知聯(lián)合重構算法,其基本思路是將基于時空稀疏貝葉斯學習模型的多通道腦電壓縮感知重構框架假設為多個單通道腦電信號BSBL框架集合,有效利用單通道腦電信號內在時間相關性和多通道腦電信號間的空間相關性,提高多通道腦電信號壓縮感知聯(lián)合重構性能。

    3.3 基于過完備字典優(yōu)化稀疏表示的多通道腦電信號壓縮感知聯(lián)合重構算法實現(xiàn)步驟

    步驟1 從eegmmidb腦電數(shù)據(jù)庫中提取多通道腦電信號,其中一部分用于獲取多通道腦電信號過完備字典,另一部分用于MMV模型壓縮感知框架壓縮重構多通道腦電信號。

    步驟 4 根據(jù)式(10)基于STSBL模型壓縮感知重構算法獲得多通道腦電信號聯(lián)合稀疏系數(shù),準確重構多通道腦電信號。

    4 實驗與討論

    4.1 多通道腦電信號數(shù)據(jù)

    選用eegmmidb腦電信號數(shù)據(jù)庫(www.physionet.org/physiobank/database/eegmmidb/)[25]的多通道腦電信號驗證本文算法有效性。eegmmidb腦電數(shù)據(jù)庫基于BCI2000系統(tǒng)(采樣頻率160 Hz,采集時間3 min),采集了109名受試者分別在睜眼、閉眼、視覺誘發(fā)、動作想象等14個不同動作狀態(tài)的64通道腦電信號數(shù)據(jù)。eegmmidb腦電數(shù)據(jù)庫分別用編號1, 2表示睜眼、閉眼兩種狀態(tài)腦電數(shù)據(jù)集,用編號3, 4, 7, 8, 11, 12表示向左或向右方向狀態(tài)腦電數(shù)據(jù)集;用編號5, 6, 9, 10, 13, 14表示向上或向下方向狀態(tài)腦電數(shù)據(jù)集。本文實驗選用睜眼、閉眼狀態(tài)下的多通道腦電信號數(shù)據(jù)集驗證本文算法有效性。

    4.2 算法性能評價

    選用壓縮率和信噪比客觀評價本文所提算法重構性能,其定義如下:

    (1)壓縮率(Compression Rate, CR):壓縮率旨在客觀評價本文所提算法在多通道腦電信號高壓縮比狀況下的壓縮感知聯(lián)合重構性能,其定義為

    (2)信噪比(Signal to Noise Ratio, SNR):信噪比旨在量化評價原始腦電信號與聯(lián)合重構腦電信號的差異,其定義為

    4.3 實驗結果與分析

    實驗首先選用受試者第1~60通道腦電數(shù)據(jù)構建訓練樣本集合和初始離散余弦變換字典,并基于K-SVD算法進行優(yōu)化學習,獲取過完備離散余弦變換字典,訓練過程相關參數(shù)設置如下:初始字典長度和原子個數(shù)分別選取為160和300;樣本集合原子個數(shù)為600,待分解信號稀疏表示時最多使用的原子個數(shù)為40,算法迭代次數(shù)為30。采用相同受試者第61~64通道腦電數(shù)據(jù)來評估本文算法重構性能。實驗中,選用稀疏二進制矩陣作為測量矩陣(每列包含2個非0元素),采用STSBL期望最大化(STSBL-EM)算法作為多通道腦電信號聯(lián)合重構算法。為了進行比較,選用BP, BSBL-BO算法作為單通道腦電信號重構算法,STSBL-EM, BSBL-BO兩種重構算法中的塊長度設為20。上述實驗均在臺式PC機(3.2 GHz Intel Core i5 CPU, 4.0 GB RAM)和MATLAB R2013a中實現(xiàn)。

    圖2給出了在不同壓縮率狀況下,分別基于初始離散余弦字典和過完備字典的多通道腦電信號聯(lián)合重構性能比較結果。從圖2可知,基于過完備離散余弦字典的3種重構算法性能均明顯優(yōu)于基于初始離散余弦字典的重構算法性能,相比較而言,本文所提重構算法(即KSVD STSBL-EM)性能最優(yōu),BSBL-BO算法性能次之,表明本文算法能夠比BSBL-BO算法提供更多的腦電信號時空相關性信息,提高多通道腦電信號壓縮感知聯(lián)合重構性能。當壓縮率小于75%時,基于DCT稀疏基的STSBL- EM算法重構性能優(yōu)于基于KSVD過完備字典的BP算法重構性能,這可能是由于BP算法未能有效捕獲多通道腦電信號時空相關性信息,難以提高多通道腦電信號聯(lián)合重構性能。此外,當壓縮率大于80%時,各種重構算法得到的信噪比值急劇下降,這可能由于較高壓縮率破壞了多通道腦電信號壓縮感知中稀疏基與測量矩陣之間最大非相干性,導致重構算法性能惡化。表1給出了采用本文所提重構算法在壓縮率為75%時的第61~64通道腦電信號重構結果。從表1可以看到,對于每一通道腦電信號,基于過完備離散余弦字典的重構算法性能均明顯優(yōu)于基于初始離散余弦字典重構算法性能。圖3給出了第64通道腦電信號基于初始離散余弦字典和過完備離散余弦字典的重構結果,直觀顯示單個通道腦電信號基于不同離散余弦字典重構算法性能差異。結果表明,訓練得到的KSVD過完備字典能夠準確稀疏表示多通道腦電信號,為STSBL-EM算法提供更多滿足多通道腦電信號電生理活動時空特征信息,彌補了BP算法和BSBL-BO重構算法僅能利用多通道腦電信號局部特征信息的局限,有效提高MMV模型多通道腦電信號壓縮感知框架在高壓縮率狀況下的聯(lián)合重構算法性能。

