• <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
    国产成人aa在线观看| a级毛片免费高清观看在线播放| 国产精品偷伦视频观看了| 91午夜精品亚洲一区二区三区| 久久免费观看电影| 亚洲精品乱久久久久久| 国内精品宾馆在线| 又黄又爽又刺激的免费视频.| 欧美人与善性xxx| 欧美xxⅹ黑人| 十分钟在线观看高清视频www| 啦啦啦中文免费视频观看日本| 人妻系列 视频| h视频一区二区三区| 成年美女黄网站色视频大全免费 | 在线亚洲精品国产二区图片欧美 | 成人无遮挡网站| 午夜精品国产一区二区电影| 99国产精品免费福利视频| 视频在线观看一区二区三区| 久久影院123| 免费观看的影片在线观看| 自线自在国产av| 日韩,欧美,国产一区二区三区| 亚洲精品久久久久久婷婷小说| 国国产精品蜜臀av免费| 国产 精品1| 国产日韩欧美亚洲二区| 国产高清不卡午夜福利| 99热网站在线观看| 人妻人人澡人人爽人人| 在线观看一区二区三区激情| 中文天堂在线官网| 2018国产大陆天天弄谢| 九色亚洲精品在线播放| a级片在线免费高清观看视频| 男女边摸边吃奶| 有码 亚洲区| 热99国产精品久久久久久7| 久久久国产欧美日韩av| 寂寞人妻少妇视频99o| 日本vs欧美在线观看视频| 久久韩国三级中文字幕| 久久久久久人妻| av有码第一页| 久久久久久伊人网av| 丝袜美足系列| 久久久久久久亚洲中文字幕| 国产永久视频网站| 亚洲av电影在线观看一区二区三区| a 毛片基地| 美女中出高潮动态图| 亚洲欧美一区二区三区黑人 | 观看av在线不卡| 天美传媒精品一区二区| 晚上一个人看的免费电影| 99国产精品免费福利视频| 如日韩欧美国产精品一区二区三区 | 久久综合国产亚洲精品| 亚洲国产成人一精品久久久| 国产高清不卡午夜福利| 高清av免费在线| 成年人午夜在线观看视频| 亚洲三级黄色毛片| 只有这里有精品99| 男男h啪啪无遮挡| 蜜桃久久精品国产亚洲av| 女人久久www免费人成看片| 欧美bdsm另类| 国产亚洲精品久久久com| 日本91视频免费播放| 人体艺术视频欧美日本| 一级毛片 在线播放| 插阴视频在线观看视频| 欧美精品高潮呻吟av久久| 欧美xxⅹ黑人| av天堂久久9| 99热这里只有是精品在线观看| 国产毛片在线视频| 看非洲黑人一级黄片| 中文字幕av电影在线播放| 中文字幕制服av| 日韩熟女老妇一区二区性免费视频| 亚洲美女视频黄频| 一本一本综合久久| 日韩在线高清观看一区二区三区| 久久精品国产自在天天线| 啦啦啦视频在线资源免费观看| 纯流量卡能插随身wifi吗| 女人久久www免费人成看片| 亚洲国产av新网站| a级毛片黄视频| 人妻 亚洲 视频| 亚洲激情五月婷婷啪啪| 中文字幕av电影在线播放| av线在线观看网站| 我的老师免费观看完整版| 午夜久久久在线观看| 一级黄片播放器| 人人妻人人爽人人添夜夜欢视频| 精品国产乱码久久久久久小说| 精品少妇内射三级| 久久狼人影院| 91aial.com中文字幕在线观看| 最近中文字幕高清免费大全6| 精品99又大又爽又粗少妇毛片| 欧美最新免费一区二区三区| 精品久久久久久电影网| 午夜免费鲁丝| 久久久久网色| 久久精品国产亚洲网站| 一个人免费看片子| 十八禁网站网址无遮挡| 免费观看在线日韩| 亚洲精品亚洲一区二区| 九九久久精品国产亚洲av麻豆| 国产国拍精品亚洲av在线观看| 久久韩国三级中文字幕| 韩国av在线不卡| av在线app专区| 