一种适用于单通道脑电信号的在线去除眼电伪迹的方法.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CN109157214A(43)申请公布日2019.01.08(21)申请号201811058054.8(22)申请日2018.09.11(71)申请人河南工业大学地址450001河南省郑州市高新技术产业开发区莲花街100号河南工业大学科技处(72)发明人牛群峰周季冬王莉(51)Int.Cl.A61B5/0476(2006.01)权利要求书1页说明书4页附图3页(54)发明名称一种适用于单通道脑电信号的在线去除眼电伪迹的方法(57)摘要本发明提出了一种自适应单通道脑电信号眼电伪迹自动去除方法，属于生物信息技术领域，主要应用于脑电信号获取的预处理过程中。具体包括：对采集的含有眼电伪迹的脑电数据实时地进行经验小波分解;并对得到的虚拟多通道信号进行典型相关分析；根据样本熵的值最终辨别出眼电分量进行带阻滤波处理，最后依次重构出脑电信号。本发明解决了单通道信号盲源分离需要多个观测信号的问题以及包含眼电伪迹的手动筛选问题，并且滤波去除眼电伪迹信号，从而达到了去除单通道脑电信号眼电伪迹的问题。CN109157214ACN109157214A权利要求书1/1页1.一种适用于单通道便携式脑电采集设备的在线去除眼电伪迹的方法，其特征在于包括一下步骤：步骤一、对含眼电伪迹的脑电信号进行经验小波变换处理，设含眼电伪迹的脑电信号为S(n)，对其进行经验小波变换处理后得多个模态分量从而构成虚拟多通道观测信号S(n)＝S{s1(n),s2(n),LL,sm(n)}；步骤二、对S(n)时延一个点得到S'(n)＝S(n-1)，然后利用典型相关分析对中心化后的S(n)和S'(n)进行处理求得U(n)＝[u1(n),u2(n),L,um(n)]，其中u1(n)自相关性最强然后依次递减并且各变量之间互不相关，由于S'(n)和S(n)实际上就是同一信号，所以求得的U(n)就是对未知源信号的估计；步骤三、得到未知源信号的估计以后采用样本熵作为判别依据识别出眼电伪迹分量，样本熵的自动识别方法，具体操作如下：1)按照样本熵值的大小对盲源分离出来的源信号进行排序：其对应的源信号依次为：s′1,s'2,Ls'N；2)将以下的源信号判为伪迹成分：s′1,s'2,Ls'k，其中k满足以下条件：其中，k取整数1＜k≤[N/2],[N/2]是不大于N/2的最大整数，若无满足上述条件的则k取1；步骤四、由于眼电信号频率主要集中在8HZ附近，所以将识别到的眼电伪迹成分通过2-15HZ的带阻滤波器进行滤波，然后再将所有未知源信号依次进行典型相关分析逆变换以及经验小波逆变换从而重构出去伪迹后的脑电信号。2CN109157214A说明书1/4页一种适用于单通道脑电信号的在线去除眼电伪迹的方法技术领域[0001]本发明涉及生物信息技术领域以及脑电信号预处理方法，特别涉及单通道脑电信号中自动去除眼电伪迹的方法，主要应用于脑电信号特征提取，具体涉及一种基于经验小波变换(EmpiricalWaveletTransforms，EWT)与典型相关分析(CanonicalCorrelationAnalysis，CCA)相结合的的自动去眼电伪迹算法。背景技术[0002]脑机接口(brain-computerinterface，BCI)技术一直是人们研究的热点，目前，市面上已经逐渐开始出现了便携式BCI产品，但是由于脑电信号的复杂性以及其极易受到干扰等特点，目前的便携式BCI产品还存在很大的完善空间。通常的便携式BCI产品都是少通道甚至单通道的，考虑到便携式产品无法像医用设备一样进行侵入式多通道脑电采集，因此其极易受到肌电信号、心电信号以及眼电信号的干扰，其中由低频和高振幅信号表征的眼球运动引起的眼电伪迹被发现是最显着和常见的。[0003]在眼电伪迹去除领域，回归分析法是该领域使用最多的方法，但是其需要一个或者多个参考眼电通道以及大量的数据和计算时间，这就限制了该方法的应用领域[1]。奇异值分解(SingularValueDecomposition，SVD)和盲源分离(BlindSourceSeparation，BSS)的方法例如主成分分析(PrincipalComponentAnalysis，PCA)和独立成分分析(IndependentComponentAnalysis，ICA)可以估计未知源并可用于眼电伪迹的去除，但是PCA需要正交性以及眼电和脑电之间不同的振幅来区分它们，而ICA需要参考通道和一定程度的主观决策。此外，由于方差的错误分配，BSS可能不能有效地处理高度非平稳的伪影信号。为了处理非平稳信号，使用源分解的方法例如小波变换(WaveletTransform，WT)和经验模态分解(EmpiricalModeDecomposit