基于稀疏表示和外输入自回归模型的单次诱发电位提取方法.PDF

第３３卷　第３Ａ期 信 号 处 理 Ｖｏｌ．３３　Ｎｏ．３Ａ ２０１７年３月 ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ Ｍａｒ．２０１７ 文章编号：１００３－０５３０（２０１７）３Ａ－００１６－０６ 基于稀疏表示和外输入自回归模型的单次 诱发电位提取方法 余南南　吴玲玲　陈　莹 （江苏师范大学电气工程及自动化学院，江苏徐州２２１１１６） 摘　要：由于诱发电位信号的信噪比很小，因此诱发电位的单次提取一直是脑电信号处理领域的难题之一。稀疏 表示在信号去噪方面是一个强大的工具，并且诱发电位已被证明在合适的稀疏字典上具有很强的稀疏性。本文 提出了一种基于稀疏表示和外输入自回归模型的单次诱发电位提取算法。其中，诱发脑电信号提取的过程分为 三个阶段。首先，该算法应用参考信号估计自发脑电的自回归模型参数；其次，在自回归移动平均模型中，应 用稀疏表示替代移动平均模型对诱发电位进行建模；最后，利用稀疏系数和自回归模型参数重构诱发电位。通 过仿真脑电信号和真实诱发电位信号进行实验验证，结果表明该算法具有较好的效果，与ＭＯＳＣＡ和ＡＲＸ方法 相比，本文算法能够在低信噪比情况下进行潜伏期和幅度的估计。 关键词：诱发电位；稀疏表示；外输入自回归模型 中图分类号：ＴＮ９１１．７　　　文献标识码：Ａ　　　ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１７．３Ａ．００３ ＳｉｎｇｌｅｔｒｉａｌＥｖｏｋｅｄＰｏｔｅｎｔｉａｌｓＥｘｔｒａｃｔｉｏｎｗｉｔｈ ＳｐａｒｓｅＲｅｐｒｅｓｅｎｔａｔｉｏｎａｎｄＡＲＸ ＹＵＮａｎｎａｎ　ＷＵＬｉｎｇｌｉｎｇ　ＣＨＥＮＹｉｎｇ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＪｉａｎｇｓｕＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｘｕｚｈｏｕ，Ｊｉａｎｇｓｕ２２１１１６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｓｉｎｇｌｅｔｒｉａｌｅｘｔｒａｃｔｉｎｇｏｆｅｖｏｋｅｄｐｏｔｅｎｔｉａｌ（ＥＰｓ）ｈａｓｂｅｃｏｍｅａｖｅｘｅｄｑｕｅｓｔｉｏｎｉｎｔｈｅｐｒｏｃｅｓｓｏｆｅｌｅｃｔｒｏｅｎ ｃｅｐｈａｌｏｇｒａｍｏｗｉｎｇｔｏｔｈｅｆａｉｎｔｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏ（ＳＮＲ）ｏｆＥＰ．Ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｉｓａｐｏｗｅｒｆｕｌｔｏｏｌｉｎｓｉｇｎａｌｄｅｎｏｉｓ ｉｎｇ，ａｎｄＥＰｓｈａｖｅｂｅｅｎｐｒｏｖｅｎｔｏｓｔｒｏｎｇｓｐａｒｓｉｔｙｏｖｅｒａｎａｐｐｒｏｐｒｉａｔｅｄｉｃｔｉｏｎａｒｙ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｅｓｅｎｔａｎｏｖｅｌｓｐａｒｓｅ ｒｅｐｒｅｓｅｎｔａｔｉｏｎａｎｄａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌｗｉｔｈｅｘｏｇｅｎｏｕｓｉｎｐｕｔｍｏｄｅｌｉｎｇ（ＡＲＸ）ａｐｐｒｏａｃｈｔｏｓｏｌｖｉｎｇｔｈｅＥＰｓｅｘｔｒａｃｔｉｏｎｐｒｏｂ ｌｅｍ．Ｔｈｅｅｘｔｒａｃｔｉｏｎｐｒｏｃｅｓｓｏｆｅｖｏｋｅｄｐｏｔｅｎｔｉａｌｓａｒｅｐｅｒｆｏｒｍｅｄｉｎｔｈｒｅｅｓｔａｇｅｓ．Ｆｉｒｓｔ，ｗｅｕｔｉｌｉｚｅａｎｒｅｆｅｒｅｎｃｅｏｎｇｏｉｎｇｓｐｏｎ ｔａｎｅｏｕｓＥｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍｔｏｉｄｅｎｔｉｆｙｔｈｅｐａｒａｍｅｔｅｒｓｏｆｔｈｅａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌ．Ｓｅｃｏｎｄ，ｉｎｓｔｅａｄｏｆｔｈｅｍｏｖｉｎｇａｖｅｒａｇｅ ｍｏｄｅｌ，ｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｉｓｕｓｅｄｔｏｍｏｄｅｌｔｈｅＥＰｉｎｔｈｅａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｖｉｎｇａｖｅｒａｇｅｍｏｄｅｌ．Ｆｉｎａｌｌｙ，ｗｅｃａｌｃｕｌａｔｅｔｈｅ ｓｐａｒｓｅｃｏｅｆｆｉｃｉｅｎｔｓａｎｄｄｅｒｉｖｅｅｖｏｋｅｄｐｏｔｅｎｔｉａｌｓｂｙｕｓｉｎｇｔｈｅａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌ．Ｕｔｉｌｉｚｉｎｇｔｈｅｓｙｎｔｈ