• <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
    性色av乱码一区二区三区2| 亚洲,欧美精品.| 成人高潮视频无遮挡免费网站| 精品午夜福利视频在线观看一区| 国产精品久久久久久人妻精品电影| 国内揄拍国产精品人妻在线| 岛国在线观看网站| 中文字幕最新亚洲高清| 亚洲五月婷婷丁香| 99精品欧美一区二区三区四区| 国产精品久久久久久亚洲av鲁大| 国产成+人综合+亚洲专区| 一本一本综合久久| 哪里可以看免费的av片| 午夜a级毛片| 成人永久免费在线观看视频| 黄色片一级片一级黄色片| 色综合亚洲欧美另类图片| 精品一区二区三区视频在线观看免费| 国内精品一区二区在线观看| 人妻丰满熟妇av一区二区三区| 午夜福利成人在线免费观看| 在线观看免费午夜福利视频| 久久性视频一级片| 亚洲九九香蕉| 国产野战对白在线观看| 日本黄色视频三级网站网址| 国产1区2区3区精品| 欧美国产日韩亚洲一区| 夜夜夜夜夜久久久久| tocl精华| 人成视频在线观看免费观看| 90打野战视频偷拍视频| 久久99热这里只有精品18| 午夜视频精品福利| 日韩精品中文字幕看吧| 久久久久久久久免费视频了| 两人在一起打扑克的视频| 午夜激情福利司机影院| 在线免费观看的www视频| 亚洲真实伦在线观看| 午夜福利高清视频| 欧美日韩精品网址| 香蕉久久夜色| 国产精品1区2区在线观看.| 免费在线观看影片大全网站| 亚洲美女黄片视频| 黄片小视频在线播放| 狠狠狠狠99中文字幕| 亚洲国产欧美人成| 精品乱码久久久久久99久播| 男人舔女人下体高潮全视频| 国产av在哪里看| 妹子高潮喷水视频| 黄色成人免费大全| 欧美性长视频在线观看| 最近最新中文字幕大全电影3| 精品无人区乱码1区二区| 精品熟女少妇八av免费久了| 久久久久久久久免费视频了| 成年免费大片在线观看| 高清毛片免费观看视频网站| 视频区欧美日本亚洲| 亚洲激情在线av| 午夜福利18| 亚洲成人久久性| 变态另类成人亚洲欧美熟女| www日本在线高清视频| 精品高清国产在线一区| 成人欧美大片| 成人欧美大片| 亚洲欧美日韩高清在线视频| 法律面前人人平等表现在哪些方面| www国产在线视频色| 亚洲人成伊人成综合网2020| 国产av不卡久久| 美女黄网站色视频| 国产精品av视频在线免费观看| 成人三级黄色视频| 亚洲真实伦在线观看| 99久久久亚洲精品蜜臀av| 免费无遮挡裸体视频| 国产亚洲精品一区二区www| 精品国内亚洲2022精品成人| 日本三级黄在线观看| 精品午夜福利视频在线观看一区| 最新在线观看一区二区三区| 一本一本综合久久| 午夜福利视频1000在线观看| 一个人观看的视频www高清免费观看 | 日韩高清综合在线| 波多野结衣高清作品| 又粗又爽又猛毛片免费看| 老司机深夜福利视频在线观看| 国产亚洲精品av在线| 久久 成人 亚洲| 日日摸夜夜添夜夜添小说| 老司机福利观看| 老司机午夜十八禁免费视频| 三级毛片av免费| 最近在线观看免费完整版| 久久久精品国产亚洲av高清涩受| 国产单亲对白刺激| 欧美极品一区二区三区四区| 美女扒开内裤让男人捅视频| 国产av一区在线观看免费| 日本在线视频免费播放| 久久热在线av| 正在播放国产对白刺激| 日韩欧美在线二视频| 国产v大片淫在线免费观看| 日本一区二区免费在线视频| 狂野欧美白嫩少妇大欣赏| 99久久精品国产亚洲精品| 国产视频内射| 黄色片一级片一级黄色片| 一进一出抽搐动态| 午夜老司机福利片| 女警被强在线播放| 黄色片一级片一级黄色片| aaaaa片日本免费| 美女 人体艺术 gogo| 成年免费大片在线观看| 99热6这里只有精品| 精品无人区乱码1区二区| 欧美3d第一页| 夜夜夜夜夜久久久久| 97超级碰碰碰精品色视频在线观看| 一进一出抽搐动态| 日本一区二区免费在线视频| 日本一区二区免费在线视频| 18禁黄网站禁片午夜丰满| 久99久视频精品免费| 麻豆国产av国片精品| 男人的好看免费观看在线视频 | 国产av一区在线观看免费| www.