.png){kind=icon}
返回
Constrained online recursive source separation framework for Real-Time electrophysiological signal processing
.png){kind=icon}
PRE
AI
DOI：10.1016/j.bspc.2025.108769.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于源信号混合的特性，处理电生理信号通常需要盲源分离（BSS）。然而，计算需求使得实时BSS具有挑战性。这里，我们开发了一种先进的实时BSS框架——约束在线递归源分离（CORSS），适用于处理电生理信号。在该框架中，采用作为在线递归独立成分分析（ORICA）关键的一步式递归解混矩阵学习规则，以实现解混矩阵的实时更新，并使计算成本最小化。在此基础上，通过引入目标源的先验信息来优化成本函数，进一步设计了约束ORICA（CORICA）模块，从而使分离信号更可能收敛于目标源。为验证该框架的性能，我们将其应用于表面肌电信号（sEMG）分解任务和呼吸意图监测任务（分离微弱的膈肌sEMG与强心电图干扰）。CORSS方法在两项任务中分别实现了96.00 ± 2.04 %和98.12 ± 1.21 %的匹配率，且与其他比较方法相比表现出更优的性能（p < 0.05）。我们的方法在计算过程中产生的时延最小，当输入信号块大小设置为0.1 s时，时延仅为12.5 ms。CORSS方法实现了兼具改进分离性能和低计算延迟的实时BSS。我们的工作为实时分离有意义电生理源提供了宝贵工具，旨在推动其在神经-机器交互和医疗监测领域的先进处理与应用。