精品人妻熟女毛片av久久网站| 满18在线观看网站| 九九久久精品国产亚洲av麻豆| 亚洲情色 制服丝袜| 老司机亚洲免费影院| 久久久久久久国产电影| 中国美白少妇内射xxxbb| 国产女主播在线喷水免费视频网站| 精品久久久久久电影网| 欧美少妇被猛烈插入视频| 18禁在线无遮挡免费观看视频| 欧美精品亚洲一区二区| 亚洲av在线观看美女高潮| 美女中出高潮动态图| 亚洲av二区三区四区| 国产极品天堂在线| 我的女老师完整版在线观看| 日日摸夜夜添夜夜爱| 热re99久久精品国产66热6| 九草在线视频观看| 日本猛色少妇xxxxx猛交久久| 韩国高清视频一区二区三区| 国产熟女欧美一区二区| 久久影院123| 熟妇人妻不卡中文字幕| 午夜日本视频在线| 在线观看免费高清a一片| 少妇精品久久久久久久| 国产 一区精品| 亚洲婷婷狠狠爱综合网| a级片在线免费高清观看视频| 欧美bdsm另类| 久久精品夜色国产| 看免费成人av毛片| 色哟哟·www| 亚洲av综合色区一区| 精品酒店卫生间| 国产精品国产三级国产av玫瑰| 欧美日韩av久久| 国产av国产精品国产| 高清在线视频一区二区三区| 只有这里有精品99| 丰满少妇做爰视频| 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 | 少妇精品久久久久久久| av免费观看日本| 午夜福利视频精品| 国产又色又爽无遮挡免| 日韩伦理黄色片| 一本一本综合久久| 看十八女毛片水多多多| 精品久久国产蜜桃| 晚上一个人看的免费电影| 夜夜看夜夜爽夜夜摸| 国产精品三级大全| 18禁观看日本| 亚洲精品亚洲一区二区| 夜夜骑夜夜射夜夜干| 国产又色又爽无遮挡免| www.色视频.com| 亚洲欧美一区二区三区国产| 久久鲁丝午夜福利片| 我的女老师完整版在线观看| 亚洲国产欧美日韩在线播放| 男的添女的下面高潮视频| 最近中文字幕高清免费大全6| av在线老鸭窝| 中文欧美无线码| 好男人视频免费观看在线| 日韩欧美一区视频在线观看| 一区二区av电影网| 免费黄色在线免费观看| 国产高清不卡午夜福利| 日本爱情动作片www.在线观看| 国产高清三级在线| 精品久久久久久久久亚洲| 国内精品宾馆在线| 欧美+日韩+精品| 十分钟在线观看高清视频www| 人妻系列 视频| 免费高清在线观看日韩| 久久久久久久精品精品| 欧美变态另类bdsm刘玥| 中国三级夫妇交换| 国产欧美日韩一区二区三区在线 | 妹子高潮喷水视频| 寂寞人妻少妇视频99o| 视频中文字幕在线观看| 男人添女人高潮全过程视频| 久久精品久久久久久噜噜老黄| 国产老妇伦熟女老妇高清| 免费看光身美女| 亚洲国产欧美在线一区| 国产精品久久久久久久久免| 交换朋友夫妻互换小说| 久久 成人 亚洲| 精品视频人人做人人爽| 国产成人免费观看mmmm| 女的被弄到高潮叫床怎么办| 日本黄大片高清| 视频中文字幕在线观看| 亚洲人成网站在线观看播放| 日本vs欧美在线观看视频| 日韩一区二区三区影片| 高清黄色对白视频在线免费看| 最近中文字幕高清免费大全6| 精品一区二区三卡| 99热网站在线观看| 蜜桃国产av成人99| 婷婷色麻豆天堂久久| 性色avwww在线观看| 国产精品不卡视频一区二区| 有码 亚洲区| 亚洲美女搞黄在线观看| 亚洲精品日韩在线中文字幕| 国产在视频线精品| 看十八女毛片水多多多| 成人漫画全彩无遮挡| 少妇精品久久久久久久| 精品一区二区免费观看| 久久久精品区二区三区| 亚洲精品亚洲一区二区| 国产老妇伦熟女老妇高清| 女性生殖器流出的白浆| 