    圖2 基于不同離散余弦字典的多通道腦電信號聯(lián)合重構算法性能比較

    表1 基于不同離散余弦字典的每一通道腦電信號重構的SNR(dB)

    圖3 基于不同離散余弦字典的腦電信號重構算法結果

    此外,實驗評估了多通道腦電信號通道數(shù)對本文所提多通道腦電信號聯(lián)合重構算法性能的影響。實驗中,分別選取多通道腦電信號通道數(shù)為1, 2, 4, 8, 16,不同通道數(shù)在壓縮率變化情況下的聯(lián)合重構性能,實驗結果如圖4所示。從圖4可以看到,本文所提重構算法獲得的信噪比值隨著通道數(shù)量的增加而增加,當通道個數(shù)達到一定數(shù)目時,重構算法所獲得的信噪比值趨于保持一致狀態(tài),明顯高于單通道所獲得的信噪比,但不同通道數(shù)所獲得的信噪比值均隨著壓縮率增大而降低。當壓縮率保持在50%~60%時,通道數(shù)為4, 8, 16的信噪比值保持在20~23 dB,明顯大于通道數(shù)為1時的信噪比值(僅為10~15 dB);當壓縮率大于70%時,來自不同通道數(shù)的信噪比值急劇下降。結果表明,本文所提重構算法在保持高壓縮率狀況下,能夠捕獲多通道腦電信號時空相關性信息,改善多通道腦電信號聯(lián)合重構性能。

    圖4 基于不同壓縮率和通道數(shù)對多通道腦電信號聯(lián)合重構影響結果

    為進一步驗證本文算法在實際應用中的有效性,實驗評估了3種重構算法BP, BSBL-BO和STSBL-EM在不同腦電信號通道數(shù)和壓縮率狀況下的運行時間對比,實驗結果如圖5所示。如圖5所示,3種重構算法運行時間均隨腦電信號通道數(shù)的增大而增大,但隨壓縮率增大呈現(xiàn)稍微下降趨勢。相比較而言,隨著腦電信號通道數(shù)增大,本文所提重構算法運行時間保持較穩(wěn)定,平均時間僅為0.05 s。而BP, BSBL-BO重構算法均明顯高于本文所提算法運行時間,特別是,BSBL-BO重構算法運行時間隨著腦電信號通道數(shù)的增加而顯著增大,從平均0.45 s上升至0.65 s,明顯高于本文所提重構算法運行時間。這主要是由于當通道數(shù)量小于信號測量維數(shù)時,STSBL-EM算法總體計算復雜度僅為,有效降低算法運行時間。BP算法和BSBL-BO算法雖然在單通道腦電信號重構時的計算復雜度僅為,,但當重構個多通道腦電信號時,兩種算法均僅能逐個通道依次重構,總體算法復雜度將隨腦電信號通道數(shù)量倍數(shù)增加,即與。結果表明,本文算法能夠以較低的計算復雜度和穩(wěn)健的運算速度聯(lián)合重構多通道腦電信號,有望為體域網(wǎng)多通道腦電信號遠程監(jiān)測數(shù)據(jù)分析與評估需求提供一個新的技術手段。

    圖5 不同重構算法在不同腦電信號通道數(shù)和壓縮率狀況下的運行時間對比結果

    5 結論

    本文提出了一種基于過完備字典優(yōu)化稀疏表示的多通道腦電信號壓縮感知聯(lián)合重構算法,該算法基于K-SVD優(yōu)化學習算法構建多通道腦電數(shù)據(jù)過完備離散余弦字典,準確稀疏表示多通道腦電信號電生理時空特性,為時空稀疏貝葉斯學習模型提供準確的多通道腦電信號時空特性信息,有效提高多通道腦電信號在高壓縮率狀況下的壓縮感知聯(lián)合重構算法性能,具有聯(lián)合重構精度高、運行時間短等優(yōu)點,有望為構建低功耗體域網(wǎng)腦電遠程監(jiān)測系統(tǒng)提供新的思路和方案。

    [1] WESTOVER M B, SHAFI M, BIANCHI M T,. The probability of seizures during EEG monitoring in critically ill adults[J]., 2015, 126(3): 463-471. doi: 10.1016/J.clinph.2014.05.037.

    [2] KIM Y and LEE S K. Energy-efficient wireless hospital sensor networking for remote patient monitoring[J]., 2014, 282: 332-349. doi: 10.1016/ j.ins.2014.05.056.

