• <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
    亚洲,欧美精品.| 国产高清国产精品国产三级| www日本在线高清视频| 国产精品久久久久久久久免| 另类亚洲欧美激情| 国产极品天堂在线| 国产精品欧美亚洲77777| 精品卡一卡二卡四卡免费| 久久人人爽人人片av| 午夜福利视频在线观看免费| 国产精品久久久久久久电影| 国产一区亚洲一区在线观看| 美女国产高潮福利片在线看| 日韩欧美一区视频在线观看| 精品熟女少妇av免费看| 亚洲精品色激情综合| av国产久精品久网站免费入址| 久热久热在线精品观看| 精品酒店卫生间| 91aial.com中文字幕在线观看| av一本久久久久| 9热在线视频观看99| 国产色爽女视频免费观看| 成人亚洲精品一区在线观看| 99热国产这里只有精品6| 日韩成人av中文字幕在线观看| 亚洲精品第二区| 国产精品久久久av美女十八| 永久网站在线| 国产男女内射视频| 中文乱码字字幕精品一区二区三区| 内地一区二区视频在线| 99视频精品全部免费 在线| 久久精品久久久久久噜噜老黄| 观看美女的网站| 在线观看www视频免费| 久久久欧美国产精品| 国产精品 国内视频| 欧美精品国产亚洲| 亚洲人与动物交配视频| 人妻一区二区av| 蜜臀久久99精品久久宅男| 男女国产视频网站| 国产一级毛片在线| 欧美最新免费一区二区三区| 黑人高潮一二区| 婷婷色综合www| 涩涩av久久男人的天堂| 亚洲第一区二区三区不卡| 桃花免费在线播放| 国产精品久久久久久精品电影小说| 国产精品久久久av美女十八| 亚洲激情五月婷婷啪啪| 色视频在线一区二区三区| 天堂俺去俺来也www色官网| kizo精华| 看非洲黑人一级黄片| 久久青草综合色| 亚洲国产欧美日韩在线播放| 90打野战视频偷拍视频| av又黄又爽大尺度在线免费看| 中文字幕精品免费在线观看视频 | 欧美日韩成人在线一区二区| 久久青草综合色| 在线观看www视频免费| 高清视频免费观看一区二区| 国产精品 国内视频| 免费观看a级毛片全部| 亚洲国产精品一区三区| 好男人视频免费观看在线| 午夜精品国产一区二区电影| 久久国产精品大桥未久av| 日韩制服骚丝袜av| 日韩欧美精品免费久久| 国产高清三级在线| 一级,二级,三级黄色视频| 伦理电影免费视频| 如何舔出高潮| 国产精品久久久久久久电影| 国产片内射在线| 少妇熟女欧美另类| 亚洲国产日韩一区二区| 久久久久精品久久久久真实原创| 午夜福利影视在线免费观看| 在线观看免费视频网站a站| 国产精品 国内视频| 欧美精品av麻豆av| 午夜精品国产一区二区电影| 免费观看av网站的网址| 91久久精品国产一区二区三区| 少妇熟女欧美另类| 成人免费观看视频高清| 爱豆传媒免费全集在线观看| 韩国av在线不卡| 18禁国产床啪视频网站| 男人操女人黄网站| 一级毛片我不卡| 国产日韩欧美在线精品| 蜜臀久久99精品久久宅男| 国产成人av激情在线播放| 999精品在线视频| 不卡视频在线观看欧美| 亚洲av男天堂| 国产 一区精品| 啦啦啦中文免费视频观看日本| 欧美成人精品欧美一级黄| 看十八女毛片水多多多| 国产亚洲欧美精品永久| 另类精品久久| 成年人免费黄色播放视频| 久久精品久久久久久噜噜老黄| 在线观看免费高清a一片| 黑人巨大精品欧美一区二区蜜桃 | 国产片特级美女逼逼视频| 人妻 亚洲 视频| 亚洲精品久久久久久婷婷小说| 免费大片18禁| 国产深夜福利视频在线观看| 日韩av不卡免费在线播放| 