基于变分模态分解的眼电伪迹去除

脑电信号可以反映人体大脑活动状态,精确地将脑内信息传递向外界,对脑科学研究具有重要的意义。在实际情况中,脑电信号采集的同时会带有一些噪声,而眼电伪迹的存在会严重干扰脑电信号。本研究尝试了一种基于变分模态分解的眼电伪迹去除方法。通过变分模态分解将采集到的脑电信号分解成K组模态分量;根据眼电伪迹的频率特点,选择出眼电伪迹所对应的模态分量,并将其去除后重新构建剩余的模态分量。结果表明通过对实验数据的处理,变分模态分解可以有效地将眼电伪迹去除,并维持脑电信号的特征。     

基于典型相关分析和小波变换的眼龟伪迹去除

目的针对脑电信号中眼电伪迹去除尚存在的问题,提出一种基于典型相关分析与小波变换的（wavelet—enhanced canonical correlation analysis,wCCA）自动去除眼电伪迹的算法。方法首先,充分利用脑电信号和眼电伪迹的空间分布特征,将基于典型相关分析的盲源分离算法分别应用于左右脑区的混合信号中,从而保证典型相关分析分解得到的第一个典型相关变量（即左右脑区之间的最公共成分）,就是眼电伪迹分量。然后为了恢复泄漏在该伪迹分量中的脑电成分,对伪迹分量进行小波阈值滤波,将高于某一阈值的小波系数置零,而保留低于阈值的系数。结果与其他三种基于盲源分离去除眼电伪迹的方法相比较,该方法在有效地自动去除眼电伪迹的同时,很好地保留了潜在的脑电信号,去除效果明显优于其他三种方法。结论由于该算法简单,处理速度较快,因此应用于实时的脑机接口系统中更具优越性,为后续脑电信号的特征提取和分类分析提供了良好的基础。     

基于独立成分分析的非侵入式脑-机接口眼电伪迹自动去除算法EI北大核心CSCD

非侵入式脑-机接口已经逐步成为当前研究的热点,在精神障碍检测、生理监测等多方面都有所应用。但是非侵入式脑-机接口所需的脑电信号容易受到眼电伪迹污染,会严重影响对脑电信号的解码分析。对此,本文提出了一种结合频率滤波器的改进型独立成分分析算法,以相关系数和峰度双重阈值为依据自动识别伪迹组件;利用眼电与脑电频率的差异,通过频率滤波器去除伪迹组件中的眼电信息,从而保留更多脑电信息。在公开数据集和本实验室数据上的实验结果表明,本文算法可以有效提升眼电伪迹去除效果,同时改善脑电信息损失,这有助于非侵入式脑-机接口的推广。     

脑电皮层成像技术

由头皮电位测量信号重构脑电活动源分布，对于研究脑的认知功能和临床医学应用具有重要意义。近10年发展起来的皮层成像技术(conical imalging technique)因其在脑电源的定位方面相对于传统脑电图具有更高的空间分辨率，成为脑科学研究的有力工具。本详细介绍了皮层成像技术的研究现状，主要包括等效皮层源及头容积导体的建模、头皮测量电位与等效皮层源间定量关系的建立、等效皮层源的重构算法。     

经颅磁刺激同步脑电活动伪迹去除方法的研究进展

经颅磁刺激同步脑电( TMS-EEG)技术是研究大脑功能网络的有效手段,但TMS过程中诱发的伪迹一直是阻碍TMS-EEG技术发展的瓶颈.阐述了TMS和EEG技术结合产生伪迹的原因,从伪迹的来源入手,就TMS放电伪迹、肌电伪迹、听觉伪迹及残留伪迹等方面,总结了近十几年来文献中提到的伪迹去除方法,并对相关技术的未来发展作了...     