    [3] DONOHO D L. Compressed sensing[J]., 2006, 52(4): 1289-1306. doi: 10.1109/ TIT.2006.871582.

    [4] FAUVEL S and WARD R K. An energy efficient compressed sensing framework for the compression of Electroencephalogram signals[J]., 2014, 14(1): 1474-1496. doi: 10.3390/s140101474.

    [5] LIU B, ZHANG Z, XU G,. Energy efficient telemonitoring of physiological signals via compressed sensing: a fast algorithm and power consumption evaluation[J]., 2013, 11(1): 80-88. doi: 10.1016/j.bspc.2014.02.010.

    [6] CLIFTON L, CLIFTON D A, PIMENTEL M A,. Predictive monitoring of mobile patients by combining clinical observations with data from wearable sensor[J]., 2014, 18(3): 722-730. doi: 10.1109/JBHI.2013.2293059.

    [7] ZHANG Z, JUNG T P, MAKEIG S,. Compressed sensing of EEG for wireless telemonitoring with low energy consumption and inexpensive hardware[J]., 2013, 60(1): 221-224. doi: 10.1109/TBME.2012.2217959.

    [8] DAI Y, WANG X, LI X,. Sparse EEG compressive sensing for web-enabled person identification[J]., 2015, 74: 11-20. doi: 10.1016/j.measurement. 2015.07.008.

    [9] BARANIUK R G, CEVHER V, DUARTE M F,. Model-based compressive sensing[J]., 2010, 56(4): 1982-2001. doi: 10.1109/ TIT.2010.2040894.

    [10] TROPP J A and GILBERT A C. Signal recovery from random measurements via orthogonal matching pursuit[J]., 2007, 53(12): 4655-4666. doi: 10.1109/TIT.2007.909108.

    [11] DAI W and MILENKOVIC O. Subspace pursuit for compressive sensing signal reconstruction[J]., 2009, 55(5): 2230-2249. doi: 10.1109/TIT.2009.2016006.

    [12] MOHIMANI H, BABAIE-ZADEH M, and JUTTEN C. A fast approach for overcomplete sparse decomposition based on smoothed0norm[J].. 2009, 57(1): 289-301. doi: 10.1109/TSP.2008. 2007606.

    [13] ZHANG Z, JUNG T P, MAKEIG S,. Compressed sensing for energy-efficient wireless telemonitoring of noninvasive fetal ECG via block sparse Bayesian learning[J]., 2013, 60(2): 300-309. doi: 10.1109/TBME.2012.2226175.

    [14] 孫洪, 張智林, 余磊. 從稀疏到結構化稀疏: 貝葉斯方法[J]. 信號處理, 2012, 28(6): 759-773. doi: 10.16798/j.issn.1003- 0530.2016.02.005.

    SUN Hong, ZHANG Zhilin, and YU Lei. From sparsity to structured sparsity: Bayesian perspective[J]., 2012, 28(6): 759-773. doi: 10.16798/j.issn.1003- 0530.2016.02.005.

    [15] ZHANG Z and RAO B D. Extension of SBL algorithms for the recovery of block sparse signals with intra-block correlation[J]., 2013, 61(8): 2009-2015. doi: 10.1109/TSP.2013.2241055.

    [16] COTTER S F, RAO B D, ENGAN K,. Sparse solutions to linear inverse problems with multiple measurement vectors [J]., 2005, 53(7): 2477-2488. doi: 10.1109/TSP.2005.849172.

    [17] ELDAR Y C and RAUHUT H. Average case analysis of multichannel sparse recovery using convex relaxation[J]., 2010, 56(1): 505-519. doi: 10.1109/TIT.2009.2034789.

    [18] ZHANG Z and RAO B D. Sparse signal recovery with temporally correlated source vectors using sparse Bayesian learning[J]., 2011, 5(5): 912-926. doi: 10.1109/JSTSP.2011. 2159773.

    [19] ZHANG Z, JUNG T P, and MAKEIG S. Spatiotemporal sparse Bayesian learning with applications to compressed sensing of multichannel physiological signals[J]., 2014, 22(6): 1186-1197. doi: 10.1109/TNSRE. 2014.2319334.

    [20] LEE S J, LUAN J, and CHOU P H. ECG signal reconstruction from undersampled measurement using a trained overcomplete dictionary[J]., 2014, 7(29): 1625-1632. doi: http://dx. doi.org/10.12988/ces.2014.41121.

    [21] 彭向東, 張華, 劉繼忠. 基于過完備字典的體域網(wǎng)壓縮感知心電重構[J]. 自動化學報, 2014, 40(7): 1421-1432. doi: 10.3724/ SP.J.1004.2014.01421.

    PENG Xiangdong, ZHANG Hua, and LIU Jizhong. ECG reconstruction of body sensor network using compressed sensing based on overcomplete dictionary[J]., 2014, 40(7): 1421-1432. doi: 10.3724/SP.J. 1004.2014.01421.

    [22] 孫林慧, 楊震, 季云云, 等. 基于過完備線性預測字典的壓縮感知語音重構[J]. 儀器儀表學報, 2012, 33(4): 743-749. doi: 10.3969/j.issn.0254-3087.2012.04.004.