久久影院123| 亚洲av综合色区一区| 国产成人精品福利久久| 久久久久视频综合| 建设人人有责人人尽责人人享有的| 亚洲精品美女久久久久99蜜臀 | 亚洲欧美色中文字幕在线| 日本黄大片高清| 国产男女内射视频| 亚洲五月色婷婷综合| 日韩成人伦理影院| 精品国产一区二区久久| 久久国内精品自在自线图片| 久久久欧美国产精品| 黄片无遮挡物在线观看| 丝袜美足系列| 男女无遮挡免费网站观看| 亚洲一区二区三区欧美精品| 看免费av毛片| tube8黄色片| 满18在线观看网站| 亚洲国产精品一区三区| 在线观看人妻少妇| 欧美精品一区二区免费开放| 夜夜骑夜夜射夜夜干| 精品一品国产午夜福利视频| 国产一区二区在线观看日韩| 老司机影院成人| 97超碰精品成人国产| 看非洲黑人一级黄片| 亚洲欧美清纯卡通| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 久久精品久久久久久噜噜老黄| av电影中文网址| 午夜免费观看性视频| 91aial.com中文字幕在线观看| 丝袜美足系列| 欧美老熟妇乱子伦牲交| 亚洲成国产人片在线观看| 国产成人aa在线观看| 日本黄色日本黄色录像| 国产一区亚洲一区在线观看| 久久99热6这里只有精品| 女人久久www免费人成看片| 最近最新中文字幕免费大全7| 亚洲国产色片| 女性生殖器流出的白浆| 久久久国产一区二区| 成人二区视频| 交换朋友夫妻互换小说| 亚洲色图综合在线观看| 久久这里有精品视频免费| 国产一区二区三区av在线| 午夜老司机福利剧场| 少妇的逼水好多| 日本色播在线视频| 亚洲欧美中文字幕日韩二区| 久久久久国产网址| 亚洲综合色网址| 亚洲成人一二三区av| 欧美日韩综合久久久久久| 亚洲内射少妇av| 国产精品久久久久久久久免| a级毛片在线看网站| av国产精品久久久久影院| 国产高清三级在线| 日本午夜av视频| 又黄又粗又硬又大视频| 国产在线视频一区二区| 日本猛色少妇xxxxx猛交久久| 欧美3d第一页| 最近最新中文字幕大全免费视频 | 在线天堂最新版资源| 国产视频首页在线观看| 少妇精品久久久久久久| 五月伊人婷婷丁香| 欧美xxxx性猛交bbbb| 五月开心婷婷网| 有码 亚洲区| 亚洲国产成人一精品久久久| 一级,二级,三级黄色视频| 91精品伊人久久大香线蕉| 国产xxxxx性猛交| 中文欧美无线码| 精品久久久精品久久久| 亚洲国产日韩一区二区| 大片电影免费在线观看免费| 久久精品国产亚洲av天美| 你懂的网址亚洲精品在线观看| 国国产精品蜜臀av免费| av在线老鸭窝| 一区二区av电影网| 国产日韩欧美视频二区| 99国产综合亚洲精品| 91久久精品国产一区二区三区| 亚洲图色成人| 久久99蜜桃精品久久| av电影中文网址| 色5月婷婷丁香| 黑人高潮一二区| 国产成人欧美| 最近最新中文字幕大全免费视频 | 午夜福利网站1000一区二区三区| 美女内射精品一级片tv| 99re6热这里在线精品视频| 亚洲成国产人片在线观看| 免费看av在线观看网站| 男女啪啪激烈高潮av片| 国产亚洲精品久久久com| 亚洲性久久影院| 精品久久蜜臀av无| 女的被弄到高潮叫床怎么办| 这个男人来自地球电影免费观看 | 国产1区2区3区精品| 国产淫语在线视频| 18禁裸乳无遮挡动漫免费视频| 99热全是精品| 成年美女黄网站色视频大全免费| 王馨瑶露胸无遮挡在线观看| 九草在线视频观看| 在线观看美女被高潮喷水网站| 久久久久久久亚洲中文字幕| 69精品国产乱码久久久| 一级黄片播放器| 