基于典型相關(guān)分析和小波變換的眼電偽跡去除研究

《基于典型相關(guān)分析和小波變換的眼電偽跡去除研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、生產(chǎn)實(shí)習(xí)課程論文基于典型相關(guān)分析和小波變換的眼電偽跡去除研究學(xué)院（系）：電子信息與電氣工程學(xué)部專業(yè)：生物醫(yī)學(xué)工程學(xué)生姓名：學(xué)號：指導(dǎo)教師：邱天爽完成日期：2013.07.20目錄1緒論11.1腦電信號處理的意義11.2去除眼電偽跡方法的進(jìn)展11.2.1早期的人工處理11.2.2現(xiàn)代的相關(guān)去噪算法11.3wCCA算法的提出22wCCA算法22.1基于典型相關(guān)分析的盲源分離方法22.2小波閾值去噪32.3基于wCCA的盲源分離方法去除眼電偽跡33程序說明43.1算法流程圖43.2相關(guān)matlab函數(shù)43.3相關(guān)參數(shù)描述44實(shí)驗(yàn)結(jié)果分析64.1仿真結(jié)果64.2數(shù)據(jù)比較分析7結(jié)

2、論8-II-基于典型相關(guān)分析和小波變換的眼電偽跡去除研究1緒論1.1腦電信號處理的意義腦電活動首次于1924年被德國精神教授測量并定名為EEG。EEG信號作為一種直接反應(yīng)大腦內(nèi)部狀態(tài)的生物電信號，其中蘊(yùn)含了大量的心理、生理和病理信息。目前被廣泛運(yùn)用于神經(jīng)心理學(xué)、大腦意識及認(rèn)知、腦部疾病的診治、腦機(jī)接口等諸多研究領(lǐng)域中。與EEG信號研究緊密關(guān)系的另一種典型技術(shù)為腦機(jī)接口技術(shù)BCI，BCI可以完全不依賴于外圍神經(jīng)核肌肉的參與，直接實(shí)現(xiàn)人與計(jì)算機(jī)之間或外部環(huán)境之間的通信。BCI一般可以分為以自發(fā)腦電信號的BCI系統(tǒng)和使用命令的轉(zhuǎn)換算法。BCI系統(tǒng)可以使有運(yùn)動障礙的人通過EEG

3、信號來與外界進(jìn)行交流。提高BCI系統(tǒng)有效性的另一個(gè)重要手段就是提高采集到的微弱的EEG信號的信噪比。腦電信號一般通過放置于大腦頭皮的電極進(jìn)行采集，但是實(shí)際采集到的腦電信號非常微弱，只有微伏極。由于腦電信號是一種易變的非平穩(wěn)信號，其在采集過程當(dāng)中，會不可避免地混入非腦神經(jīng)組織產(chǎn)生的各種偽跡信號，如眼電（眨眼或眼動），它的幅度比腦電信號大好幾倍，所以如何對腦電信號進(jìn)行預(yù)處理、去除各種偽跡成分，并從中提取出有效的腦電信號成分，是各國研究者關(guān)注的重要問題，具有重大的理論和實(shí)踐意義。1.2去除眼電偽跡方法的進(jìn)展1.2.1早期的人工處理在早期，意思和研究者通過實(shí)驗(yàn)控制來處理無關(guān)的電

4、生理偽跡成分，比如讓患者和被試者避免或者減少眨眼、眼動、吞咽以及四肢運(yùn)動等，這樣會添加附加的實(shí)驗(yàn)任務(wù)，并且不易于控制，如當(dāng)患者或被試者為兒童時(shí)，比較難以控制，因而會影響實(shí)驗(yàn)效果。一般情況下，EEG信號偽跡去除的通用方法是去除含有偽跡成分的EEG信號【片斷。比如，識別眼電偽跡（主要包括眨眼和眼動偽跡），通常通過檢測眼電導(dǎo)聯(lián)記錄的電平超過一定的固定閾值，其他的偽跡成分或干擾的檢測可以通過人工標(biāo)記并去除，去除含有偽跡成分的EEG片斷必然會引起有效的EEG信號成分的大量損失。比如識別人物當(dāng)中的眨眼可能就是識別任務(wù)的一種反應(yīng)，若剔除就可能導(dǎo)致重要信息的丟失，另外，對于一些病人來說

5、，剔除被污染的腦電數(shù)據(jù)就意味著病情的漏診。1.2.2現(xiàn)代的相關(guān)去噪算法自適應(yīng)濾波法。自適應(yīng)濾波器可以自動調(diào)節(jié)參數(shù)，在設(shè)計(jì)時(shí)無需任何關(guān)于信號和噪聲的先驗(yàn)統(tǒng)計(jì)知識，在信號和噪聲的先驗(yàn)知識未知的情況下，可以采用自適應(yīng)濾波方法來去除噪聲。–8–基于典型相關(guān)分析和小波變換的眼電偽跡去除研究小波變換方法是20世紀(jì)80年代中期發(fā)展起來的一種時(shí)域分析方法。傳統(tǒng)的傅里葉分析方法在處理平穩(wěn)信號方面具有顯著優(yōu)勢，經(jīng)過其變換的信號具有最大的頻率分辨率，但是不具備時(shí)空定位信息，而小波變換由于其窗口可以根據(jù)頻率分辨率的高低的而進(jìn)行自適應(yīng)調(diào)節(jié)，從而具有多分辨特性，小波變換在低頻部分具有較高的頻率分辨

6、率和較低時(shí)間分辨率。而在高頻部分具有較高的時(shí)間分辨率和較低的頻率分辨率，這種多尺度特性適合于分析生物醫(yī)學(xué)信號等非平穩(wěn)信號。盲源分離是信號處理領(lǐng)域一個(gè)新的研究熱點(diǎn)，它嘗試在源信號和傳輸系統(tǒng)特性均未知的情況下對混合信號進(jìn)行分離。。盲源分離法將偽跡成分和EEG信號分解成不同的源信號成分，通過將與偽跡有關(guān)的源信號成分置零，可以得到去除偽跡后的信號。盲源分離問題可以采用許多不同的算法以及原則來估計(jì)源信號成分，通常采用基于二階統(tǒng)計(jì)量和高階統(tǒng)計(jì)量的方法來實(shí)現(xiàn)盲源分離。1.3wCCA算法的提出針對腦電信號中眼電偽跡去除尚存在的問題，提出一種基于典型相關(guān)分析與小波變換的(wavelet-

7、enhancedcanonicalcorrelationanalysis,wCCA)自動去除眼電偽跡的算法。首先，充分利用腦電信號和眼電偽跡的空間分布特征，將基于典型相關(guān)分析的盲源分離算法以一種全新的方式應(yīng)用于混合信號中，從而保證典型相關(guān)分析分解得到的第一個(gè)典型相關(guān)變量（即左右腦區(qū)之間的最公共成分），就是與眼電偽跡相關(guān)的分量。其次為了恢復(fù)泄漏在該偽跡分量中的腦電成分，對偽跡分量進(jìn)行小波閾值去噪，僅將小波系數(shù)高于某一閾值的分量置零。與其他三種基于盲源分離去除眼電偽跡的方法相比較，該方法在有效地自動去除眼電偽跡的同時(shí)，很好地保留了潛在的腦電信