    SUN Linhui, YANG Zhen, JI Yunyun,. Reconstruction of compressed speech sensing based on overcomplete linear prediction dictionary[J]., 2012, 33(4): 743-749. doi: 10.3969/j.issn.0254- 3087.2012.04.004.

    [23] DONEVA M, BORNERT P, EGGERS H,. Compressed sensing reconstruction for magnetic resonance parameter mapping[J]., 2010, 64(4): 1114-1120. doi: 10.1002/mrm.22483.

    [24] AHARON M, ELAD M, and BRUCKSTEIN A. K-SVD: an algorithm for designing overcomplete dictionaries for sparse representation[J]., 2006, 54(11): 4311-4322. doi: 10.1109/TSP.2006.881199.

    [25] SCHALLK G, MCFARLAND D J, HINTERBERGER T,. BCI2000: a general-purpose Brain-Computer Interface (BCI) system[J]., 2004, 51(6): 1034-1043. doi: 10.1109/TBME. 2004.827072.

    A New Joint Reconstruction Algorithm of Compressed Sensing for Multichannel EEG Signals Based on Over-complete Dictionary Approach

    WU Jianning①XU Haidong①WANG Jue②

    ①(,,350007,),②(,’,’710049,)

    In this paper, the over-complete dictionary with nonorthogonal factor is firstly gained from Electro Encephalo Graph (EEG) signal with spatio-temporal characteristics, and then it is used to sparsely represent multichannel EEG signal for containing the information of spatio-temporal correlation. This contributes to enhance the performance of the joint reconstruction of multi-channel EEG signal using the Spatio-Temporal Sparse Bayesian Learning (STSBL) algorithm. The multi-channel EEG signal from the open eegmmidb database are selected to evaluate the effectiveness of the proposed algorithm. The experimental results show that the designed over-complete dictionary can provide more valuable information about the spatio-temporal characteristics in multichannel EEG signal for STSBL algorithm. When compared to the existing conventional compressed sensing technique for reconstruction multi-channel EEG signal, the signal-noise ratio of the proposed method increases by 12 dB and the reconstruction time decreases by 0.75 s, which significantly improve the performance of joint reconstruction of multichannel EEG signal.

    Sparse representation of EEG signal; Over-complete dictionary; Joint reconstruction; Spatio-temporal sparse Bayesian learning; Compressed Sensing (CS)

    R741.044; TP393

    A

    1009-5896(2016)07-1666-08

    10.11999/JEIT151079

    2015-09-21;改回日期:2016-04-29;網(wǎng)絡出版:2016-05-31

    吳建寧 jianningwu@fjnu.edu.cn

    國家科技支撐項目(2012BAI33B01),福建省自然科學基金項目(2013J01220),福建省高等學校教學改革研究項目(JAS14674),福建師范大學創(chuàng)新創(chuàng)業(yè)教育改革研究項目(D201503005)

    The National Science and Technology Supporting Project (2012BAI33B01), The Natural Science Foundation of Fujian Province (2013J01220), The Teaching Reform Project of University of Fujian Province (JAS14674), The Project of Education of Entrepreneurship and Innovation of Fujian Normal University (D201503005)

    吳建寧: 男,1969年生,副教授,研究方向為生物醫(yī)學信號處理、無線傳感網(wǎng)與醫(yī)學應用.

    徐海東: 男,1991年生,碩士生,研究方向為無線傳感網(wǎng)技術及其應用.

    王 玨: 女,1955年生,教授,研究方向為腦功能障礙發(fā)病機制、干預策略和方法、腦-機接口技術及康復診療設備、遠程康復技術等.

