计算机技术及信息科学的发展促进了数字信号处理这一学科的发展,产生了许多新的理论、技术和算法。独立分量分析(Independent Component Analysis,ICA)算法,正是近十年来伴随着盲信号分离技术的发展而出现的一种新的分析方法,它在许多领域都有应用,其中之一是在脑电信号处理中的应用。 论文首先概述了ICA和脑电信号的研究现状。然后介绍了ICA的定义、标准数学模型、假设条件及它的四个估计原理。指出ICA方法是通过一种学习法则,从观察信号中恢复出尽可能地逼近源信号的相互独立的信号。 在算法方面介绍了三种ICA算法,即基于峭度(kurtosis)的ICA、信息最大化(Infomax)ICA和快速固定点ICA(FastICA),并将这三种算法在计算机上实现了模拟仿真。仿真结果表明:FastICA因其不需要进行学习率的选择,故改善了基于峭度的ICA和信息最大化ICA因学习率选择不当而带来算法不收敛的问题。同时还验证了ICA的经典应用是它的多维信号的盲源分离。 在脑电信号采集部分,介绍了如何用优良的图形编程语言LabVIEW实现与C结合,通过非NI接口设备编程,采集脑电信号的方法;电极的安装及脑电信号的获得。 在脑电信号处理方面,根据6导思维脑电信号中存在的60Hz工频干扰和眼动伪迹,介绍了通过人工构造两个相互正交的工频参考源,将工频干扰及眼动伪迹消除问题转化成ICA盲源分离问题。在确定观察脑电信号与分离脑电信号的对应关系上,作者将脑电信号与分离脑电信号矩阵相乘得到的矩阵,按