精品国产一区二区三区久久久樱花| 亚洲国产精品一区三区| 国产av一区二区精品久久| 桃花免费在线播放| 女的被弄到高潮叫床怎么办| 亚洲精品自拍成人| 王馨瑶露胸无遮挡在线观看| 高清视频免费观看一区二区| 18+在线观看网站| 草草在线视频免费看| 在线免费观看不下载黄p国产| 免费av不卡在线播放| 国产日韩一区二区三区精品不卡| 亚洲丝袜综合中文字幕| 久久这里只有精品19| 丰满饥渴人妻一区二区三| 国产精品久久久久久久电影| 国产免费一区二区三区四区乱码| 少妇高潮的动态图| 国产精品女同一区二区软件| 青春草视频在线免费观看| 少妇人妻 视频| 国产精品国产三级国产专区5o| 午夜福利在线观看免费完整高清在| xxxhd国产人妻xxx| 亚洲欧美成人精品一区二区| 国产激情久久老熟女| 十八禁高潮呻吟视频| 欧美精品一区二区免费开放| 国产精品国产三级国产专区5o| 日本黄大片高清| 丝袜美足系列| 99国产精品免费福利视频| 午夜久久久在线观看| 十八禁高潮呻吟视频| 波多野结衣一区麻豆| 少妇 在线观看| 成年美女黄网站色视频大全免费| av电影中文网址| 久久久久久久久久成人| 男女边吃奶边做爰视频| 成年动漫av网址| 亚洲国产av新网站| 久久精品久久久久久久性| 欧美精品人与动牲交sv欧美| 亚洲av免费高清在线观看| 看免费成人av毛片| 久久青草综合色| 国产成人午夜福利电影在线观看| 精品久久国产蜜桃| 成人综合一区亚洲| 最近最新中文字幕免费大全7| 午夜精品国产一区二区电影| 国产一区二区在线观看日韩| 欧美 日韩 精品 国产| 这个男人来自地球电影免费观看 | 精品国产国语对白av| 欧美+日韩+精品| 国产精品欧美亚洲77777| 国产精品久久久av美女十八| 一本色道久久久久久精品综合| 内地一区二区视频在线| 人人妻人人澡人人看| 热re99久久精品国产66热6| 男的添女的下面高潮视频| 精品久久久精品久久久| 99国产综合亚洲精品| 久久国产亚洲av麻豆专区| 欧美人与善性xxx| 中文字幕最新亚洲高清| 久久久欧美国产精品| 国产亚洲欧美精品永久| 美女中出高潮动态图| 女人精品久久久久毛片| 午夜福利视频在线观看免费| 18禁裸乳无遮挡动漫免费视频| 亚洲av在线观看美女高潮| 欧美人与性动交α欧美精品济南到 | av天堂久久9| 成年动漫av网址| 桃花免费在线播放| 久久久a久久爽久久v久久| 极品人妻少妇av视频| 妹子高潮喷水视频| 精品酒店卫生间| 五月玫瑰六月丁香| 久久精品夜色国产| 高清在线视频一区二区三区| 女性生殖器流出的白浆| 如何舔出高潮| 熟女人妻精品中文字幕| 国产成人精品一,二区| 男女啪啪激烈高潮av片| 成人18禁高潮啪啪吃奶动态图| 亚洲国产欧美日韩在线播放| 亚洲精品自拍成人| 国产免费一区二区三区四区乱码| 欧美97在线视频| 两性夫妻黄色片 | av线在线观看网站| 成人毛片60女人毛片免费| 狂野欧美激情性xxxx在线观看| 亚洲国产欧美日韩在线播放| 美女脱内裤让男人舔精品视频| 激情五月婷婷亚洲| 狠狠精品人妻久久久久久综合| 亚洲av日韩在线播放| 青青草视频在线视频观看| 又黄又爽又刺激的免费视频.