熟女人妻精品国产| 亚洲avbb在线观看| 亚洲avbb在线观看| 国产激情久久老熟女| 亚洲男人的天堂狠狠| 欧美极品一区二区三区四区| 精品日产1卡2卡| 啦啦啦观看免费观看视频高清| 观看免费一级毛片| 男女那种视频在线观看| 亚洲 欧美一区二区三区| 国产熟女xx| 老司机在亚洲福利影院| 久久久久久人人人人人| 欧美+亚洲+日韩+国产| 麻豆久久精品国产亚洲av| 在线视频色国产色| 精品久久久久久,| 成人av一区二区三区在线看| 色在线成人网| 国产av一区二区精品久久| 亚洲精品色激情综合| 91成年电影在线观看| av在线天堂中文字幕| 国产成人精品久久二区二区91| 一本久久中文字幕| 女警被强在线播放| 成人三级做爰电影| 最新美女视频免费是黄的| 一级毛片高清免费大全| 亚洲国产日韩欧美精品在线观看 | 色综合亚洲欧美另类图片| 日本精品一区二区三区蜜桃| 欧美一区二区国产精品久久精品 | 黄色片一级片一级黄色片| 少妇的丰满在线观看| 国产高清videossex| 成人欧美大片| 国产午夜精品论理片| 人人妻人人看人人澡| 少妇熟女aⅴ在线视频| 变态另类成人亚洲欧美熟女| 老司机靠b影院| 国产精品影院久久| 18禁黄网站禁片免费观看直播| 久久精品国产亚洲av香蕉五月| 天堂动漫精品| 精品久久久久久久毛片微露脸| cao死你这个sao货| e午夜精品久久久久久久| 国产精品久久电影中文字幕| 美女扒开内裤让男人捅视频| 九色国产91popny在线| 国产av麻豆久久久久久久| 无限看片的www在线观看| 黄色成人免费大全| 999久久久国产精品视频| 日韩 欧美 亚洲 中文字幕| 亚洲精品美女久久久久99蜜臀| 久久中文字幕人妻熟女| av超薄肉色丝袜交足视频| 99在线视频只有这里精品首页| 欧美色欧美亚洲另类二区| 国产片内射在线| 窝窝影院91人妻| 婷婷亚洲欧美| 熟女电影av网| 18禁黄网站禁片免费观看直播| 久久久水蜜桃国产精品网| 狠狠狠狠99中文字幕| av福利片在线| 人妻久久中文字幕网| 99精品在免费线老司机午夜| 一本大道久久a久久精品| 亚洲中文字幕日韩| 日韩欧美精品v在线| 欧美黄色片欧美黄色片| 制服丝袜大香蕉在线| 91国产中文字幕| 成熟少妇高潮喷水视频| 国产成人av激情在线播放| 在线观看舔阴道视频| 亚洲专区国产一区二区| 国产黄片美女视频| ponron亚洲| 久久精品国产亚洲av香蕉五月| av有码第一页| 午夜免费激情av| 亚洲av电影不卡..在线观看| 亚洲一区二区三区不卡视频| 少妇粗大呻吟视频| 黄片小视频在线播放| а√天堂www在线а√下载| 麻豆成人午夜福利视频| 美女扒开内裤让男人捅视频| 国产成+人综合+亚洲专区| 大型黄色视频在线免费观看| 日韩欧美一区二区三区在线观看| 久久中文字幕人妻熟女| 麻豆成人午夜福利视频| www.