一种状态相关的动态脑电信号中肌电伪迹的消除方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111631710A(43)申请公布日2020.09.08(21)申请号202010575361.4(22)申请日2020.06.22(71)申请人中国科学技术大学地址230026安徽省合肥市包河区金寨路96号(72)发明人刘爱萍宋公正陈勋傅雪阳吴枫(74)专利代理机构安徽省合肥新安专利代理有限责任公司34101代理人陆丽莉何梅生(51)Int.Cl.A61B5/0476(2006.01)A61B5/00(2006.01)权利要求书2页说明书6页附图4页(54)发明名称一种状态相关的动态脑电信号中肌电伪迹的消除方法(57)摘要本发明公开了一种状态相关的动态脑电信号中肌电伪迹的消除方法，其步骤包括：1、首先将收集到的脑电观测信号通过延时构造两个数据集；2、利用本发明提出的隐马尔科夫独立向量分析法进行动态的联合盲源分离，得到每个数据集在各个状态下的源信号矩阵和解混矩阵；3、选择脑电信号相对应的源信号矩阵和解混矩阵；4、依照自相关系数排序源信号矩阵中各个独立源成分，选择肌电噪声相关的独立源成分置零；5、盲源分离逆变换得到消除噪声后的干净脑电信号。本发明能在实际的动态环境中去除肌电噪声对脑电信号的影响，同时尽可能地保留脑电活动的信息不丢失，从而提高脑电信号的分析准确性，为脑电去噪提供一种新思路。CN111631710ACN111631710A权利要求书1/2页1.一种状态相关的动态脑电信号中肌电伪迹消除方法，其特征是按如下步骤进行：步骤一：由脑电测量设备采集并记录N通道的纯净脑电信号矩阵，记为：SEEG＝[s1,N×Ts2,...,sn,...,sN]∈R，1≤n≤N，sn为第n通道的纯净脑电信号，T表示总的采集时长；N×T采集收缩和舒张拳头时的双手前臂肌电信号记为SEMG∈R；利用式(1)构造脑电观测信号矩阵XEEG＝[x1,x2,...,xn,...,xN]，xn为脑电观测信号矩阵XEEG中第n通道观测信号，1≤n≤N：XEEG＝SEEG+λ·XEMG(1)N×T式(1)中，λ表示控制肌电噪声干扰脑电信号的程度；XEMG∈R表示肌电观测信号，并有：XEMG＝[V1SEMG,V2SEMG,V1SEMG](2)N×NN×N式(2)中，V1∈R，V2∈R表示两个随机混合矩阵；当时刻t∈[0,t1]∪[t2,T]时，肌电观测信号XEMG由第一随机混合矩阵V1作用于肌电源信号矩阵SEMG产生，并表示为第一个混合模式；当时刻t∈[t1,t2]时，肌电观测信号XEMG由第二随机混合矩阵V2作用于肌电源信号矩阵SEMG产生，并表示为第二个混合模式；利用式(3)得到信噪比SNR：式(3)中，RMS(·)表示均方根函数；步骤二：将所述脑电观测信号矩阵XEEG通过延时K-1个点构造K个数据集X＝[X1,X2,...,Xk,...,XK]，1≤k≤K，其中，Xk表示第k个数据集的脑电观测信号矩阵；步骤三：利用隐马尔科夫独立向量分析法对K个数据集X进行动态联合盲源分离，得到不同混合模式下第k个数据集Xk的脑电源信号矩阵Sk以及逆混合矩阵Wk；步骤四：对应于每一个混合模式，将第k个脑电源信号矩阵Sk中自相关系数较小的通道信号置零，得到肌电噪声分量置零后的脑电源信号矩阵步骤五：利用式(4)得到第k个消噪后的脑电信号-1式(4)中，(Wk)为第k个逆混合矩阵Wk的逆矩阵。2.根据权利要求1所述的脑电信号消噪方法，其特征是，所述步骤三是按如下过程进行：步骤3.1、令隐马尔科夫模型的转移状态记为Q＝{q1,q2,...,qm,...,qM}，qm为第m个转移状态，1≤m≤M，M为转移状态总数；K个数据集X实施维特比算法，得到转移状态序列qt′为时刻t所处的转移状态；利用所述转移状态序列标识出K个数据集X混合模式的变化；步骤3.2、在每一个混合模式中，对K个数据集X进行联合盲源分离，得到K个解混矩阵W2CN111631710A权利要求书2/2页＝[W1,W2,...,Wk,...WK]，Wk为在当前混合模式下第k个数据集Xk的解混矩阵；利用式(5)得到在当前混合模式下第k个数据集Xk的脑电源信号矩阵Sk：Sk＝WkXk，k＝1,2,...,K(5)。3CN111631710A说明书1/6页一种状态相关的动态脑电信号中肌电伪迹的消除方法技术领域[0001]本发明涉及医学信号处理领域，尤其涉及复杂环境下神经信号中噪声去除的方法。背景技术[0002]通过测量神经元活动产生的电信号，脑电图(EEG)可以无创便捷的观测和记录大脑活动，已被广泛地应用于神经科学研究，疾病诊断和医疗健康监测中。然而由于脑电信号振幅较弱，其经常被源自眼，心脏和肌肉活动的各种非神经生理因素污染。在实际的长期医疗监测中，这些不可