| 只有这里有精品99| 午夜福利影视在线免费观看| 熟女av电影| 亚洲伊人久久精品综合| 狂野欧美激情性bbbbbb| 久久久国产精品麻豆| 欧美国产精品一级二级三级| 高清毛片免费看| 国产精品 国内视频| 国产成人a∨麻豆精品| 午夜福利乱码中文字幕| 久久久久精品久久久久真实原创| 亚洲国产色片| 热99久久久久精品小说推荐| 多毛熟女@视频| 夜夜爽夜夜爽视频| 高清av免费在线| 国产又爽黄色视频| 夫妻午夜视频| 免费人成在线观看视频色| 又粗又硬又长又爽又黄的视频| 天天影视国产精品| 午夜久久久在线观看| 久久精品aⅴ一区二区三区四区 | 午夜福利视频精品| 亚洲av电影在线进入| 18禁在线无遮挡免费观看视频| 波野结衣二区三区在线| 我要看黄色一级片免费的| 色网站视频免费| videossex国产| 99视频精品全部免费 在线| 性色avwww在线观看| 99国产综合亚洲精品| 最近手机中文字幕大全| 边亲边吃奶的免费视频| 99热全是精品| 欧美人与性动交α欧美精品济南到 | 亚洲欧美中文字幕日韩二区| 这个男人来自地球电影免费观看 | 亚洲欧美清纯卡通| 亚洲欧美精品自产自拍| av不卡在线播放| 精品国产一区二区三区久久久樱花| 99九九在线精品视频| 人人妻人人澡人人爽人人夜夜| 国产1区2区3区精品| 人人妻人人澡人人爽人人夜夜| 99九九在线精品视频| 日本免费在线观看一区| 黄色视频在线播放观看不卡| 久久99精品国语久久久| 18禁动态无遮挡网站| 亚洲美女视频黄频| 免费黄频网站在线观看国产| 国产精品国产三级国产av玫瑰| 天天影视国产精品| av一本久久久久| 色5月婷婷丁香| 久久青草综合色| 色94色欧美一区二区| 亚洲国产最新在线播放| 午夜福利网站1000一区二区三区| 麻豆乱淫一区二区| 久久精品国产自在天天线| 日韩制服丝袜自拍偷拍| av又黄又爽大尺度在线免费看| 日韩精品免费视频一区二区三区 | 色网站视频免费| 亚洲精品国产av成人精品| 久久99一区二区三区| 国产精品99久久99久久久不卡 | 人成视频在线观看免费观看| 青春草国产在线视频| 欧美日韩视频精品一区| 丝瓜视频免费看黄片| 成人国语在线视频| 成年动漫av网址| 久久久久人妻精品一区果冻| 看免费成人av毛片| 美国免费a级毛片| 满18在线观看网站| 天堂俺去俺来也www色官网| 美女主播在线视频| 日日啪夜夜爽| 色哟哟·www| 久久亚洲国产成人精品v| 久久精品久久精品一区二区三区| 国产av精品麻豆| 亚洲国产色片| 制服诱惑二区| av在线app专区| av又黄又爽大尺度在线免费看| 国产色婷婷99| 精品一区在线观看国产| 捣出白浆h1v1| 日韩欧美精品免费久久| 天天躁夜夜躁狠狠久久av| 韩国高清视频一区二区三区| 亚洲欧美成人综合另类久久久| a级毛片黄视频| 亚洲,欧美精品.| 国产1区2区3区精品| 国产熟女欧美一区二区| 欧美日韩av久久| 中文欧美无线码| 中文字幕制服av| 国产成人91sexporn| 亚洲国产看品久久| 视频中文字幕在线观看| 大陆偷拍与自拍| 丝袜脚勾引网站| av在线观看视频网站免费| 中文字幕制服av| 我的女老师完整版在线观看| 青春草视频在线免费观看| 亚洲av电影在线观看一区二区三区| 天堂中文最新版在线下载| 亚洲国产精品成人久久小说| av在线播放精品| 97人妻天天添夜夜摸| 自线自在国产av| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 天天躁夜夜躁狠狠久久av| 亚洲精品乱久久久久久| 一本大道久久a久久精品| 国产深夜福利视频在线观看| 亚洲人成77777在线视频| 国产成人91sexporn| 嫩草影院入口| 欧美成人午夜免费资源| 国产极品天堂在线| 香蕉精品网在线| 少妇人妻久久综合中文| 少妇精品久久久久久久| www.