熟女人妻精品国产| 国内精品一区二区在线观看| 欧美日韩黄片免| 搡老岳熟女国产| 日本免费a在线| 国产熟女午夜一区二区三区| 成人亚洲精品av一区二区| 国产1区2区3区精品| 欧美不卡视频在线免费观看 | 国内毛片毛片毛片毛片毛片| 91国产中文字幕| 成人18禁高潮啪啪吃奶动态图| 曰老女人黄片| 国产亚洲精品第一综合不卡| 国产成年人精品一区二区| 色精品久久人妻99蜜桃| www国产在线视频色| 黑人操中国人逼视频| 少妇粗大呻吟视频| 亚洲精品色激情综合| 俺也久久电影网| www.熟女人妻精品国产| 婷婷亚洲欧美| 精品久久久久久,| 极品教师在线免费播放| 国产成人一区二区三区免费视频网站| 女人高潮潮喷娇喘18禁视频| 久久这里只有精品中国| 成人午夜高清在线视频| 国产成人欧美在线观看| 男男h啪啪无遮挡| 国产99白浆流出| 免费在线观看完整版高清| 俺也久久电影网| 级片在线观看| 欧美激情久久久久久爽电影| 2021天堂中文幕一二区在线观| 床上黄色一级片| 午夜精品久久久久久毛片777| 啦啦啦韩国在线观看视频| 国产黄片美女视频| 久久精品aⅴ一区二区三区四区| 亚洲性夜色夜夜综合| 麻豆成人午夜福利视频| 黄色a级毛片大全视频| 一区二区三区激情视频| 他把我摸到了高潮在线观看| 亚洲av熟女| 久久草成人影院| 免费在线观看视频国产中文字幕亚洲| 欧美又色又爽又黄视频| 亚洲熟妇中文字幕五十中出| 最近在线观看免费完整版| 日本撒尿小便嘘嘘汇集6| 伦理电影免费视频| 亚洲va日本ⅴa欧美va伊人久久| 精华霜和精华液先用哪个| 久久久国产精品麻豆| 久久久精品国产亚洲av高清涩受| 精品国产乱子伦一区二区三区| 在线a可以看的网站| 国产一区在线观看成人免费| 国产黄色小视频在线观看| 亚洲一区高清亚洲精品| 一级毛片精品| 一边摸一边做爽爽视频免费| 亚洲乱码一区二区免费版| 琪琪午夜伦伦电影理论片6080| 夜夜夜夜夜久久久久| 亚洲欧美日韩东京热| 午夜免费成人在线视频| 亚洲无线在线观看| 欧美色欧美亚洲另类二区| 国产亚洲精品av在线| 999久久久精品免费观看国产| 丰满的人妻完整版| 免费看十八禁软件| 精品久久久久久久久久久久久| 欧美日韩精品网址| 欧美在线黄色| 最近最新中文字幕大全免费视频| 国产97色在线日韩免费| 黑人操中国人逼视频| 神马国产精品三级电影在线观看 | 久久精品91无色码中文字幕| 一卡2卡三卡四卡精品乱码亚洲| 特级一级黄色大片| 日韩欧美精品v在线| 国产亚洲精品久久久久5区| 最新在线观看一区二区三区| 午夜日韩欧美国产| 男女午夜视频在线观看| 午夜亚洲福利在线播放| 国产精品美女特级片免费视频播放器 | 男女下面进入的视频免费午夜| a级毛片a级免费在线| 国产日本99.免费观看| 搡老熟女国产l中国老女人| 欧美日本亚洲视频在线播放| 欧美日韩乱码在线| 午夜成年电影在线免费观看| 三级男女做爰猛烈吃奶摸视频| 黄色女人牲交| 高清毛片免费观看视频网站| 脱女人内裤的视频| 91字幕亚洲| 国产精品精品国产色婷婷| 正在播放国产对白刺激| 人妻夜夜爽99麻豆av| 国产午夜精品久久久久久| 久久香蕉激情| 国产激情欧美一区二区| 在线视频色国产色| 男女视频在线观看网站免费 | 国产男靠女视频免费网站| 51午夜福利影视在线观看| 日韩欧美在线二视频| 亚洲成人免费电影在线观看| 老汉色av国产亚洲站长工具| 18禁黄网站禁片午夜丰满| 国产精品亚洲美女久久久| 两个人免费观看高清视频| 中国美女看黄片| 高清在线国产一区| 国产午夜福利久久久久久| 久久香蕉国产精品| 老司机午夜十八禁免费视频| 韩国av一区二区三区四区| 午夜福利18| 69av精品久久久久久| 久久久久国产一级毛片高清牌| 成人国产综合亚洲| АⅤ资源中文在线天堂| 