脑电伪迹消除方法的研究.pdf

脑电伪遮消除方法的研究 ； 脑电伪迹消除方法的研究 张莉何为何传红 (重庆大学电气工程学院，重庆沙坪坝正街174号，400044) 摘 要 脑电信号的分析是脑科学研究和临床应用的重要手段，然而伪迹却是阻碍其研究成效的重要因素。本文介绍 了近年来兴起的主分量分析(PCA)、独立分量分析(ICA)和小波变换三种脑电伪迹去除技术。这些方法各具 特点，都能有效的去除伪迹，具有良好的应用前景． 关键词：脑电；伪差i主分量分析；独立分量分析：小波变化；小波包 1引言 Hans EEG)。脑电信号是大脑皮层或头皮表面记录到的大脑皮层神经元群突触后电位的总和，其中包含 了大量的生理与疾病信息，因而对脑电信号的分析和处理对临床诊断、人的生理和人脑认知功能 的研究具有非常重大的意义。然而，脑电信号非常微弱，自发脑电信号约在5～150斗V之间，而 由心理活动所引起的脑电比自发脑电更弱，一般只有2～IOlLLV。加之人体又是一个复杂的整体， 肌电CEMG)、眼电(EOG)、心电(ECO)都会对脑电信号产生干扰。另外，工频干扰也是一个主要的 干扰源。这些伪差信号掩盖了EEG的波形特征，给脑电信号的检测与处理带来困难。因此，要想 提取脑电信号中的有用信息，就必须有效地去除伪差。本文将对近年来兴起的主分量分析(Principal ComponentAnalysis，PCA)、独立分量分析(IndependentComponemAnalysis，ICA)、小波变换 (wavelet transform)及小波包(wavelet packet)变换这些脑电伪迹去除技术进行介绍 2伪迹消除方法 2．1主分量分析 主分量分析是一种多元数据分析方法，它利用正交分解原理将一组相关变量转化成为另一组 彼此互不相关的变量。 ． igd：=(xJ，口，蝴馕Ⅳ维观测向量，其均值；=o，则其协方差矩阵为： h1 f，E研)…Eb确h c0心钔心)_戤”一确n2 ㈣ koE商)J 主分量分析就是设计寻找一个正交变换矩阵矾计算r=wx,对随机向量嬲差行正交变换，使输出 随机向量y中的各随机变量之间彼此互不相关，即珀勺协方差矩阵为对角矩阵： coy(r)=E{呐=diag(2I，口，¨ (2) 如果把每一个通道的脑电看成是多变量成分的其中之一，那么PCA在多通道脑电信号的基 础上，可以把多导联的EEG分解为相互不相关的分量，去掉不需要的伪迹成分，再重构EEG，这样就 第十届全国电工数学学术年会论文集 可以会恢复出比较干净的脑电信号。在获得脑电信号前，记录下一段干扰成分的信号，计算出信 号中的主要分量作为干扰的主要分量，这样就可以从得到的包含该干扰的EEG信号中去除该分 量，消除干扰对信号的污染。文献【l】中介绍了采用PCA方法来消除眼电伪迹的研究。首先在被试 者完成眼动和眨眼任务时记录EEG和EOG信号，再从混合EEG信号中去除计算得到的作为眼动 和眨眼伪迹的主分量，得到校正后的信号，结果表明采用PCA法能取得好的眼电伪迹消除效果。 PCA方法也存在着一些局限性。它只对正交的信号源比较有效。在信号和噪音的幅值具有可比性 时，难以从EEG中去除伪迹。在对信号进行处理的过程中，PCA法只能对信号的二阶统计特性即 协方差进行分析，因而难以分解高阶的相关信号，不能提取出包含在高阶统计特性的重要信息。 2．2独立分量分析 独立分量分析是近年来发展起来的一种新的信号分解技术。ICA理论最初是由Comon于1994 年提出。它以随机变量的非高斯性和相互独立为分析目标，最终是为了从多通道观测数据中分离 出相互独立的信源。 ICA的基本原理可由图l来表示。设x1．口，轴为从Ⅳ个通道获得的观测信号，每个观测信号均 这些源信号对ICA系统来说是未知的，所能观测到的仅仅是它们的Ⅳ个不同的线性瞬时混合。A是