采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法

您当前的位置：

首页 >

文章列表页 >

采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法

更新时间：2025-07-09

- 采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法
- Issue 8, Pages: 177-184(2020)
- 作者机构：
  
  1. 西安邮电大学通信与信息工程学院
  2. 贵州医科大学生物与工程学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： R318;TN911.7
- Published：2020
- 稿件说明：
移动端阅览
[J]. 2020, (8): 177-184.
DOI：

[J]. 2020, (8): 177-184. DOI：

摘要

针对脑电(EEG)信号容易被眼电(EOG)伪迹污染

而常规伪迹去除算法会导致EEG有用信息大量丢失的问题

提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先

利用独立成分分析(ICA)算法将EEG分解为独立分量;然后

对各独立分量进行样本熵分析

接着引入阈值对伪迹分量进行自动识别

识别后的伪迹分量经过自适应噪声完备经验模态分解(CEEMDAN)算法分解后采用小波阈值降噪;最后采用逆CEEMDAN和逆ICA算法重构信号

达到伪迹去除的目的。采用公开的BCI2000运动想象数据集中60组数据进行实验

结果表明

所提算法的EOG伪迹自动识别正确率达80%

比基于峰度的伪迹识别算法提高约26.7%;采用公开的Klados EEG数据集中15组数据进行实验

结果表明

重构后的EEG信号与纯净的EEG信号的相关系数为0.841

均方根误差较受污染信号降低约56.82%。实验结果证明了所提算法在提高伪迹去除能力的同时能够有效保留有用脑电信息。

Abstract

关键词

Keywords

references

Manousos A. Klados,Panagiotis D. Bamidis.A semi-simulated EEG/EOG dataset for the comparison of EOG artifact rejection techniques[J].Data in Brief,2016.

Tzyy-Ping Jung,Scott Makeig,Marissa Westerfield,Jeanne Townsend,Eric Courchesne,Terrence J. Sejnowski.Removal of eye activity artifacts from visual event-related potentials in normal and clinical subjects[J].Clinical Neurophysiology,2000(10).

詹展,秦会斌.基于新阈值函数的小波阈值去噪算法[J].计算机技术与发展,2019(11).

李明爱,刘帆.脑电中眼电伪迹的自动识别与去除[J].北京生物医学工程,2018(06).

罗志增,严志华,傅炜东.基于CEEMDAN-ICA的单通道脑电信号眼电伪迹滤除方法[J].传感技术学报,2018(08).

王栋,李扩,刘晓芳,闫相国,王刚.利用高频脑电的局灶性癫痫患者癫痫发作检测[J].西安交通大学学报,2018(02).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Numerical Simulation of Heat-Moisture Barrier Performance of a Horizontal Air Curtain in Cold Storage

Effects of Steam Addition on the Swirl Combustion and Emission Characteristics of Cracked Ammonia

Electrothermal Coupling Research on the Evolutionary Law of Anti-Corona Performance for High-Altitude Air-Cooled Generators

Mechanism and Optimal Control Strategy for Hysteresis in Rapid Dehumidification Response of Indirect Thermal Systems in Electric Vehicles

Numerical Simulation of the Energy Conversion Process in Thermoacoustic Engines with Different Stack Materials

Related Author

No data

Related Institution

No data

⁰