熟女人妻精品国产 | 91精品国产国语对白视频| 性高湖久久久久久久久免费观看| 成人无遮挡网站| 国产白丝娇喘喷水9色精品| 亚洲高清免费不卡视频| 亚洲欧美一区二区三区黑人 | 2021少妇久久久久久久久久久| 满18在线观看网站| 人妻少妇偷人精品九色| 国产精品偷伦视频观看了| 亚洲成人一二三区av| 99香蕉大伊视频| 亚洲av在线观看美女高潮| 久久久久视频综合| av视频免费观看在线观看| 国产精品一区二区在线不卡| 成年人免费黄色播放视频| 91精品伊人久久大香线蕉| 国产av精品麻豆| 中文字幕精品免费在线观看视频 | 亚洲五月色婷婷综合| 午夜av观看不卡| 亚洲国产精品国产精品| 少妇的逼好多水| 国产成人一区二区在线| 丰满少妇做爰视频| 欧美精品一区二区大全| 国产精品久久久久久精品古装| 菩萨蛮人人尽说江南好唐韦庄| 国产xxxxx性猛交| 亚洲av电影在线观看一区二区三区| 人人妻人人澡人人爽人人夜夜| 中文乱码字字幕精品一区二区三区| 欧美日韩成人在线一区二区| 亚洲av在线观看美女高潮| 国产亚洲午夜精品一区二区久久| 国产亚洲精品第一综合不卡 | 春色校园在线视频观看| 飞空精品影院首页| 亚洲五月色婷婷综合| a级片在线免费高清观看视频| 国产av一区二区精品久久| 久久99蜜桃精品久久| 啦啦啦在线观看免费高清www| 亚洲精品第二区| 大香蕉久久网| 高清av免费在线| 香蕉精品网在线| 天堂中文最新版在线下载| 男女高潮啪啪啪动态图| 热re99久久精品国产66热6| 色网站视频免费| 有码 亚洲区| 国产亚洲一区二区精品| 午夜视频国产福利| 免费在线观看黄色视频的| 午夜老司机福利剧场| 精品第一国产精品| 国产精品一区二区在线观看99| 欧美日韩av久久| 69精品国产乱码久久久| 亚洲第一av免费看| 视频中文字幕在线观看| 大话2 男鬼变身卡| 丝袜在线中文字幕| 国产男人的电影天堂91| 在线精品无人区一区二区三| 夜夜骑夜夜射夜夜干| 国产精品偷伦视频观看了| 丝袜喷水一区| 黑人欧美特级aaaaaa片| 国产熟女欧美一区二区| 黄网站色视频无遮挡免费观看| 精品一区二区免费观看| 午夜免费男女啪啪视频观看| 日韩欧美精品免费久久| 汤姆久久久久久久影院中文字幕| 亚洲精品一区蜜桃| av天堂久久9| 99精国产麻豆久久婷婷| 欧美成人午夜精品| 一本—道久久a久久精品蜜桃钙片| 国产精品不卡视频一区二区| 亚洲国产最新在线播放| 女人久久www免费人成看片| 一级a做视频免费观看| 免费黄网站久久成人精品| 亚洲精品456在线播放app| 中文字幕人妻丝袜制服| 在线观看国产h片| 成年av动漫网址| 永久免费av网站大全| 亚洲情色 制服丝袜| 亚洲av综合色区一区| 熟女av电影| 日产精品乱码卡一卡2卡三| 日日摸夜夜添夜夜爱| 亚洲欧美日韩卡通动漫| 九色亚洲精品在线播放| 精品人妻熟女毛片av久久网站| www.色视频.com| a级毛片黄视频| 黄色配什么色好看| 亚洲精品色激情综合| a级毛色黄片| 国产成人精品福利久久| 中国三级夫妇交换| 天堂俺去俺来也www色官网| 成人亚洲欧美一区二区av| 精品一区在线观看国产| 新久久久久国产一级毛片| 国产精品一国产av| 成年人午夜在线观看视频| 最近中文字幕2019免费版| 青春草亚洲视频在线观看| 久久精品熟女亚洲av麻豆精品| 亚洲一级一片aⅴ在线观看| 午夜精品国产一区二区电影| 国产黄色免费在线视频| a 毛片基地| 免费观看av网站的网址| 制服人妻中文乱码| 黄色配什么色好看| 久久 成人 亚洲| 色5月婷婷丁香| 有码 亚洲区| 天天影视国产精品|