基于变分模态分解的脑电锁相刺激方法

作者：陈妮; 覃玉荣^*; 熊艳婷; 李卓然

来源：仪器仪表学报, 2020, 41(05): 205-213.

DOI：10.19650/j.cnki.cjsi.J2006187

• 变分模态分解
• 自回归模型
• 脑电
• 锁相刺激

锁相刺激技术在神经机制研究及临床治疗中具有很好的应用前景,但需解决脑电信号(EEG)和刺激信号之间相位锁定的问题。由于EEG复杂的时变性,目前还缺乏用于实现与EEG锁相的有效刺激算法。为此,提出基于变分模态分解(VMD)和自回归(AR)预测的锁相刺激方法。首先对采集的EEG进行VMD处理,得到多个本征模态信号;然后对每个本征模态信号采用AR模型进行预测,将所有模态对应的预测值叠加;最后依据叠加结果的频率和相位特征,生成与EEG锁相的刺激。分别对模拟EEG和20名受试者(年龄20～36岁,男性12名,女性8名)的睁、闭眼静息态EEG进行测试。结果表明,VMD-AR方法能很好地克服EEG非平稳性的影响而生成具有更高锁相值(PLV)的刺激;预测时长从0.01 s增大至0.4 s时,睁眼EEG的PLV从0.99减小至0.39,闭眼EEG的PLV从0.99减小至0.65;建模时长从0.25 s增大至2.5 s时,睁眼EEG的PLV从0.64增大至0.83,闭眼EEG的PLV从0.53增大至0.65;在所有测试条件下,VMD-AR方法的锁相性能均优于AR和基于经验模态分解的AR方法EMD-AR。该方法同样适用于其他非平稳信号的闭环锁相系统。

• 单位
  广西大学; 广西医科大学