基于峭度的脑电信号盲源分离伪迹去除方法.pdfVIP

第 32卷第6期 杭 州 电子科 技 大 学 学 报 V01．32．No．6 2012年 12月 Journal of Hangzhou Dianzi University Dec．2012 doi：10．3969／j．issn．1001—9146．2012．06—033 基于峭度的脑 电信号盲源分离伪迹去除方法 袁廷中，罗志增 (杭州电子科技大学智能控制-9机器人研究所，浙江杭州310018) 摘要：该文提出了一种脑电信号中自适应去除眼电和心电伪迹的算法。首先针对线性混合信号盲 分离时，源信号概率密度与激活函数难以确定的困难 ，导出一种基于峭度的白适应盲源分离开关 算法 ，然后将其应用于脑电信号的眼电与心电伪迹去除。实验证明，该算法具有良好的分离效果。 关键词：盲源分离 ；峭度；脑电信号；伪迹去除 中图分类号：TP391 文献标识码：A 文章编号：1001—9146(2012)06—0129—04 0 引 言 脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。脑电信号包含大量的生理 与疾病信息，在临床医学和脑科学研究中起着非常重要的作用。脑电是一种随机性很强的生理信号，具 有很高的时变性，其信号很容易被各种无关噪声污染而形成各种脑电伪迹…。常见的伪迹包括来 自仪 器和被检人体的，前者可以通过采取针对性的物理手段加以避免，但来 自于被检体的一些生理活动的伪 迹，如眼电伪迹、心电伪迹等，与脑电相比，同属生物电信号，则需要辨别、分离或滤波的手段去处理。消 除脑电伪迹的方法由回归方法，伪迹减法，小波变换，主成分分析和独立成分分析等 J。其中，主成分 分析和独立成分分析都属于盲源分离方法。盲源分离技术是现代信号处理领域的一个新的研究热点， 发展迅速。本文采用一种基于峭度的盲源分离开关算法来对脑电信号中的心电和眼电伪迹进行滤除， 并通过实验证明该方法在脑电伪迹去除方面取得的良好效果。 1 基于峭度的盲源分离开关算法 1．1 盲源分离问题模型 盲源分离的数学模型可描述为： X=As+n0 (1) =Y=Wx=WAs=Gs (2) 式中，X为n维观测信号矢量；s为n维未知的源信号矢量；n。为n维的噪声矢量，实际中常假设无 噪声即使用无噪声模型；y(或 )是系统的输出矢量，是经分离后得到的分离信号矢量；矩阵A是mXn 矩阵(通常取m=n)，为信号传输过程中的混合系统矩阵；w(或G)是盲源分离问题所要寻找的分离矩阵。 式2中，G=WA是一个nxn维矩阵，称为混合分离矩阵，也称为相似矩阵。盲源分离的目的就是在源信 号8未知的情况下，由观测数据矢量x通过调整分离系统w，使输出信号Y是源信号的最佳估计 §。 本文中源信号包括脑电信号，及心电、眼电等伪迹信号，待分离源信号是由各个独立源产生，满足盲 收稿 日期：2012—09—25 基金项目：国家 自然科学基金资助项目 作者简介：袁廷中(1987一)，男，安徽亳州人，在读研究生，模式识别与智能系统． l30 杭 州 电子 科 技 大 学 学 报 2012钲 源分离的前提条件。 1．2 基于峭度的盲源分离激活函数 自适应开关算法 大部分ICA算法成功的关键是对源信号的概率密度函数(pdf)做出正确的假设。但在实际中，源 信号概率密度往往难以确定。本文采用的开关算法依据pdf的一种重要测度一峭度，自适应地确定激 活函数，实现盲源分离的ICA算法。 峭度是信号pdf的一个判断函数，根据式l、2，设Si(t)是s(t)中的第 i(1，…，n)个源信号，则信号Si (t)的峭度归一化定义为： ．j}(Si)： 一3 (3)