基于InfomaxICA算法少次自動(dòng)提取事件相關(guān)電位.pdf

1、事件相關(guān)電位(ERP)是受試者在主動(dòng)參與的情況下獲得的一種長(zhǎng)潛伏期誘發(fā)電位，具有高時(shí)間分辨率的特點(diǎn)，能鎖時(shí)性地反映認(rèn)知?jiǎng)討B(tài)過(guò)程。但ERP信號(hào)很微弱，由實(shí)際采集的腦電記錄可發(fā)現(xiàn)，它總是淹沒(méi)在自發(fā)腦電中，并伴隨有眼動(dòng)偽跡、50Hz工頻干擾以及其它電生理信號(hào)成分等。如何從強(qiáng)大的自發(fā)腦電信號(hào)背景中提取出穩(wěn)定的ERP信號(hào)是它在認(rèn)知神經(jīng)科學(xué)等領(lǐng)域中應(yīng)用的關(guān)鍵問(wèn)題之一。
　　本文提出了一種基于Infomax ICA少次自動(dòng)提取ERP的方法，并應(yīng)

2、用于實(shí)際腦電信號(hào)的 ERP成分提取。為了增強(qiáng) ICA分解的有效性，對(duì)原始數(shù)據(jù)中的自發(fā)腦電信號(hào)和ERP信號(hào)進(jìn)行了均衡?；旌闲盘?hào)經(jīng)過(guò)ICA分解后，根據(jù)IC的固定時(shí)間模式的標(biāo)準(zhǔn)差來(lái)自動(dòng)選擇代表ERP信號(hào)的獨(dú)立分量(IC)，重構(gòu)后得到ERP信號(hào)。
　　本論文主要有兩點(diǎn)創(chuàng)新：首先提出了利用各IC的固定時(shí)間模式的相關(guān)特性來(lái)自動(dòng)選取ERP信號(hào)IC，以達(dá)到利用ICA方法實(shí)現(xiàn)自動(dòng)少次提取ERP成分的目的；其次提出了信號(hào)均衡的方法，以解決ERP成分與

3、自發(fā)腦電在混合信號(hào)中的能量不均衡的問(wèn)題。
　　研究了三種ERP信號(hào)的提取過(guò)程及其影響因素，即：視覺(jué)誘發(fā)電位(VEP)、視覺(jué) P300以及聽(tīng)覺(jué) P300。并采用皮爾遜相關(guān)系數(shù)(Pearson)對(duì)提取出的信號(hào)波形進(jìn)行了評(píng)價(jià)。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性，并表明該算法具有較好的實(shí)用性，增強(qiáng)了ERP信號(hào)少次提取的客觀性。
　　對(duì)于視覺(jué)誘發(fā)電位(VEP)，采用6試次的原始腦電數(shù)據(jù)經(jīng)過(guò)算法處理后能自動(dòng)得到VEP信號(hào)，與205試次平均結(jié)果(

4、標(biāo)準(zhǔn)信號(hào))相比，它們之間的Pearson相關(guān)系數(shù)達(dá)到0.9106，而6試次平均結(jié)果與標(biāo)準(zhǔn)信號(hào)之間的Pearson相關(guān)系數(shù)為0.3066。
　　對(duì)于視覺(jué) P300，采用6試次的原始腦電數(shù)據(jù)經(jīng)過(guò)算法處理后自動(dòng)提取出視覺(jué)P300成分，與29試次平均結(jié)果(標(biāo)準(zhǔn)信號(hào))相比，它們之間的Pearson相關(guān)系數(shù)達(dá)到0.9035，而6試次實(shí)驗(yàn)數(shù)據(jù)平均的結(jié)果與標(biāo)準(zhǔn)信號(hào)之間的Pearson相關(guān)系數(shù)為0.5105。
　　對(duì)于聽(tīng)覺(jué) P300，采用5試