诱发电位提取的子空间和小波去噪复合方法

目的:为减少提取诱发电位所需的试验次数,有效去除自发脑电噪声,提出一种新的视觉诱发电位提取方法并进行验证。方法:基于奇异值分解的子空间方法可以用于去除信号中的噪声。①其基本原理是,由含噪信号形成的数据矩阵进行奇异值分解可以获得信号子空间和噪声子空间,将含噪信号正交投影到信号子空间中即可得到去除噪声。因为在头皮测量得到的诱发电位记录信号的信噪比很低,所以仅使用基于奇异值分解的子空间方法来去除噪声并不能有效地提取诱发电位。②实验记录中对诱发电位成分影响较大的自发脑电是有色噪声,描述其奇异性的Lipschitz指数具有不确定性,可能为正,也可能为负,因此仅用小波去噪方法提取诱发电位也不能取得理想的结果。③为此,提出了一种基于奇异值分解的子空间正交投影和小波去噪复合方法来提取诱发电位。首先应用基于奇异值分解的子空间方法将包含噪声的记录信号分解为信号子空间和噪声子空间,将含噪信号投影到信号子空间可得到初步去噪的信号,再应用小波变换进一步去除噪声,即可提取诱发电位。结果:采用自发脑电模型产生有色的自发脑电噪声,与白噪声一起加入仿真的诱发脑电信号中,在低信噪比小于-10dB的情况下,可有效地提取出诱发脑电信号。仿真和实验结果表明这种复合方法的效果好于单独采用其中的一种方法,能将提取诱发电位的实验次数由20次左右缩短为四五次。结论:将基于奇异值分解的子空间方法和小波去噪结合起来,能有效提取诱发电位,减少提取诱发电位所需的试验次数。     

结合子空间方法和提升小波变换提取事件相关脑电位

我们提出了一种提取事件相关脑电位的复合方法。它用奇异值分解方法将含噪信号分解为噪声子空间和信号子空间,将含噪信号正交投影到信号子空间进行初步除噪,随后将得到的信号进行提升小波变换,对变换结果进行一维小波重构进一步去除噪声,最后提取出ERP成分。介绍了基于奇异值分解的子空间方法和对信号进行提升小波去噪的实现方法。仿真结果表明,结合两种方法提取事件相关脑电信号时,比单独采用其中一种方法的效果要好,并可减少提取事件相关电位所需的实验次数。对实验数据的处理结果表明,该方法的实际处理效果良好。