Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: differential entropy

Sortuj według:

Ogranicz wyniki do:

Removing physiological artifacts from the EEG data by algorithms based on differential entropy

Górecka J.

Pomiary Automatyka Kontrola

2012

R. 58, nr 11

975-977

A new form of the nonlinearity implemented in the ICA approach is presented in the paper. The proposed independent component analysis based on differential entropy can be used for elimination of physiological artifacts from electroencephalographic signals. For verification of the quality of separation of the EEG data, the PI index is proposed. The second measure of accuracy is the normalized kurtosis which can be used in analysis of the simulated EEG data. As it has been proved, the new sigmoid function used in the ICA approach can effectively separate the EEG data.

W artykule przedstawiono nową propozycję nieliniowości - sigmoidalną funkcję algebraiczną, która została zaimplementowana w algorytmie stosującym metodę analizy składowych niezależnych (ang. Independent Component Analysis). Proponowana nowa postać algorytmu wykorzystująca właściwości entropii różniczkowej, może zostać użyta także do separacji a następnie eliminacji wybranych artefaktów fizjologicznych pochodzenia ocznego i mięśniowego zarejestrowanych w zapisach EEG. W celu weryfikacji dokładności separacji sygnałów EEG zaproponowano współczynnik jakości separacji PI (ang. Performance Index). Jako drugą miarę dokładności procesu separacji wybrano wartość znormalizowanej kurtozy, która może być stosowana jedynie w przypadku separacji elektroencefalogramów zarejestrowanych z symulatora EEG. W artykule udowodniono, że użycie nowej funkcji sigmoidalnej w rozszerzonej postaci algorytmu infomax prowadzi do efektywnej separacji sygnałów EEG umożliwiając eliminację wybranych składowych niepożądanych.

Computing anisotropic norm of linear discrete-time-invariant system via LMI-based approach

Tchaikovsky M. M., Kurdyukov A. P.

Archives of Control Sciences

2006

Vol. 16, no. 3

257-281

The anisotropic norm of a linear discrete-time-invariant is a measure of system output sensitivity to stationary Gaussian input disturbances with mean anisotropy bounded by some nonnegative parameter. The mean anisotropy characterizes the predictability degree of stochastic signal. The znisotropic norm of a system is an induced norm, which limiting cases are H2- and H∞ norms as α→0 and α→∞, respectively. In [1] a method for numerical computation of the anisotropic norm was proposed. This method involves linked Riccati and Lyapunov equations and associated special type equation. This paper develops a method for computing the anisotropic norm that reduces to finding a strongly rank-minimizing solution of linear matrix inequality and a solution of special type nonlinear algebraic equation.