亚洲第一欧美日韩一区二区三区| 欧美日韩精品网址| 在线永久观看黄色视频| 亚洲色图 男人天堂 中文字幕| 久久久精品大字幕| 亚洲专区中文字幕在线| 99国产精品一区二区蜜桃av| 国产成人啪精品午夜网站| 日本成人三级电影网站| 亚洲av日韩精品久久久久久密| 非洲黑人性xxxx精品又粗又长| 欧美乱码精品一区二区三区| 国产亚洲精品第一综合不卡| 日本免费a在线| 日韩欧美在线二视频| 一边摸一边做爽爽视频免费| 亚洲熟妇中文字幕五十中出| 免费看日本二区| 国产视频一区二区在线看| 亚洲成人国产一区在线观看| 99在线视频只有这里精品首页| 中文字幕高清在线视频| 国产av在哪里看| 女同久久另类99精品国产91| www日本黄色视频网| 两个人视频免费观看高清| 亚洲在线自拍视频| 亚洲精品在线观看二区| 国产高清有码在线观看视频 | 一级毛片女人18水好多| 国产av在哪里看| 国产精品 国内视频| 99热这里只有是精品50| 日韩欧美国产一区二区入口| 国产伦人伦偷精品视频| 国内久久婷婷六月综合欲色啪| 动漫黄色视频在线观看| 成在线人永久免费视频| 观看免费一级毛片| 久久人人精品亚洲av| 国产精品久久视频播放| 啦啦啦韩国在线观看视频| 国产精品久久久av美女十八| 日韩大码丰满熟妇| 亚洲国产欧美网| 久久天堂一区二区三区四区| 两人在一起打扑克的视频| 国产精品一区二区精品视频观看| 国产高清视频在线观看网站| 中文字幕精品亚洲无线码一区| 亚洲va日本ⅴa欧美va伊人久久| 在线永久观看黄色视频| 亚洲欧美日韩高清专用| 在线国产一区二区在线| 一级a爱片免费观看的视频| 久久精品成人免费网站| 国产激情欧美一区二区| 欧美在线黄色| 国产精华一区二区三区| 国产亚洲精品综合一区在线观看 | 免费在线观看亚洲国产| 又黄又爽又免费观看的视频| 五月玫瑰六月丁香| 国产成人欧美在线观看| 不卡一级毛片| 狠狠狠狠99中文字幕| 精品一区二区三区av网在线观看| 亚洲成人精品中文字幕电影| 久久久久九九精品影院| 国产成+人综合+亚洲专区| 国产成年人精品一区二区| 老司机午夜福利在线观看视频| 久久久久久人人人人人| 国产成人精品久久二区二区91| 亚洲天堂国产精品一区在线| 免费在线观看成人毛片| 国产黄片美女视频| 视频区欧美日本亚洲| 国产精品久久电影中文字幕| 色哟哟哟哟哟哟| 岛国在线免费视频观看| 久久久精品大字幕| 成人三级黄色视频| 午夜福利视频1000在线观看| 无限看片的www在线观看| 88av欧美| 久久草成人影院| 成人av一区二区三区在线看| 母亲3免费完整高清在线观看| 一级毛片高清免费大全| 色综合亚洲欧美另类图片| 国内精品久久久久久久电影| 亚洲专区国产一区二区| 露出奶头的视频| 亚洲欧洲精品一区二区精品久久久| 99国产极品粉嫩在线观看| 午夜福利在线观看吧| 国产亚洲精品av在线| 亚洲,欧美精品.| 亚洲欧美精品综合久久99| 色哟哟哟哟哟哟| 欧美zozozo另类| 真人做人爱边吃奶动态| 精品国产美女av久久久久小说| 国产成人欧美在线观看| 国产高清视频在线播放一区| 麻豆av在线久日| 搞女人的毛片| 国产一区二区激情短视频| 国产精品 欧美亚洲| 最好的美女福利视频网| 香蕉国产在线看| 欧美不卡视频在线免费观看 | 亚洲国产中文字幕在线视频| 日韩精品青青久久久久久| 在线观看午夜福利视频| 亚洲av片天天在线观看| 欧美黑人欧美精品刺激| 一卡2卡三卡四卡精品乱码亚洲| 国产精品影院久久| 欧美乱妇无乱码| 国产精品一区二区精品视频观看| 俄罗斯特黄特色一大片| 