论文摘要
脑电信号只有微伏量级,特别容易受到心电、肌电及眼电信号的干扰。这些干扰给阅读和分析脑电信号带来了很大的困难,尤其是阻碍了脑电的计算机自动分析与诊断,因此降低并消除脑电中的干扰也越来越引起研究人员的重视。在这些干扰信号中,眼电信号是干扰脑电的主要信号源,眼电信号能够改变脑电的头表电位分布,破坏实际脑电,尤其是眼睛附近区域的脑电信号特征。脑电信号中的眼电伪迹去除不仅是认知神经科学研究中关心的问题,在实际临床应用中也是十分重要的。目前,在各种脑电数据采集任务中都必须对眼电伪迹予以考虑,在脑电的相关应用研究中,都必须报道眼电伪迹去除情况。最近20多年,随着数字脑电技术的发展,使利用计算机自动去除眼电伪迹成为可能。本文针对脑电信号中的眼电伪迹去除的问题,研究和发展了基于头表数据和皮层等效分布源理论的眼电伪迹去除方法。主要内容如下:1.提出了基于独立成分分析(ICA)和空间相关(Space Correlation)的眼电伪迹去除算法(ICASC),此方法利用ICA对头表采集到的脑电信号进行分解,然后求所得到的独立成分的空间分布与已知的眼电信号的空间分布之间的相关系数,把相关系数高于阈值的作为伪迹成分予以去除。文中结合实际数据讨论了此类方法的伪迹去除效果。2.提出了一种主成分分析(PCA)结合频域滤波(Filtering)的眼电伪迹去除算法(PCAF)。将以眼电伪迹为主的成分按眼电信号频率特点滤波后,再将其去除,部分地解决了所去除的信号中含有脑电信息的问题。文中通过实际数据讨论了此方法的伪迹去除效果;提出了一种回归算法(Regression)结合PCA的眼电伪迹去除算法(PCAR)。通过计算PCA得到的眼电伪迹成分与头表记录数据的相关系数,得到回归分析的衰减因子,并用于修正眼电伪迹成分的空间分布,进而得到需要去除的眼电伪迹成分。该算法部分地解决了主成分分析中的成分选择判断问题及伪迹成分分解不完全问题,通过仿真数据证实了该方法的有效性及适用性。3.提出了一种综合脑电时空信息的时空结合眼电伪迹去除算法(CAscadedSpatio-Temporal processing procedure,CAST)。利用最小模算法求头表脑电的皮层等效源反演结果,利用PCA对此结果进行分解,去除第一个主成分后,利用正演算法还原头表脑电数据。文中同时用仿真数据和实际数据证实了算法的有效性。4.建立了一种眼电伪迹自动去除的算法。提出了一种基于相关系数的伪迹识别算法,然后借助上述时空结合的伪迹去除算法(CAST),发展了一种可以全自动(Automatic)去除眼电伪迹的算法(ACAST),最后用真实的事件相关电位(ERP)数据——返回抑制(IOR)ERP验证了算法的有效性。5.提出了一种脑电采集系统电极帽。它能够避免测量中电极与头皮接触不良,同时还克服了传统电极帽电极不能自由移动的问题,可以根据脑电采集的目的的不同动态地调整电极,以及定位电极帽中电极的直角坐标和测量头部的实际形状。
论文目录
相关论文文献
- [1].基于独立分量分析的眼电伪迹去除方法研究[J]. 长春工程学院学报(自然科学版) 2020(01)
- [2].脑电信号去伪迹软件的设计与实现[J]. 信息与电脑(理论版) 2020(15)
- [3].应用经验模式分解去除近红外光的运动伪迹[J]. 西安交通大学学报 2014(02)
- [4].基于典型相关分析与低通滤波的肌电伪迹去除[J]. 数据采集与处理 2010(02)
- [5].基于典型相关分析和小波变换的眼电伪迹去除[J]. 北京生物医学工程 2011(05)
- [6].一种基于皮层成像的自动眼电伪迹去除方法[J]. 中国生物医学工程学报 2009(01)
- [7].基于变分模态分解的眼电伪迹去除[J]. 中国医学物理学杂志 2020(02)
- [8].原子力显微镜形貌像的典型失真和伪迹[J]. 西安文理学院学报(自然科学版) 2016(01)
- [9].脑电信号中眼电伪迹的自动去除算法[J]. 计算机工程 2011(23)
- [10].可穿戴织物心电电极运动伪迹的产生机制与抑制方法[J]. 纺织高校基础科学学报 2019(02)
- [11].一种运动伪迹干扰下实时心率算法的研究与实现[J]. 数据通信 2015(05)
- [12].能量熵与峰值窗口结合去除眼电伪迹研究[J]. 计算机工程与应用 2020(19)
- [13].脑电中眼电伪迹的自动识别与去除[J]. 北京生物医学工程 2018(06)
- [14].经颅磁刺激同步干预的头皮脑电信号伪迹离线去除方法综述[J]. 生物医学工程学杂志 2019(01)
- [15].基于经验模态分解与独立成分分析的心肺复苏伪迹自适应滤除算法[J]. 生物医学工程学杂志 2016(05)
- [16].一种基于盲源分离的眼电伪迹自动去除方法[J]. 浙江大学学报(工学版) 2013(03)
- [17].运动传感器辅助的心电运动伪迹识别与消除方法[J]. 传感器与微系统 2016(01)
- [18].基于阻抗检测的自适应消除心电运动伪迹方法[J]. 生物医学工程学杂志 2010(03)
- [19].典型相关分析去除脑电信号中眼电伪迹的研究[J]. 计算机工程与应用 2009(31)
- [20].基于独立向量分析的脑电信号中肌电伪迹的去除方法[J]. 电子与信息学报 2016(11)
- [21].表面肌电信号脉搏伪迹的消除方法研究[J]. 传感技术学报 2008(09)
- [22].采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法[J]. 西安交通大学学报 2020(08)
- [23].改进独立分量算法的眼电伪迹去除方法研究[J]. 计算机工程与应用 2018(04)
- [24].眼电伪迹自动识别与去除的新方法[J]. 电子学报 2016(05)
- [25].基于小波奇异点检测和阈值去噪的眨眼伪迹去除方法[J]. 北京生物医学工程 2015(03)
- [26].基于周期元分析的运动伪迹消除方法——以心电信号为例[J]. 生物医学工程学杂志 2012(04)
- [27].离散小波变换结合二阶盲辨识的眼电伪迹自动去除方法[J]. 科学技术与工程 2018(22)
- [28].单通道脑电信号眼电伪迹去除算法研究[J]. 自动化学报 2017(10)
- [29].基于独立分量分析去除脑电中眨眼和水平扫视的伪迹[J]. 航天医学与医学工程 2011(02)
- [30].基于独立分量分析的脑电信号的眼电伪迹消除[J]. 计算机工程与应用 2009(15)