久久99热这里只频精品6学生| 精品久久久噜噜| 欧美bdsm另类| 成人二区视频| 欧美亚洲 丝袜 人妻 在线| 国语对白做爰xxxⅹ性视频网站| 中国美白少妇内射xxxbb| 国产精品人妻久久久影院| 中文字幕亚洲精品专区| 如日韩欧美国产精品一区二区三区 | 91成人精品电影| 91久久精品电影网| 久久久精品94久久精品| 在线免费观看不下载黄p国产| 夜夜爽夜夜爽视频| 永久网站在线| 国产精品人妻久久久影院| 热re99久久国产66热| av线在线观看网站| 大陆偷拍与自拍| 欧美人与性动交α欧美精品济南到 | 国产免费又黄又爽又色| 成人毛片60女人毛片免费| 少妇猛男粗大的猛烈进出视频| 一级爰片在线观看| 久久人人爽人人爽人人片va| 欧美xxxx性猛交bbbb| 欧美日韩一区二区视频在线观看视频在线| 久久人人爽av亚洲精品天堂| 亚洲综合色惰| 久久综合国产亚洲精品| 亚洲精品国产av成人精品| 精品卡一卡二卡四卡免费| 在线观看www视频免费| 麻豆乱淫一区二区| 国产毛片在线视频| 亚洲av中文av极速乱| 国产成人a∨麻豆精品| 热99久久久久精品小说推荐| 成人国产av品久久久| 91精品国产国语对白视频| 99九九线精品视频在线观看视频| 2021少妇久久久久久久久久久| 亚洲av在线观看美女高潮| 久久亚洲国产成人精品v| 伊人亚洲综合成人网| 日韩中文字幕视频在线看片| av卡一久久| 九色亚洲精品在线播放| 欧美一级a爱片免费观看看| 国产精品.久久久| 搡女人真爽免费视频火全软件| 制服人妻中文乱码| 亚洲欧美日韩另类电影网站| 欧美人与善性xxx| 2018国产大陆天天弄谢| 精品亚洲成a人片在线观看| 欧美日韩视频精品一区| 三级国产精品片| 亚洲国产精品一区二区三区在线| 亚洲综合精品二区| 国产成人精品在线电影| 黄色毛片三级朝国网站| 国产探花极品一区二区| 精品少妇久久久久久888优播| 人妻 亚洲 视频| 亚洲国产精品专区欧美| 九九爱精品视频在线观看| 日本与韩国留学比较| 久久久久精品性色| 三级国产精品欧美在线观看| 精品久久久精品久久久| 亚洲人成77777在线视频| 日韩成人av中文字幕在线观看| 精品一品国产午夜福利视频| 久久人人爽人人爽人人片va| 大又大粗又爽又黄少妇毛片口| 精品一区二区免费观看| 亚洲不卡免费看| 欧美日韩在线观看h| 51国产日韩欧美| 成年美女黄网站色视频大全免费 | 在线天堂最新版资源| 啦啦啦中文免费视频观看日本| 亚洲人成网站在线观看播放| 亚洲欧洲日产国产| h视频一区二区三区| 97超视频在线观看视频| 丁香六月天网| 一级毛片 在线播放| 国产欧美日韩一区二区三区在线 | 亚洲精品乱码久久久v下载方式| 成人手机av| 欧美精品亚洲一区二区| 男的添女的下面高潮视频| 婷婷色综合www| 成人亚洲精品一区在线观看| 少妇猛男粗大的猛烈进出视频| 久久久久久久久久成人| 久久99热这里只频精品6学生| 国产精品人妻久久久久久| 精品久久久久久久久av| 精品一品国产午夜福利视频| 黑人猛操日本美女一级片| 夜夜爽夜夜爽视频| 亚洲综合色网址| 夜夜爽夜夜爽视频| 免费久久久久久久精品成人欧美视频 | 亚洲精品乱久久久久久| 久久久久久久久久久丰满| 日韩伦理黄色片| 嘟嘟电影网在线观看| 免费人妻精品一区二区三区视频| 国产精品国产三级国产专区5o| 亚洲av欧美aⅴ国产| 亚洲四区av| 插逼视频在线观看| av电影中文网址| 波野结衣二区三区在线| 一区二区三区免费毛片| 欧美日韩综合久久久久久| 91精品伊人久久大香线蕉| 看免费成人av毛片| 