科研之友
微信
新浪微博
Facebook
分享链接
摘要
便携式和可穿戴设备的低密度脑电图更便于实际使用，但会受到多种不可预知的噪声影响，给去噪带来极大的困难。脑活动成分较为相似，在特征空间分布较为紧密，而噪声成分与脑电成分不同，差异性大，在特征空间分布较为分散。本文提出了一种低密度脑电自适应去噪方法，采用小波分解和盲源分离方法提取潜在成分，并基于脑电和噪声成分在特征空间的分布特性，采用单类支持向量机识别并去除远离成分分布中心的异常成分。仿真数据的定量分析结果表明，提出的方法在肌电、眼电和工频等噪声抑制方面均优于现有方法；通过对真实脑电数据的成分簇可视化分析，直观展示了低密度脑电噪声有效去除的原因。结合盲源分离和异常检测的思路进行低密度脑电去噪，不需要设定特定噪声相关的特征参数，能够自适应地去除多种类型噪声同时有效保留脑活动成分，具有优良的性能和实用性。
-
单位认知神经科学与学习国家重点实验室; 北京师范大学