一种基于稀疏分解去除EEG信号中MRI伪迹的新方法

在脑电图(Electroencephalography,EEG)和功能磁共振成像(Functional magnetic resonance imaging, FMRI)同时记录时,如何有效的去除混入EEG信号中的强磁共振(Magnetic resonance imaging,MRI)伪迹干扰信号是当前在EEG和FMRI的联合研究中面临的一个信号前期处理难点。主要从MRI干扰信号和EEG信号在时空上的差别出发,提出了一种基于混合过完备库的稀疏成分分析的分解方法,实现了强MRI干扰下的EEG信号的估计。在方法实现中,首先利用小波和离散余弦构造能体现MRI干扰和EEG时空特性差别的混合过完备库,然后通过匹配追踪(Matching pursuit,MP)方法在混合过完备库中的学习,实现MRI伪迹的消除。对模拟数据以及真实记录的混入了MRI干扰的EEG信号的估计实验结果,证实了该方法的有效性。     

脑电皮层成像技术

由头皮电位测量信号重构脑电活动源分布,对于研究脑的认知功能和临床医学应用具有重要意义。近10年发展起来的皮层成像技术(corticalimagingtechnique)因其在脑电源的定位方面相对于传统脑电图具有更高的空间分辨率,成为脑科学研究的有力工具。本文详细介绍了皮层成像技术的研究现状,主要包括等效皮层源及头容积导体的建模、头皮测量电位与等效皮层源间定量关系的建立、等效皮层源的重构算法。     

基于快速节律性运动的皮层脑电分析

节律运动是人们生活中一种基本的运动形式,与单次运动相区别,快速节律运动在脑电中有特殊的表现形式.本文以两位植入皮层电极的癫痫病人作为受试,在1Hz与2Hz听觉节拍器提示下进行手指节律运动,同时记录皮层脑电数据.对脑电数据的能量和相关性进行离线分析,结果显示节律运动中运动感觉皮层脑电的能量在特定频段上呈下降趋势,相干性呈上升趋势,且运动相关能量与相干性在不同的运动速度下具有明显的统计性差异.对不同功能区之间相干性的分析表明辅助运动区可能是与运动速度有关的皮层功能区.     

脑电信号伪迹去除的研究进展

脑电(EEG)是一种反映大脑活动的生物电信号,由于它具有很高的时变敏感性,在采集时极易受到外界的干扰.如眼球运动、眨眼、心电、肌电等都会给真实的脑电信号加入噪声(伪迹).这些噪声给脑电信号的分析处理带来了很大的困难.从剔除EEG中的各种伪迹到去除噪声的效果评估研究者们都提出了很多方法.本文回顾了近些年提出的去除各种脑电信号伪迹的方法,包括回归方法、伪迹减法、主成分分析、独立变量分析和小波变换等,同时总结了各种方法的应用前提及各自的优点和不足,并对脑电信号的伪迹去除方法进行了展望.＃     

基于平稳小波变换的EEG视觉的信号修正

眼球运动和眨眼会在眼球周围产生电信号,这种电信号的存在直接影响到对EEG信号的分析特征提取及EEG模式的分类等研究.本文提出了一种基于小波阈值滤噪方法来修正EEG信号中出现的视觉伪信号(OA).这种用于EEG视觉伪信号处理的小波方法的实现过程如下:1)用平稳小波变换(SWT)对原始EEG信号进行处理;2)设置低频带信号的系数阈值;3)对滤噪后的信号进行重构.实验结果表明这种方法同时适用于眨眼和眼球运动产生的伪信号.最后,通过对采集的信号处理前后做了对比,说明其有效性.     

An Ocular Artifacts Removal Method Based on Canonical Correlation Analysis and Two-Channel EEG Recordings

In order to more effectively apply an artifact removal method in an online brain-computer interface(BCI) system, a new method based on canonical correlation analysis(CCA) and two-channel electroencephalography(EEG) recordings to quickly remove ocular artifacts (OA) is proposed in this paper. Considering both the formation of EEG signals contaminated by OA and the spread of OA, vertical electrooculography (VEOG) was appropriately introduced in CCA, and the blind source separation (BSS) method based on CCA was used in a new way during the OA removal process. Both experimental and comparison with ICA and SOBI results show that the new method with simple calculation and fast processing speed can effectively separate and remove OA using only two-channel EEG recordings, with retaining useful EEG signals. Hence, this method used in an online BCI system will be more effective.     