    猜你喜歡
    壓縮率余弦腦電
    水密封連接器尾部接電纜的優(yōu)化設計
    纏繞墊片產(chǎn)品質量控制研究
    兩個含余弦函數(shù)的三角母不等式及其推論
    多載波通信系統(tǒng)中CQI無損壓縮法研究
    分布式多視點視頻編碼在應急通信中的應用
    現(xiàn)代實用腦電地形圖學(續(xù))
    現(xiàn)代實用腦電地形圖學(續(xù))
    現(xiàn)代實用腦電地形圖學(續(xù)) 第五章 腦電地形圖的臨床中的應用
    分數(shù)階余弦變換的卷積定理
    圖像壓縮感知在分數(shù)階Fourier域、分數(shù)階余弦域的性能比較
    大香蕉久久成人网| 久久久精品国产亚洲av高清涩受| 九色亚洲精品在线播放| 人人妻人人澡人人爽人人夜夜| 中国国产av一级| 国产不卡av网站在线观看| 美女扒开内裤让男人捅视频| 午夜影院在线不卡| 色综合欧美亚洲国产小说| 巨乳人妻的诱惑在线观看| 日韩大片免费观看网站| 国产在线一区二区三区精| 视频区图区小说| 18禁观看日本| 亚洲国产av影院在线观看| 亚洲精品国产av蜜桃| 99久久国产精品久久久| 人妻 亚洲 视频| 亚洲成av片中文字幕在线观看| 韩国精品一区二区三区| 亚洲精品国产av成人精品| av一本久久久久| 亚洲色图综合在线观看| 欧美另类亚洲清纯唯美| 久久免费观看电影| 国产黄色免费在线视频| 午夜视频精品福利| 国产区一区二久久| 在线观看免费视频网站a站| 国产日韩一区二区三区精品不卡| 在线天堂中文资源库| 久久精品国产综合久久久| 久久中文字幕一级| 9热在线视频观看99| 成人手机av| 久久精品国产亚洲av高清一级| 中文字幕人妻丝袜制服| 少妇被粗大的猛进出69影院| 天天躁日日躁夜夜躁夜夜| 日韩欧美免费精品| 国产视频一区二区在线看| 黄色片一级片一级黄色片| videosex国产| 80岁老熟妇乱子伦牲交| 欧美黄色片欧美黄色片| 老司机深夜福利视频在线观看 | 丝袜人妻中文字幕| 午夜视频精品福利| 亚洲第一欧美日韩一区二区三区 | 久久热在线av| 成人免费观看视频高清| 欧美 亚洲 国产 日韩一| 午夜福利在线观看吧| 女人被躁到高潮嗷嗷叫费观| 国产精品秋霞免费鲁丝片| 国产精品香港三级国产av潘金莲| 两个人看的免费小视频| 国产精品.久久久| 国产精品熟女久久久久浪| 国产精品偷伦视频观看了| 丝瓜视频免费看黄片| 午夜激情久久久久久久| 日本精品一区二区三区蜜桃| 91精品国产国语对白视频| 51午夜福利影视在线观看| 一区二区三区激情视频| 菩萨蛮人人尽说江南好唐韦庄| 久久狼人影院| 国产99久久九九免费精品| 免费观看av网站的网址| 亚洲国产欧美日韩在线播放| 亚洲精品一卡2卡三卡4卡5卡 | 欧美日韩福利视频一区二区| 天天影视国产精品| 免费在线观看日本一区| 天堂中文最新版在线下载| 天堂俺去俺来也www色官网| 女人被躁到高潮嗷嗷叫费观| 黄色视频在线播放观看不卡| 99久久国产精品久久久| 少妇被粗大的猛进出69影院| 精品卡一卡二卡四卡免费| 1024视频免费在线观看| 黑人巨大精品欧美一区二区蜜桃| 国产精品 欧美亚洲| 国产免费现黄频在线看| 亚洲专区国产一区二区| 国产成人一区二区三区免费视频网站| 亚洲国产看品久久| 午夜福利视频精品| 老鸭窝网址在线观看| 亚洲精品国产av蜜桃| 国产高清videossex| 国产男女超爽视频在线观看| 一级黄色大片毛片| 精品国产一区二区久久| av视频免费观看在线观看| 在线观看舔阴道视频| 久久精品亚洲av国产电影网| 国产亚洲av片在线观看秒播厂| 91老司机精品| av网站免费在线观看视频| av线在线观看网站| 青春草亚洲视频在线观看| 精品高清国产在线一区| 久久久久网色| 黑人巨大精品欧美一区二区mp4| 午夜老司机福利片| 亚洲一区中文字幕在线| 欧美日韩视频精品一区| 两个人免费观看高清视频| 黄片小视频在线播放| 欧美老熟妇乱子伦牲交| 香蕉丝袜av| 欧美日韩一级在线毛片| 日韩大片免费观看网站| 菩萨蛮人人尽说江南好唐韦庄| 美女高潮喷水抽搐中文字幕| 色婷婷久久久亚洲欧美| bbb黄色大片| 亚洲第一青青草原| 国产老妇伦熟女老妇高清| 精品国产一区二区久久| 国产精品二区激情视频| 亚洲一区中文字幕在线| e午夜精品久久久久久久| 大香蕉久久网| 欧美日韩黄片免| 日韩电影二区| 老司机影院毛片| 在线观看人妻少妇| 久久精品熟女亚洲av麻豆精品| 美女午夜性视频免费| 男女午夜视频在线观看| 欧美午夜高清在线| 