基于稀疏性约束的脑电源定位方法

摘要

基于稀疏性约束的脑电源定位方法，属于生物信息技术领域，本发明包括以下步骤：1)确定传递矩阵A；2)通过多道脑电信号记录系统获取实际记录的脑电信号Y，进行预处理，确定要进行源分析的时刻；3)初始化源向量x_k－1，k＝1，迭代终止误差ε和一个最大的迭代次数；4)更新权重对角矩阵：W_k＝(diag(x_k－1))；5)加入稀疏性约束，利用优化方法直接估计q_k：argmin‖b－AW_kq_k‖₂+λ‖q_k‖x_k＝W_kq_k；7)迭代终止条件判断：比较更新前后的源分布变化，当‖x_k－x_k－1‖≤ε或迭代次数超出设定的最大迭代次数限制时，迭代终止，x_k即为源的最终定位估计结果；否则，k＝k+1，转步骤2)，继续迭代；其中，λ≠0，W_k≠I。本发明将l_p (p≤1)模约束融合到FOCUSS的迭代过程中，获得更加稳定的稀疏源定位结果。

主权项

1、基于稀疏性约束的脑电源定位方法，包括以下步骤：1)确定传递矩阵A；2)通过多道脑电信号记录系统获取实际记录的脑电信号Y，进行预处理，确定要进行源分析的时刻；3)初始化源向量xk-1，k＝1，迭代终止误差ε和一个最大的迭代次数；4)更新权重对角矩阵：Wk＝(diag(xk-1))；5)加入稀疏性约束，利用优化方法直接估计qk：arg min‖b-AWkqk‖2+λ‖qk‖p；6)更新源信息向量：xk＝Wkqk；7)迭代终止条件判断：比较更新前后的源分布变化，当‖xk-xk-1‖≤ε或迭代次数超出设定的最大迭代次数限制时，迭代终止，xk即为源的最终定位估计结果；否则，k＝k+1，转步骤2)，继续迭代；其中，λ≠0，Wk≠I。