脑电信号处理与特征提取.pdfVIP

臣心一片磁针石，不指南方不肯休。——文天祥

脑电信号处理与特征提取

第三节：独立成分分析在连续脑电中的应用

Ⅰ.独立成分分析模型

1.独立成分分析基于未知独立信号S与观测信号Z之间的

线性关系。该模型可用公式表示：Z=AS。

2.假定观测信号的维度要大于源信号的维度，因此，在数

据独立成分分解之前，需要首先进行降维，模型的阶数

（源成分的数量）被估计出来后，可以采用降维矩阵将

模型从超定转变为正定，X=BS，，，，称为将为

矩阵，由PCA估计所得。独立成分分析的分解模型为：

Y=WX，Y是成分矩阵，用于估计源信号S，独立成分分析

就是基于成分之间的独立性，计算解混合矩阵W的过

程。

3.根据代价函数的不同，有几种不同的独立成分分析算

法，包括最大非高斯性算法、极大似然算法、最小互信

息量算法、基于张量的算法以及基于去相关的非线性算

法与非线性主成分分析算法、基于固定点的FastICA算

法、基于最大互信息的InfomaxICA算法。

4.在全局最优解的条件下，独立分量分析算法的系数矩阵

和分量矩阵的稳定性在多次随机初始化的情况下保持不

变，独立分量分析算法的稳定性与分解得到的分量的稳

定性相同。

5.在ICA分解过程中，系数矩阵和成分矩阵相互伴随，但

系数矩阵的稳定性和成分矩阵的稳定性不同。在ICASSO

软件中，将类内相似度与类间相似度之差作为描述成分

稳定性的指标Iq，对成分矩阵的稳定性进行评价：

Comp_Iq，系数矩阵的稳定性评价指标：Coef_Iq。只有

当系数矩阵与成分矩阵同时稳定时，才可以认为ICA算

臣心一片磁针石，不指南方不肯休。——文天祥

法稳定了，对于ICA算法的稳定性描述指标，可以用以

下公式表示：下公式表示：，该稳定性

指标的取值范围为0~1，0表示该成分极不稳定，1表示

该成分每次分解结果都完全相同。Comp_Iq可以表示为成

分矩阵稳定性的概率，Coef_Iq表示系数矩阵稳定性的概

率，因此其乘积可以描述整体算法的稳定性。

Ⅱ.ICA与伪迹去除

1.反投影方法可以去除单个分量，并且通过该方法，可以

从EEG信号中去除眼电伪迹的分量。

2.眼睛整体可以被视为一节电池，在眼球前端的角膜和后

端的视网膜存在恒定的电势差。当眨眼发生时，恒定的

电势差会在数值方向发生改变，进而表现为一位于前额

区的激活源，且激活电势差自前额区至枕区逐渐衰减。

眨眼会引起幅值在50~100μV的单向电势波动，且单次

眨眼的持续时间约为200—400ms，因此其功率谱能量主

要集中在2.5—5Hz。

3.与垂直眨眼相比，水平眼球运动是指眼球在水平方向上

的转动。类似于原始天平，当天平突然偏转时，天平两

端高度不一致；眼球水平旋转时，