首页 > 文献资料
-
脑机接口中基于SOBI的EEG预处理
目的 针对脑机接口(brain computer interface,BCI)中脑电信号(electroencephalography,EEG)包含的伪迹以及信号源可能服从多个高斯分布,本文提出一种基于二阶盲辨识(second-order blind identification,SOBI)的盲源分离去除伪迹方法.方法 首先,含有伪迹的多个导联EEG信号采用联合近似对角化和数据白化,计算出混合矩阵,同时分解成数目相等的若干个独立分量.然后,根据伪迹信号特有的直观特性,将分解出含有伪迹的独立分量置零,剩余分量通过混合矩阵,进行逆向投影重构,得到去除伪迹后EEG信号.后,对3名实验者的实验数据,从处理时间和识别精度两方面进行检验.结果 本文中提出的SOBI方法相比于常用的独立成分分析(independent component analysis,ICA),在单个样本处理时间上,分别缩短了169.1 ms、177.0 ms和230.8 ms;在识别精度上,分别提高3.3％、5％和10％.结论 SOBI能快速有效地去除伪迹信号,为BCI中EEG的在线处理奠定了基础.
-
脑电中眼电伪迹的自动识别与去除
目的 为改善脑电中眼电伪迹的去除效果,基于脑电的非平稳性和模糊特点,提出一种将离散小波变换与二阶盲辨识相结合,并以模糊熵为眼电伪迹判别准则的眼电伪迹去除方法.方法 首先,采用离散小波变换对含噪的脑电信号进行多分辩分析,获得平稳性更好的多尺度小波系数;进而,选择同层的小波系数构成小波系数矩阵,并基于二阶盲辨识对其盲源分离,得到源信号的估计;进一步以模糊熵为判别依据,实现眼电伪迹的自动判别与剔除.实验数据采用BCI Competition IV公开数据库,使用信噪比、相关系数及均方根误差等常用伪迹判别指标进行衡量.结果 本文方法相对于常用的眼电伪迹去除方法在多个性能指标上均取得大值.结论 本文提出的眼电伪迹去除方法,实现了眼电伪迹的自动精确判断与剔除,并表现出很好的稳定性.
-
二阶统计量盲分离技术在表面肌电信号分解过程中的应用
采用基于二阶统计量的盲源分离算法对多导表面肌电信号进行处理,实现噪声的分离和表面肌电信号的初步分解.实验结果表明,无论是对仿真表面肌电信号还是真实表面肌电信号,二阶盲分离方法具有良好的处理结果,其中,SEONS算法的分解性能佳.
