基于局域均值分解与典型相关分析的眼电伪迹去除方法-物理.pdf

第42卷 第6期 北 京 工 业 大 学 学 报 Vol.42 No.6 2016年 6月 JOURNAL OF BEIJING UNIVERSITY OFTECHNOLOGY Jun. 2016 基于局域均值分解与典型相关分析的 眼电伪迹去除方法 李明爱, 田晓霞,孙炎珺,杨金福 (北京工业大学电子信息与控制工程学院,北京摇 100124) 摘摇 要:为消除眼电伪迹(ocularartifact,OA)对脑电信号(electroencephalography,EEG)造成的严重影响,提出一种 基于局域均值分解法(local mean decomposition,LMD)与典型相关分析(canonical correlation analysis,CCA)的眼电 伪迹自动去除方法,记为LMDC法. 首先,利用LMD将每导脑电采集信号自适应地分解为一系列具有物理意义的 乘积函数(production function,PF)分量,通过CCA去除PF分量之间的相关性,获得相应的典型变量;其次,计算每 导脑电信号与多导眼电信号间的相关系数矩阵,实现眼迹成分的自动识别,将典型相关变量中对应眼迹成分的部 分随机变量置零,其余随机变量不变,得到新的典型相关变量;最后,基于CCA逆变换将新的典型相关变量投影返 回得到眼迹去除后的PF分量,并进一步重构出眼迹去除后的脑电信号. 基于BCI竞赛数据库进行实验研究,结果 表明:LMDC法相对其他常用方法获得了较好的眼迹去除效果,并对多位实验者和多种眼迹表现出较强的自适 应性. 关键词:脑电信号;眼电伪迹;局域均值分解;典型相关分析; 自适应 中图分类号:R318 文献标志码:A 文章编号:0254-0037(2016)06-0843-08 doi:10.11936/ bjutxb2015050009 Ocular Artifact Removal Based on Local Mean Decomposition and Canonical Correlation Analysis LI Ming蒺ai,TIAN Xiaoxia,SUN Yanjun,YANGJinfu (College of Electronic Information and Control Engineering,Beijing University of Technology,Beijing 100124,China) Abstract:Based on local mean decomposition (LMD) and canonical correlation analysis (CCA),an automatic removal method,denoted as LMDC,was proposed to eliminate the serious impact of ocular artifact (OA)fromelectroencephalography (EEG). EachrecordedEEGwasdecomposedinto a seriesof physically meaningfulproductionfunction (PF)componentsadaptivelyby LMD,and CCAwasappliedto eliminatethecorrelationamongthePFstogetthecorrespondingcanonicalcorrelationvariable. Then,the correlation coefficient matrix between each EEG and multi electrooculogram (EOG) was computed to recogniz