基于快速独立分量分析的脑电信号去噪方法研究
|
摘要
在脑电信号的采集过程中往往会遇到各种不可预知类型的噪声,并受其干扰,采集的信号具有不平稳的特性。提取出来的信号中除了所需的有用信息之外还有大量的复杂噪声信息,这就要对无用的信息进行祛除,并保留所需的有用信息。脑电信号一般认为是相互独立的,本研究先使用快速独立分量分析的方法对产生的4个信号进行分离,其去噪结果良好,为以后使用该方法对脑电信号进行去噪奠定了理论基础,并在此理论基础上对脑电信号进行去噪分析。最后通过结构相似性指标分析得到快速独立分量分析方法具有良好的去噪效果。
In the process of brain electrical signal acquisition,it is inevitable to be interfered by various noises.The type of these noises is unpredictable,so the acquired signal is not smooth.In addition to the useful information we need,there is a large amount of complex noise information in the extracted signals.This requires us to eliminate useless information and keep the useful information we need.This article first uses the method of rapid independent component analysis to separate the four signals generated by ourselves.The denoising results are good,which lays a theoretical foundation for the denoising of EEG signals using this method.On the basis of this theory,the de-noising analysis of eeg signal is carried out.Finally,the fast independent component analysis method has good denoising effect through SSIM index analysis.
In the process of brain electrical signal acquisition,it is inevitable to be interfered by various noises.The type of these noises is unpredictable,so the acquired signal is not smooth.In addition to the useful information we need,there is a large amount of complex noise information in the extracted signals.This requires us to eliminate useless information and keep the useful information we need.This article first uses the method of rapid independent component analysis to separate the four signals generated by ourselves.The denoising results are good,which lays a theoretical foundation for the denoising of EEG signals using this method.On the basis of this theory,the de-noising analysis of eeg signal is carried out.Finally,the fast independent component analysis method has good denoising effect through SSIM index analysis.
引文
[1]刘珑,李胜.基于快速独立分量分析的脑电波信号降噪[J].计算机测量与控制,2014(11):3708-3711.
[2]王远大,陈宏铭,程玉华.基于快速独立分量分析和小波包变换的脑电信号消噪[J].中国集成电路2013(7):17-22.
[3]赵丽,万柏坤,高扬.独立分量分析方法在脑电信号预处理中的应用研究[J].仪器仪表学报,2003(A1):496-498.
[4]吴小培,冯焕清,周荷琴,等.独立分量分析及其在脑电信号预处理中的应用[J].北京生物医学工程,2001(1):35-37,46.
[5]杨陈军,野梅娜,李艳艳,等.基于ICA与小波阈值的癫痫脑电信号去噪方法[J].西北大学学报(自然科学版),2016(6):795-800.
[6]谢松云,张振中,张伟平,等.基于ICA的脑电信号去噪方法研究与应用[J].中国医学影像技术,2007(10):1562-1565.
[7]胡艳.基于独立分量分析的多通道脑电信号自动去噪算法研究[J].无线互联科技,2012(3):98-100.
[8]李晓欧.基于独立分量分析和共同空间模式的脑电特征提取方法[J].生物医学工程学杂志,2010(6):1370-1374.
[9]刘成,何可人,周天彤,等.左右手运动想象脑电模式识别研究[J].常州大学学报(自然科学版),2013,25(1):25-30.
[10]钱方,孙涛,郭劲,等.基于小波变换的多尺度SSIM算法[J].液晶与显示,2015(2):317-325.
[11]潘赛虎,李文杰,张义.基于共空间模式的运动想象脑电信号识别研究[J].南京师范大学学报(工程技术版),2014(2):55-60.
[12]李艳.基于ICA的X射线图像去噪与目标提取研究[D].南京:南京邮电大学,2015.
[13]杨陈军.独立分量分析与小波阈值在癫痫脑电信号去噪中的应用研究[D].西安:西北大学,2017.
[14]梁康壮.ICA算法及其在图像去噪中应用研究[D].西安:西安电子科技大学,2017.
[15]成斐鸣.基于ICA的扫描图像去噪方法研究[D].西安:西安理工大学,2008.DOI:10.7666/d.y1381093.
[2]王远大,陈宏铭,程玉华.基于快速独立分量分析和小波包变换的脑电信号消噪[J].中国集成电路2013(7):17-22.
[3]赵丽,万柏坤,高扬.独立分量分析方法在脑电信号预处理中的应用研究[J].仪器仪表学报,2003(A1):496-498.
[4]吴小培,冯焕清,周荷琴,等.独立分量分析及其在脑电信号预处理中的应用[J].北京生物医学工程,2001(1):35-37,46.
[5]杨陈军,野梅娜,李艳艳,等.基于ICA与小波阈值的癫痫脑电信号去噪方法[J].西北大学学报(自然科学版),2016(6):795-800.
[6]谢松云,张振中,张伟平,等.基于ICA的脑电信号去噪方法研究与应用[J].中国医学影像技术,2007(10):1562-1565.
[7]胡艳.基于独立分量分析的多通道脑电信号自动去噪算法研究[J].无线互联科技,2012(3):98-100.
[8]李晓欧.基于独立分量分析和共同空间模式的脑电特征提取方法[J].生物医学工程学杂志,2010(6):1370-1374.
[9]刘成,何可人,周天彤,等.左右手运动想象脑电模式识别研究[J].常州大学学报(自然科学版),2013,25(1):25-30.
[10]钱方,孙涛,郭劲,等.基于小波变换的多尺度SSIM算法[J].液晶与显示,2015(2):317-325.
[11]潘赛虎,李文杰,张义.基于共空间模式的运动想象脑电信号识别研究[J].南京师范大学学报(工程技术版),2014(2):55-60.
[12]李艳.基于ICA的X射线图像去噪与目标提取研究[D].南京:南京邮电大学,2015.
[13]杨陈军.独立分量分析与小波阈值在癫痫脑电信号去噪中的应用研究[D].西安:西北大学,2017.
[14]梁康壮.ICA算法及其在图像去噪中应用研究[D].西安:西安电子科技大学,2017.
[15]成斐鸣.基于ICA的扫描图像去噪方法研究[D].西安:西安理工大学,2008.DOI:10.7666/d.y1381093.