一种结合自适应噪声完备经验模态分解和盲反卷积去除脑电中眼电伪迹的新方法

作者：吴全玉; 张文强; 潘玲佼; 陶为戈; 刘晓杰

来源：数据采集与处理, 2020, 35(04): 720-729.

DOI：10.16337/j.1004-9037.2020.04.013

• 脑电信号
• 眼电伪迹
• 经验模态分解
• 盲反卷积

针对微弱的脑电(Electroencephalogram,EEG)信号在采集过程中夹杂着各种生理伪迹,特别易遭到眨眼和眼动产生的眼电(Electrooculography,EOG)伪迹干扰。本文提出在自适应噪声完备经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的基础上,构建盲反卷积(Blind deconvolution,BD)模型,实现EOG伪迹分离的方法。该方法首先运用CEEMDAN方法将含有伪迹的EEG信号分解成若干固有模态函数(Intrinsic mode function,IMF)分量,再以模态分量为观测信号送入EEG信号和EOG伪迹两个源信号构成的盲反卷积模型中,通过构建代价函数迭代实现EEG信号与EOG伪迹分离。为了验证新提出的算法,采用标准CHB-MIT头皮脑电数据库进行实验验证,EOG伪迹分离后的数据跟原始脑电数据作相关性分析,其相关系数是0.82。结果证实本文提出的方法保留有大多数原始EEG信号分量,同时对EOG伪迹的分离也具有良好的效果。

• 单位
  江苏理工学院