国产成人免费无遮挡视频| 国产在线视频一区二区| 亚洲精品av麻豆狂野| 伊人久久精品亚洲午夜| 亚洲,一卡二卡三卡| 麻豆成人av视频| 制服人妻中文乱码| 精品人妻熟女毛片av久久网站| 一级二级三级毛片免费看| 精品人妻熟女毛片av久久网站| 国产在线视频一区二区| 黑人欧美特级aaaaaa片| 亚洲久久久国产精品| 91久久精品国产一区二区三区| 日韩一区二区视频免费看| 日韩中文字幕视频在线看片| 日韩电影二区| 国国产精品蜜臀av免费| 国产又色又爽无遮挡免| 亚洲国产精品一区三区| 91精品三级在线观看| 综合色丁香网| 人妻制服诱惑在线中文字幕| 亚洲图色成人| 日日撸夜夜添| 欧美 日韩 精品 国产| 亚洲av日韩在线播放| 亚洲欧美清纯卡通| 制服丝袜香蕉在线| 秋霞伦理黄片| 视频区图区小说| 久久久久久人妻| 亚洲欧美成人综合另类久久久| 国产爽快片一区二区三区| 99热国产这里只有精品6| 国产欧美日韩一区二区三区在线 | 啦啦啦啦在线视频资源| 日本午夜av视频| 国产精品久久久久久久久免| 菩萨蛮人人尽说江南好唐韦庄| 国产欧美日韩一区二区三区在线 | 最近的中文字幕免费完整| 亚洲av成人精品一区久久| 亚洲国产精品成人久久小说| 免费少妇av软件| 亚洲精品,欧美精品| 亚洲欧美清纯卡通| 国产成人精品福利久久| 91久久精品国产一区二区三区| 丰满饥渴人妻一区二区三| 秋霞在线观看毛片| 99精国产麻豆久久婷婷| 国产成人av激情在线播放 | 国产欧美日韩一区二区三区在线 | 国产精品99久久99久久久不卡 | 人体艺术视频欧美日本| 少妇猛男粗大的猛烈进出视频| 涩涩av久久男人的天堂| 91午夜精品亚洲一区二区三区| 久久精品久久精品一区二区三区| 日韩欧美一区视频在线观看| 亚洲国产精品专区欧美| 婷婷色av中文字幕| 全区人妻精品视频| 亚洲色图综合在线观看| 一个人看视频在线观看www免费| 自拍欧美九色日韩亚洲蝌蚪91| 伊人久久国产一区二区| 69精品国产乱码久久久| 三级国产精品片| 一级,二级,三级黄色视频| xxxhd国产人妻xxx| 在线播放无遮挡| 日韩三级伦理在线观看| 九九爱精品视频在线观看| 亚洲熟女精品中文字幕| 久久国内精品自在自线图片| 欧美人与善性xxx| 精品一区在线观看国产| 久久精品国产a三级三级三级| 成人亚洲欧美一区二区av| 国产精品欧美亚洲77777| 亚洲国产欧美日韩在线播放| av在线播放精品| 国产一区二区三区综合在线观看 | 如何舔出高潮| 亚洲av男天堂| 久久这里有精品视频免费| 制服人妻中文乱码| av有码第一页| 在线 av 中文字幕| 国产极品天堂在线| 中文字幕亚洲精品专区| 日韩大片免费观看网站| 国产成人午夜福利电影在线观看| xxxhd国产人妻xxx| 肉色欧美久久久久久久蜜桃| 99热全是精品| 草草在线视频免费看| 丝袜喷水一区| 欧美少妇被猛烈插入视频| 国产成人一区二区在线| 日韩欧美精品免费久久| av网站免费在线观看视频| 青春草国产在线视频| 精品久久久久久久久亚洲| 97在线人人人人妻| 国产精品免费大片| 欧美人与善性xxx| 午夜91福利影院| 日本黄大片高清| 国产亚洲一区二区精品| 日韩不卡一区二区三区视频在线| 美女中出高潮动态图| 国产精品一区二区在线不卡| 伦理电影大哥的女人| 老司机亚洲免费影院| 视频在线观看一区二区三区| 中文字幕制服av| 日韩中文字幕视频在线看片| 午夜福利,免费看| 国产免费视频播放在线视频| 亚洲欧美一区二区三区黑人 | 亚洲av免费高清在线观看| 国产精品国产三级专区第一集| 内地一区二区视频在线| 又粗又硬又长又爽又黄的视频| 18+在线观看网站| 日日爽夜夜爽网站| av.