The Removal of Ocular Artifacts from EEG Signals Using Adaptive Filters Based on Ocular Source Components

Ocular artifacts are the most important form of interference in electroencephalogram (EEG) signals. An adaptive filter based on reference signals from an electrooculogram (EOG) can reduce ocular interference, but collecting EOG signals during a long-term EEG recording is inconvenient and uncomfortable for the patient. In contrast, blind source separation (BSS) is a method of decomposing multiple EEG channels into an equal number of source components (SCs) by independent component analysis. The ocular artifacts significantly contribute to some SCs but not others, so uncontaminated EEG signals can be obtained by discarding some or all of the affected SCs and re-mixing the remaining components. BSS can be performed without EOG data. This study presents a novel ocular-artifact removal method based on adaptive filtering using reference signals from the ocular SCs, which avoids the need for parallel EOG recordings. Based on the simulated EEG data derived from eight subjects, the new method achieved lower spectral errors and higher correlations between original uncorrupted samples and corrected samples than the adaptive filter using EOG signals and the standard BSS method, which demonstrated a better ocular-artifact reduction by the proposed method.     

基于高阶累积量算法的脑电信号中心电伪迹的消除

在脑电信号测量过程中，不可避免的会存在心电信号的干扰，给医生的诊断带来困难。本文将盲源分离理论用于研究脑电信号中的心电伪迹消除，介绍了盲源分离问题的基本模型、基于高阶累积量的独立性判决准则以及联合近似对角化算法。仿真实验表明。该方法能有效去除脑电信号中的心电伪迹干扰。     

Automatic Removal of Eye-Movement and Blink Artifacts from EEG Signals

Frequent occurrence of electrooculography (EOG) artifacts leads to serious problems in interpreting and analyzing the electroencephalogram (EEG). In this paper, a robust method is presented to automatically eliminate eye-movement and eye-blink artifacts from EEG signals. Independent Component Analysis (ICA) is used to decompose EEG signals into independent components. Moreover, the features of topographies and power spectral densities of those components are extracted to identify eye-movement artifact components, and a support vector machine (SVM) classifier is adopted because it has higher performance than several other classifiers. The classification results show that feature-extraction methods are unsuitable for identifying eye-blink artifact components, and then a novel peak detection algorithm of independent component (PDAIC) is proposed to identify eye-blink artifact components. Finally, the artifact removal method proposed here is evaluated by the comparisons of EEG data before and after artifact removal. The results indicate that the method proposed could remove EOG artifacts effectively from EEG signals with little distortion of the underlying brain signals.     

基于独立分量分析的脑电噪声消除

作为一种新的多元统计处理方法，独立分量分析(ICA)是解决盲源分离(BSS)问题的一个有效手段。在简要分析ICA理论及其算法的基础上，提出将其应用到脑电中的眼电伪迹的去除任务。实际采集的生理信号大多由相互独立的成分线性迭加而成，符合ICA要求源信号统计独立的基本假设。与传统方法相比，ICA这种空间滤波器不受信号频谱混迭的限制，消噪的同时能对有用信号的细节成分做到很好的保留，很大程度上弥补了时频域方法的不足。此外解混矩阵的逆可以用来反映独立源的空间分布模式，具有重要的生理意义。     

Correction of EOG Artifacts in Event-Related Potentials of the EEG: Aspects of Reliability and Validity

Correction of EOG artifacts using a regression approach is evaluated in terms of reliability and validity. Transmission rates are estimated for eight EEG channels in 67 subjects. The trimmed group means of these rates are shown to provide reliable measures. Eye artifact correction based on these group means is superior to the conventional rejection in terms of reducing correlation between EOG and EEG.     

基于联合近似对角化算法的脑电图中眼电伪迹消除

利用联合近似对角化(JADE)算法对脑电图中眼电伪迹成分进行剔除.针对JADE算法能够同时分离超高斯和亚高斯信号的特点,将脑电图信号分解成独立分量,利用伪迹脑地形图的特征,将伪迹分量分离,得到不含伪迹的脑电图信号.实验结果表明,该算法具有较强的稳健性和实用性.