基于小波變換和卡爾曼濾波器的去眼電偽跡算法的研究.pdf

1、腦電圖作為一種非傾入式的記錄腦活動信息的方法，由于其高分辨率的特性而被廣泛用于研究大腦功能。由于腦電信號非常微弱，極易受到其它噪聲偽跡的干擾，尤其是眼電偽跡，而這嚴(yán)重影響了腦電的后續(xù)分析。因此，如何有效地去除腦電中的噪聲并獲得干凈的腦電信號成為了一項(xiàng)重要的研究內(nèi)容。目前，各種去眼電偽跡的方法層出不窮，但是許多方法受到各種條件的限制，例如很多方法去除眼電偽跡的時候需要同步記錄的眼電信號。而在便攜式環(huán)境下，由于腦電采集設(shè)備的導(dǎo)聯(lián)數(shù)目受到限制

2、，因此這些方法并不能直接進(jìn)行使用。
　　為了解決上述問題，本文提出了小波變換結(jié)合卡爾曼濾波器模型用于自動地去除腦電中的眼電偽跡。由于眼電偽跡是隨機(jī)出現(xiàn)在腦電信號中的，所以該模型首先檢測并提取眼電偽跡出現(xiàn)的區(qū)域，并只對這些區(qū)域進(jìn)行處理從而避免對非眼電區(qū)域的腦電信號造成影響。然后用小波將提取出來的眼電區(qū)域分解為4層，由于眼電信號的頻率較低，所以只用近似層的小波系數(shù)重構(gòu)出粗糙的眼電偽跡。因?yàn)橹貥?gòu)出的眼電偽跡中含有低頻的腦電信號，因此采用

3、卡爾曼濾波器對重構(gòu)的眼電偽跡做進(jìn)一步處理，估計出純粹的眼電偽跡，最后從原始的腦電信號中將其去除，即可得到干凈的腦電信號。
　　為驗(yàn)證上述模型的有效性，本文使用模擬數(shù)據(jù)將該模型和ICA結(jié)合小波模型及自適應(yīng)濾波器結(jié)合小波模型進(jìn)行了定量的對比分析。在時域上，本文所提方法的均方誤差(MSE)值為0.0017，而ICA小波模型和自適應(yīng)濾波器小波模型的MSE分別為0.0468和0.0052；在頻域上，本文所提方法的平均絕對誤差(MAE)的均值

4、為0.0052，而另外兩種模型的MAE的均值分別為0.0218和0.0115?？梢钥闯?，本文所提模型的MSE值和MAE的均值都要明顯小于另外兩種模型，說明該模型在時域上和頻域上都取得了更好的去眼電偽跡效果。為進(jìn)一步說明該模型的實(shí)用性，本文還分別使用了由BrainCap和三導(dǎo)腦電采集器采集的實(shí)際腦電數(shù)據(jù)對該方法的去噪性能加以驗(yàn)證，結(jié)果表明該方法能很好地去除腦電中的眼電偽跡。綜合來看，本文提出的方法能夠有效地自動去除腦電中的眼電偽跡，而且能