90打野战视频偷拍视频| 岛国毛片在线播放| 日韩欧美一区视频在线观看| 国产亚洲精品第一综合不卡| 秋霞在线观看毛片| 久久ye,这里只有精品| 亚洲欧美精品自产自拍| 天天影视国产精品| 欧美精品啪啪一区二区三区 | 美女扒开内裤让男人捅视频| 国产成人精品久久二区二区91| 丝袜喷水一区| 一本久久精品| 免费不卡黄色视频| 日韩制服骚丝袜av| 国产亚洲欧美精品永久| 一区二区av电影网| 亚洲欧洲精品一区二区精品久久久| 免费不卡黄色视频| 99热网站在线观看| 欧美黄色淫秽网站| xxxhd国产人妻xxx| a 毛片基地| 欧美亚洲日本最大视频资源| 久久国产精品男人的天堂亚洲| 国产在线视频一区二区| 亚洲伊人色综图| 无限看片的www在线观看| 女人精品久久久久毛片| 成在线人永久免费视频| 无遮挡黄片免费观看| 在线十欧美十亚洲十日本专区| 精品久久蜜臀av无| 人成视频在线观看免费观看| 日本91视频免费播放| 国产在视频线精品| 国产成人欧美在线观看 | 成人国语在线视频| 亚洲精品中文字幕一二三四区 | 久久久久久免费高清国产稀缺| 青青草视频在线视频观看| 免费观看a级毛片全部| 日韩,欧美,国产一区二区三区| 每晚都被弄得嗷嗷叫到高潮| 91精品国产国语对白视频| 菩萨蛮人人尽说江南好唐韦庄| 叶爱在线成人免费视频播放| 国产野战对白在线观看| 欧美人与性动交α欧美软件| 亚洲专区中文字幕在线| 黄片小视频在线播放| 亚洲国产精品一区二区三区在线| 欧美97在线视频| 亚洲五月色婷婷综合| 精品一区二区三卡| 国产伦人伦偷精品视频| 国产成人一区二区三区免费视频网站| 丰满迷人的少妇在线观看| 老司机亚洲免费影院| 三上悠亚av全集在线观看| www.自偷自拍.com| 夜夜骑夜夜射夜夜干| 国产精品 欧美亚洲| 91国产中文字幕| 成人免费观看视频高清| av在线老鸭窝| 国产精品99久久99久久久不卡| 两个人看的免费小视频| 18禁黄网站禁片午夜丰满| 狠狠婷婷综合久久久久久88av| 亚洲国产看品久久| 亚洲熟女毛片儿| 国产成人免费无遮挡视频| 久久久久久亚洲精品国产蜜桃av| 亚洲精品中文字幕一二三四区 | 老汉色∧v一级毛片| 国产成人免费无遮挡视频| 各种免费的搞黄视频| 1024视频免费在线观看| 亚洲精品美女久久av网站| 亚洲精品一区蜜桃| 男人爽女人下面视频在线观看| 男女国产视频网站| 69精品国产乱码久久久| 大陆偷拍与自拍| 精品人妻在线不人妻| 丝袜在线中文字幕| 一本综合久久免费| 国产片内射在线| 午夜老司机福利片| 电影成人av| 黄色视频不卡| 国产日韩欧美在线精品| 热re99久久精品国产66热6| 国产成人精品久久二区二区免费| 中文精品一卡2卡3卡4更新| 国产黄频视频在线观看| 叶爱在线成人免费视频播放| 国产精品国产av在线观看| 热re99久久精品国产66热6| 91九色精品人成在线观看| 免费看十八禁软件| 少妇猛男粗大的猛烈进出视频| 最新在线观看一区二区三区| 十八禁人妻一区二区| 黑丝袜美女国产一区| 亚洲视频免费观看视频| 日韩欧美国产一区二区入口| 国产精品久久久久久精品电影小说| 日本av手机在线免费观看| 中文精品一卡2卡3卡4更新| 久久久国产成人免费| 人成视频在线观看免费观看| 桃花免费在线播放| 久久青草综合色| 午夜精品国产一区二区电影| 五月开心婷婷网| 亚洲第一青青草原| 少妇精品久久久久久久| 悠悠久久av| 手机成人av网站| 亚洲成人手机| 天堂8中文在线网| 午夜激情久久久久久久| 国产成人av教育| 久久久久国内视频| 久久人妻熟女aⅴ| 国产精品.久久久| 欧美日本中文国产一区发布| 欧美人与性动交α欧美精品济南到| 99久久99久久久精品蜜桃| 久久久久国产精品人妻一区二区| 久久久久久人人人人人| 国产xxxxx性猛交| 天天操日日干夜夜撸| 亚洲综合色网址| 另类精品久久| 国产av一区二区精品久久| 在线精品无人区一区二区三| 最近最新中文字幕大全免费视频| 男女之事视频高清在线观看| 精品国产一区二区三区久久久樱花| 国产在线视频一区二区| 亚洲第一青青草原| 久久久欧美国产精品| 18禁国产床啪视频网站| 亚洲美女黄色视频免费看| 青草久久国产| 亚洲精品久久久久久婷婷小说| 满18在线观看网站| 叶爱在线成人免费视频播放| 久久久国产精品麻豆| 在线观看一区二区三区激情| 下体分泌物呈黄色| 国产视频一区二区在线看| 国产欧美日韩精品亚洲av| 肉色欧美久久久久久久蜜桃| 丰满人妻熟妇乱又伦精品不卡| 欧美性长视频在线观看| 午夜福利视频在线观看免费| 