文献类型：期刊文章

作　　者：杨磊[1] 杨帆[2] 何艳[1,2]

YANG Lei;YANG Fan;HE Yan(School of Communications and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China;School of Biology and Engineering, Guizhou Medical University, Guiyang 550041, China)

机构地区：[1]西安邮电大学通信与信息工程学院,西安710121 [2]贵州医科大学生物与工程学院,贵阳550041

出　　处：《西安交通大学学报》

基　　金：国家自然科学基金资助项目(81460206,81660298);陕西省自然科学基础研究计划资助项目(2019JQ861)。

年　　份：2020

卷　　号：54

期　　号：8

起止页码：177-184

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、MR、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行样本熵分析,接着引入阈值对伪迹分量进行自动识别,识别后的伪迹分量经过自适应噪声完备经验模态分解(CEEMDAN)算法分解后采用小波阈值降噪;最后采用逆CEEMDAN和逆ICA算法重构信号,达到伪迹去除的目的。采用公开的BCI2000运动想象数据集中60组数据进行实验,结果表明,所提算法的EOG伪迹自动识别正确率达80%,比基于峰度的伪迹识别算法提高约26.7%;采用公开的Klados EEG数据集中15组数据进行实验,结果表明,重构后的EEG信号与纯净的EEG信号的相关系数为0.841,均方根误差较受污染信号降低约56.82%。实验结果证明了所提算法在提高伪迹去除能力的同时能够有效保留有用脑电信息。

关 键 词：脑电图 眼电伪迹  独立成分分析  自适应噪声完备经验模态分解  小波

分 类 号：R318.04[生物医学工程类]