成人一区二区视频在线观看| 少妇被粗大的猛进出69影院| 国产精品亚洲av一区麻豆| 欧美+亚洲+日韩+国产| 午夜精品在线福利| 老司机在亚洲福利影院| 亚洲狠狠婷婷综合久久图片| 脱女人内裤的视频| 国产高清视频在线观看网站| 伦理电影免费视频| 五月伊人婷婷丁香| 免费在线观看成人毛片| 每晚都被弄得嗷嗷叫到高潮| a在线观看视频网站| 欧美不卡视频在线免费观看 | 50天的宝宝边吃奶边哭怎么回事| 亚洲精品久久成人aⅴ小说| 欧美中文日本在线观看视频| 欧美一区二区精品小视频在线| 久久精品91无色码中文字幕| 色老头精品视频在线观看| 最近视频中文字幕2019在线8| 中文字幕久久专区| 18禁国产床啪视频网站| 午夜成年电影在线免费观看| 搡老岳熟女国产| 成人国语在线视频| 久久久久亚洲av毛片大全| 桃红色精品国产亚洲av| 黄色成人免费大全| 99国产精品一区二区蜜桃av| 亚洲av片天天在线观看| 天堂√8在线中文| 国产aⅴ精品一区二区三区波| 久久亚洲精品不卡| 女人被狂操c到高潮| 波多野结衣高清无吗| 午夜精品久久久久久毛片777| 88av欧美| 亚洲男人的天堂狠狠| 国产精品久久久av美女十八| 国产成人av教育| 精品一区二区三区视频在线观看免费| 免费人成视频x8x8入口观看| 国产成+人综合+亚洲专区| 亚洲狠狠婷婷综合久久图片| 啦啦啦观看免费观看视频高清| 两个人免费观看高清视频| 成人亚洲精品av一区二区| 搡老岳熟女国产| av片东京热男人的天堂| 国产精品影院久久| 三级毛片av免费| 国产精品影院久久| 免费在线观看成人毛片| 精品电影一区二区在线| 久9热在线精品视频| 亚洲精品中文字幕在线视频| 国产成人影院久久av| 国产精品免费视频内射| 99久久无色码亚洲精品果冻| 亚洲va日本ⅴa欧美va伊人久久| 一夜夜www| 757午夜福利合集在线观看| 日日干狠狠操夜夜爽| 欧美精品啪啪一区二区三区| 18禁美女被吸乳视频| 搞女人的毛片| 久久精品国产亚洲av高清一级| 欧美 亚洲 国产 日韩一| 男女之事视频高清在线观看| 欧美激情久久久久久爽电影| av超薄肉色丝袜交足视频| 国产精品亚洲一级av第二区| 亚洲aⅴ乱码一区二区在线播放 | 国产精品免费一区二区三区在线| 国产精品一区二区免费欧美| 变态另类丝袜制服| 亚洲成av人片在线播放无| 国产一区二区三区在线臀色熟女| 国产亚洲精品综合一区在线观看 | 99精品在免费线老司机午夜| 九色成人免费人妻av| 国产精品野战在线观看| 国产一区二区激情短视频| 在线观看舔阴道视频| 国产黄色小视频在线观看| 一本大道久久a久久精品| 黄频高清免费视频| 超碰成人久久| cao死你这个sao货| 老司机在亚洲福利影院| 亚洲五月天丁香| 在线观看66精品国产| 日韩高清综合在线| 又紧又爽又黄一区二区| a在线观看视频网站| 动漫黄色视频在线观看| 亚洲色图 男人天堂 中文字幕| 动漫黄色视频在线观看| 欧美色视频一区免费| 日韩欧美国产一区二区入口| 最新在线观看一区二区三区| 一a级毛片在线观看| 校园春色视频在线观看| 婷婷精品国产亚洲av| 国产欧美日韩精品亚洲av| 国产伦在线观看视频一区| 色播亚洲综合网| 波多野结衣巨乳人妻| 久久久久久免费高清国产稀缺| 精品无人区乱码1区二区| avwww免费| 日日夜夜操网爽| 久久久久久国产a免费观看| 成人精品一区二区免费| 听说在线观看完整版免费高清| 韩国av一区二区三区四区| 免费观看人在逋| 国内精品一区二区在线观看| 色播亚洲综合网| 午夜两性在线视频| 一本一本综合久久|