10.3969/j.issn.1002-3208.2022.04.005.
基于KICA和MAMA-EMD的眼电伪迹去除方法
目的 为了准确地分离并去除脑电(electroencephalogram,EEG)信号中的尖峰状眼电(electrooculogram,EOG)伪迹,本文提出一种基于核独立分量分析(kernel independent component analysis,KICA)和掩膜最小弧长经验模态分解(masking-aided minimum arclength empirical mode decomposition,MAMA-EMD)的眼电伪迹去除方法,即KICMME.方法 首先,使用KICA将多通道受污染的EEG信号分离为多个独立分量(independent components,ICs);然后,计算每个IC的峰度值,确定与EOG相关的IC,并利用MAMA-EMD算法对其进一步分解,得到一组固有模态函数(intrinsic mode function,IMF);进而,通过计算各IMF的低频功率占比,识别并剔除与EOG相关性高的IMF;最后,基于MAMA-EMD和KICA的逆变换重构出"纯净"EEG信号.结果 在半模拟和真实脑电两个数据集上进行实验研究,KICMME取得的均方误差和信噪比分别为0.82和12.51 dB,获得的分类准确率和Kappa值分别为91%和0.82.结论 MAMA-EMD能够准确地分离出与EOG相关的IMF分量,使得KICMME可以在保留有用神经信息的同时,最大限度地去除EEG信号中的EOG伪迹,相对现有基于盲源分离的眼电伪迹去除方法具有明显优势.
脑电信号、眼电伪迹、核独立分量分析、模态分裂、掩膜最小弧长经验模态分解
41
R318.04(医用一般科学)
国家自然科学基金;国家自然科学基金
2022-08-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
360-367