最近最新免费中文字幕在线| 黄色怎么调成土黄色| 搡老岳熟女国产| 麻豆av在线久日| 亚洲 欧美一区二区三区| 极品少妇高潮喷水抽搐| av超薄肉色丝袜交足视频| 国产成人a∨麻豆精品| 亚洲第一av免费看| 国产精品久久久久久人妻精品电影 | kizo精华| 久久九九热精品免费| 精品国内亚洲2022精品成人 | 99精品久久久久人妻精品| www日本在线高清视频| 99精品欧美一区二区三区四区| 后天国语完整版免费观看| 天天躁日日躁夜夜躁夜夜| 国产一区有黄有色的免费视频| 汤姆久久久久久久影院中文字幕| av国产精品久久久久影院| 日本91视频免费播放| 国产精品久久久久久人妻精品电影 | 精品久久久久久电影网| 老熟妇乱子伦视频在线观看 | 久久免费观看电影| 亚洲国产精品一区三区| 三上悠亚av全集在线观看| 满18在线观看网站| 50天的宝宝边吃奶边哭怎么回事| 免费少妇av软件| a级毛片在线看网站| 人人妻人人添人人爽欧美一区卜| 国产野战对白在线观看| 后天国语完整版免费观看| 国产精品熟女久久久久浪| 人人妻人人爽人人添夜夜欢视频| 各种免费的搞黄视频| 999精品在线视频| 国产一区二区三区在线臀色熟女 | 精品少妇一区二区三区视频日本电影| 高清视频免费观看一区二区| 大片电影免费在线观看免费| 久久久久久久国产电影| 亚洲七黄色美女视频| 亚洲精品国产色婷婷电影| 91成人精品电影| 两性夫妻黄色片| 欧美 亚洲 国产 日韩一| 精品乱码久久久久久99久播| 久久久久国产一级毛片高清牌| 亚洲全国av大片| 亚洲五月婷婷丁香| 97人妻天天添夜夜摸| 老司机影院毛片| 亚洲国产精品一区三区| videos熟女内射| 制服人妻中文乱码| 精品福利观看| 午夜福利免费观看在线| 中国国产av一级| 99国产极品粉嫩在线观看| av网站免费在线观看视频| 久久久久久久久免费视频了| 久久人人97超碰香蕉20202| 交换朋友夫妻互换小说| 91九色精品人成在线观看| 午夜免费观看性视频| 日韩一卡2卡3卡4卡2021年| 亚洲专区国产一区二区| 国产福利在线免费观看视频| 一本久久精品| 十八禁网站免费在线| 伦理电影免费视频| 天天影视国产精品| 亚洲国产av新网站| 国产精品免费视频内射| 叶爱在线成人免费视频播放| 久久久久久久久免费视频了| 国产日韩欧美亚洲二区| 久久精品成人免费网站| 丝袜美足系列| 18禁国产床啪视频网站| 一级片'在线观看视频| av线在线观看网站| 纵有疾风起免费观看全集完整版| 久久精品国产综合久久久| 99re6热这里在线精品视频| 久久久久国产一级毛片高清牌| 亚洲国产欧美日韩在线播放| 久久久久久久久久久久大奶| 精品卡一卡二卡四卡免费| 亚洲成av片中文字幕在线观看| 日韩中文字幕视频在线看片| 丰满饥渴人妻一区二区三| 欧美在线一区亚洲| 丝袜美足系列| kizo精华| 欧美日韩亚洲国产一区二区在线观看 | 一边摸一边抽搐一进一出视频| 99re6热这里在线精品视频| 2018国产大陆天天弄谢| www.自偷自拍.com| a级毛片在线看网站| a级毛片黄视频| 亚洲精品美女久久av网站| 桃花免费在线播放| av免费在线观看网站| 亚洲成av片中文字幕在线观看| 久久久久国产一级毛片高清牌| 久久国产亚洲av麻豆专区| 亚洲欧美色中文字幕在线| 免费在线观看黄色视频的| 亚洲精品中文字幕一二三四区 | 国产成人啪精品午夜网站| 蜜桃国产av成人99| 亚洲av欧美aⅴ国产| 丁香六月欧美| 久久久精品免费免费高清| 首页视频小说图片口味搜索| 自线自在国产av| 国产成人精品无人区| 窝窝影院91人妻| 午夜免费观看性视频| 亚洲免费av在线视频| 欧美日韩亚洲高清精品| 免费看十八禁软件| 免费在线观看视频国产中文字幕亚洲 | 人成视频在线观看免费观看| 一本久久精品| 亚洲av欧美aⅴ国产| 国产视频一区二区在线看| 亚洲熟女精品中文字幕| 精品亚洲乱码少妇综合久久| 色综合欧美亚洲国产小说| avwww免费| 欧美精品av麻豆av| 亚洲精品国产精品久久久不卡| 午夜福利视频精品| 国产免费福利视频在线观看| 久久国产精品影院| 亚洲五月婷婷丁香| 日韩欧美国产一区二区入口| 大码成人一级视频| 久久天堂一区二区三区四区| 一级毛片精品| 久久中文字幕一级| 国产精品免费视频内射| 久9热在线精品视频| av天堂在线播放| 色综合欧美亚洲国产小说| 另类亚洲欧美激情| 亚洲精品久久午夜乱码| 国产精品自产拍在线观看55亚洲 | 国产麻豆69| av在线app专区| 爱豆传媒免费全集在线观看| 久久精品国产亚洲av香蕉五月 | 