在线天堂| 青春草国产在线视频| 日韩制服骚丝袜av| 亚洲精品久久成人aⅴ小说 | 国产又色又爽无遮挡免| 大片免费播放器 马上看| 伊人亚洲综合成人网| 18禁动态无遮挡网站| av又黄又爽大尺度在线免费看| 亚洲国产精品999| 亚洲成人手机| av网站免费在线观看视频| 国产精品蜜桃在线观看| 精品久久蜜臀av无| 国产毛片在线视频| 高清欧美精品videossex| 亚洲一区二区三区欧美精品| 成年av动漫网址| 一级a做视频免费观看| 精品少妇黑人巨大在线播放| 99久国产av精品国产电影| 日产精品乱码卡一卡2卡三| 免费黄网站久久成人精品| 国产男人的电影天堂91| 国产成人freesex在线| 亚洲精品国产av成人精品| 欧美日韩成人在线一区二区| 91成人精品电影| 99九九线精品视频在线观看视频| 全区人妻精品视频| a 毛片基地| 国产精品 国内视频| 日韩 亚洲 欧美在线| 中文字幕免费在线视频6| 纵有疾风起免费观看全集完整版| 插阴视频在线观看视频| 夫妻性生交免费视频一级片| 卡戴珊不雅视频在线播放| 人妻制服诱惑在线中文字幕| xxxhd国产人妻xxx| 久久久久久久久久成人| 校园人妻丝袜中文字幕| 欧美+日韩+精品| 国产黄片视频在线免费观看| 亚洲中文av在线| 午夜福利视频精品| 人体艺术视频欧美日本| 老司机亚洲免费影院| 永久免费av网站大全| 简卡轻食公司| 日韩一本色道免费dvd| 日韩 亚洲 欧美在线| 成人毛片a级毛片在线播放| 狂野欧美白嫩少妇大欣赏| freevideosex欧美| 久久精品久久久久久久性| 婷婷色综合大香蕉| 亚洲精品国产av蜜桃| 草草在线视频免费看| 免费黄频网站在线观看国产| 精品一区二区免费观看| 亚洲国产毛片av蜜桃av| 精品午夜福利在线看| 久久精品国产a三级三级三级| 日韩av免费高清视频| 欧美激情极品国产一区二区三区 | 中文字幕亚洲精品专区| 欧美少妇被猛烈插入视频| 久久久久久久久久人人人人人人| 久久99热6这里只有精品| 女人精品久久久久毛片| 一个人看视频在线观看www免费| 亚洲婷婷狠狠爱综合网| 你懂的网址亚洲精品在线观看| 夜夜骑夜夜射夜夜干| 国产无遮挡羞羞视频在线观看| 国产成人精品无人区| 老司机亚洲免费影院| 男女免费视频国产| 男人爽女人下面视频在线观看| 母亲3免费完整高清在线观看 | 国产精品一区二区三区四区免费观看| 一区二区三区四区激情视频| 九九在线视频观看精品| 欧美 亚洲 国产 日韩一| 高清黄色对白视频在线免费看| 亚洲精品第二区| 欧美精品一区二区免费开放| 亚洲不卡免费看| 亚洲av福利一区| 亚洲无线观看免费| 王馨瑶露胸无遮挡在线观看| 久久女婷五月综合色啪小说| 性色avwww在线观看| 天堂中文最新版在线下载| 秋霞在线观看毛片| 久久精品国产自在天天线| av线在线观看网站| 日韩大片免费观看网站| 热99久久久久精品小说推荐| 日日摸夜夜添夜夜爱| 久久人妻熟女aⅴ| 国产一区有黄有色的免费视频| 精品人妻偷拍中文字幕| 国产日韩欧美亚洲二区| h视频一区二区三区| 婷婷色麻豆天堂久久| 亚洲美女黄色视频免费看| 免费观看的影片在线观看| 国产精品.久久久| 大码成人一级视频| 亚洲第一av免费看| 国产极品粉嫩免费观看在线 | 丝袜在线中文字幕| 亚洲欧美成人综合另类久久久| 亚洲精品乱码久久久v下载方式| 国产 一区精品| a级毛色黄片| 国产精品国产三级专区第一集|