面向便携式脑电设备的EEG运动伪迹去除方法研究1 桂林电科大 2021.pdfVIP

密级否

硕士学位论文

（全日制专业学位硕士）

题目面向便携式脑电设备的EEG运动伪迹去除方法研究

（英文）TheStudyonMotionArtifactRemoval

fromEEGofPortableDevices

研究生学号:1808304019

研究生姓名:马俊嵩

指导教师姓名、职称:莫玮教授

申请学位类别:工程硕士

领域:仪器仪表工程

论文答辩日期:2021年6月5日

万方数据

万方数据

摘要

摘要

脑电图(Electroencephalogram，EEG)指大脑内部神经活动产生的电信号经过容积

传导由紧贴头皮的传感器记录到的电位。EEG是一种无创脑电信号采集方式，时间分

辨率很高，能够实时反应大脑活动过程，已经被广泛用于认知科学研究、脑部疾病诊

断和脑机接口技术等方面。由于脑电信号属于微弱信号，在采集的过程中很容易受到

各种伪迹的干扰，所以EEG通常在临床或者实验室的环境中记录，同时由医护人员

或者研究人员采取额外的预防措施避免记录到伪迹。但是随着便携式脑电采集设备的

推广和应用，脑电信号的采集转移到医院或者实验室以外的环境中时，EEG中容易出

现大量的运动伪迹。运动伪迹幅值大，频域广较难消除，将会严重影响脑电信号质量。

目前，尽管有研究人员提出了一些方法去除运动伪迹以获得高质量EEG信号，但是

这些方法大多数都局限于高度受控的实验室环境，需要提供额外的参考信息。

本文根据集合经验模态分解（EEMD）算法和主成分分析（PCA）算法提出了

EEMD-PCA联合方法去除单通道EEG中运动伪迹。该方法是一种单通道运动伪迹去

除方法，首先使用EEMD将一个单通道脑电信号分解为多个固有模态函数；然后使

用PCA将多个固有模态函数分离为源成分；最后根据源成分的自相关性去除运动伪

迹成分，重构信号获得去除运动伪迹的EEG。为了验证该方法的有效性，我们设计了

实验，使用EmotivEpoc便携式脑电头盔采集得到了包含运动伪迹的EEG数据。然

后在模拟EEG数据集和真实EEG数据集上进行了测试，同时与EEG中两种常用的

单通道去伪迹方法（集合经验模态分解-独立成分分析（EEMD-ICA）和集合经验模态

分解-典型成分分析（EEMD-CCA））进行了对比。

对于模拟数据，EEMD-PCA方法与目前效果最好的EEMD-CCA方法相比，均方

根误差降低了10.3%，信噪比提升了3.1dB，相关系数增大了7%，去伪效果得到了显

著的提升。对于真实数据，尽管14个通道受到运动伪迹污染的程度不相同，但是

EEMD-PCA方法都可以有效的去除，表现出很好的适应性。最终表明，无论是模拟

数据还是真实数据，EEMD-PCA都可以在保留有用的脑电信息前提下有效地去除运

动伪迹。因此，本文提出的EEMD-PCA可以