欧美在线一区亚洲| 在线观看www视频免费| 制服诱惑二区| 日韩一区二区三区影片| 国产日韩欧美亚洲二区| 操美女的视频在线观看| 在线观看免费视频网站a站| 久久久精品94久久精品| 欧美日本中文国产一区发布| 亚洲欧美清纯卡通| 丝袜人妻中文字幕| 亚洲精品国产av蜜桃| 日韩大片免费观看网站| 国产欧美日韩一区二区三 | 国产欧美日韩一区二区三 | 飞空精品影院首页| 欧美日韩成人在线一区二区| www日本在线高清视频| 大陆偷拍与自拍| 9色porny在线观看| 日韩欧美一区视频在线观看| 各种免费的搞黄视频| 久久精品国产a三级三级三级| 男人操女人黄网站| 亚洲成人免费电影在线观看| 亚洲精华国产精华精| 久久精品亚洲熟妇少妇任你| 久久人妻熟女aⅴ| 亚洲五月色婷婷综合| 欧美日韩福利视频一区二区| 啦啦啦免费观看视频1| 国产高清国产精品国产三级| 国产精品九九99| 无限看片的www在线观看| 视频在线观看一区二区三区| 亚洲专区中文字幕在线| 欧美另类亚洲清纯唯美| 亚洲精品美女久久av网站| 日韩免费高清中文字幕av| 亚洲国产欧美一区二区综合| 免费在线观看影片大全网站| av又黄又爽大尺度在线免费看| 亚洲成人国产一区在线观看| netflix在线观看网站| 亚洲国产精品一区二区三区在线| 妹子高潮喷水视频| 一本色道久久久久久精品综合| 他把我摸到了高潮在线观看 | 自线自在国产av| 大片电影免费在线观看免费| www.999成人在线观看| 国产成+人综合+亚洲专区| 中亚洲国语对白在线视频| 亚洲精品国产av蜜桃| 亚洲综合色网址| 在线精品无人区一区二区三| 超碰成人久久| 制服诱惑二区| 免费少妇av软件| 天堂8中文在线网| 精品国产乱码久久久久久男人| 秋霞在线观看毛片| 日本wwww免费看| avwww免费| 日日爽夜夜爽网站| 人成视频在线观看免费观看| 纯流量卡能插随身wifi吗| 欧美一级毛片孕妇| 亚洲成av片中文字幕在线观看| av电影中文网址| 亚洲精品久久久久久婷婷小说| 老熟女久久久| 男女国产视频网站| 日韩视频一区二区在线观看| 99热全是精品| 桃花免费在线播放| 人妻一区二区av| 日韩免费高清中文字幕av| 国产成人影院久久av| av天堂在线播放| 国产高清国产精品国产三级| 叶爱在线成人免费视频播放| 久久久精品区二区三区| 欧美黄色淫秽网站| 日韩视频一区二区在线观看| 精品福利观看| 久久这里只有精品19| 国产免费av片在线观看野外av| 在线观看免费高清a一片| 久久久久久久久久久久大奶| 欧美+亚洲+日韩+国产| 国产男女内射视频| 国产三级黄色录像| 丝袜脚勾引网站| 日韩有码中文字幕| 人妻 亚洲 视频| 精品少妇内射三级| 午夜福利在线观看吧| 亚洲精品一区蜜桃| 亚洲av电影在线观看一区二区三区| 国产一区二区三区在线臀色熟女 | 三级毛片av免费| av视频免费观看在线观看| 日本a在线网址| 少妇粗大呻吟视频| 国产亚洲午夜精品一区二区久久| 久久精品人人爽人人爽视色| 黑人巨大精品欧美一区二区mp4| 免费不卡黄色视频| 欧美黑人欧美精品刺激| 超碰成人久久| 在线观看免费午夜福利视频| 午夜福利一区二区在线看| 亚洲av片天天在线观看| 黄片大片在线免费观看| 午夜影院在线不卡| 一级毛片精品| 免费看十八禁软件| 一个人免费看片子| 一级毛片女人18水好多| 纵有疾风起免费观看全集完整版| 嫩草影视91久久| 制服人妻中文乱码| 日本a在线网址| 三上悠亚av全集在线观看| 欧美国产精品一级二级三级| 黄色视频,在线免费观看| 精品国产超薄肉色丝袜足j| 亚洲第一欧美日韩一区二区三区 | 黄频高清免费视频| 悠悠久久av| svipshipincom国产片| 最近中文字幕2019免费版| 热re99久久精品国产66热6| 一级片'在线观看视频| 91成年电影在线观看| 97人妻天天添夜夜摸| 久久香蕉激情| 男女午夜视频在线观看| 欧美日韩一级在线毛片| 欧美少妇被猛烈插入视频| 在线观看免费视频网站a站| av一本久久久久| 99国产精品免费福利视频| 日日爽夜夜爽网站| 亚洲av日韩精品久久久久久密| av电影中文网址| 天天操日日干夜夜撸| 国产精品国产三级国产专区5o| 久久久国产成人免费| 国产日韩欧美亚洲二区| 免费久久久久久久精品成人欧美视频| 亚洲精品一二三| 色婷婷久久久亚洲欧美| 视频区图区小说| 美女高潮喷水抽搐中文字幕| 五月天丁香电影| 老司机午夜十八禁免费视频| 人人妻人人爽人人添夜夜欢视频| 亚洲va日本ⅴa欧美va伊人久久 | 午夜福利视频精品| 久久久久久久久久久久大奶|