本文選題：腦電信號 + 眼電偽跡�。� 參考：《自動化學報》2017年10期

【摘要】：由眨眼和眼動產(chǎn)生的眼電偽跡(Electrooculography,EOG)信號是腦電信號(Electroencephalography,EEG)中的主要噪聲信號之一.目前,多通道腦電信號中眼電偽跡的去除算法已經(jīng)較為成熟.而在單通道腦電信號的眼電偽跡去除中,由于采集通道數(shù)量較少且缺乏參考眼電信號,目前尚無十分有效的去除方法.本文提出一種基于小波變換(Wavelet transform,WT)、集合經(jīng)驗模態(tài)分解(Ensemble empirical mode decomposition,EEMD)和獨立成分分析(Independent component analysis,ICA)的WT-EEMD-ICA單通道腦電信號眼電偽跡去除算法.實驗表明:WT-EEMD-ICA算法有效地解決了單通道WT-ICA算法中的超完備問題,能夠有效去除單通道腦電信號中的眼電偽跡,并且分離出的眼電偽跡成分與參考通道采集的眼電信號相關性較強.
[Abstract]:Electrooculography EOG (EOG) signal produced by blink and eye movement is one of the main noise signals in EEG electroencephalography (EGG). At present, the removal algorithm of Eye-electric artifacts in multichannel EEG signals has been more mature. However, there is no effective method for the removal of Eye-electric artifacts in single-channel EEG because of the small number of collecting channels and the lack of reference Eye-signals. In this paper, an Eye-artifact removal algorithm for WT-EEMD-ICA single-channel EEG based on wavelet transform WTA, empirical mode decomposition (EMD) and independent component analysis (ICA) is proposed. The experimental results show that the one-channel WT-ICA algorithm can effectively remove the Eye-electric artifacts from the single-channel EEG signals, and the components of the separated Eye-EEG artifacts have strong correlation with the Eye-electric signals collected by the reference channels. The proposed algorithm can effectively solve the problem of supercompleteness in the single-channel WT-ICA algorithm and can effectively remove the Eye-electric artifacts from the single-channel EEG signals.
【作者單位】： 哈爾濱工業(yè)大學電氣工程及自動化學院;61135部隊;哈爾濱醫(yī)科大學基礎醫(yī)學院;
【基金】：國家自然科學基金(61301012) 哈爾濱市科技創(chuàng)新人才研究專項資金(2015RAXXJ038) 中央高校基本科研業(yè)務費專項資金(2013004,2013005)資助~~
【分類號】：TN911.7

【相似文獻】

相關期刊論文 前10條

1 董盟盟;仲軼;徐潔;戴體俊;劉功儉;;基于小波分析的腦電信號處理[J];電子設計工程;2012年24期

2 ;《小樣本腦電信號處理系統(tǒng)》通過部級鑒定[J];北京工業(yè)學院學報;1988年03期

3 梅村，，張玉艷，婁瑜;腦電信號的壓縮與恢復[J];北京郵電大學學報;1995年04期

4 吳芝芳,孔蘭,鄭旭媛,李軍,陳世峻,陶華英;提取腦電信號的新方法研究─—自適應卡爾曼濾波[J];信號處理;1994年04期

5 吳莎;李錦;張明麗;王俊;;基于改進的符號轉(zhuǎn)移熵的心腦電信號耦合研究[J];物理學報;2013年23期

6 王敏;張曉;張春峰;張麗君;;自由活動動物的腦電信號分析與識別[J];山東科技大學學報(自然科學版);2007年03期

7 陳力,吳祈耀;雙譜分析在腦電信號處理中的應用[J];北京理工大學學報;1992年03期

8 張仁龍;馬文麗;姚文娟;鄭文嶺;梁斌;;基于小波包變換對腦電信號的分析和處理[J];電子測量技術;2007年03期

9 吳美云;吳美麗;張桂蕓;;音樂認知腦電信號處理方法研究[J];哈爾濱師范大學自然科學學報;2012年01期

10 楊浩，周守昌，王桂蘭;腦電信號混沌態(tài)的研究[J];重慶大學學報(自然科學版);1995年01期

相關會議論文 前6條

1 張鑫;范勇;蔣田仔;;基于腦電信號構(gòu)建腦網(wǎng)絡[A];第一屆全國神經(jīng)動力學學術會議程序手冊 & 論文摘要集[C];2012年

2 高克芳;;基于小波包和樣本熵的腦電信號的分類方法研究[A];2011年通信與信息技術新進展——第八屆中國通信學會學術年會論文集[C];2011年

3 周紅標;;基于小波包變換和最小二乘支持向量機的癲癇腦電信號識別[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

4 陳蘭嵐;王蓓;鄒俊忠;王行愚;;腦力疲勞與放松訓練的腦電信號實時評價系統(tǒng)[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

5 黃雯;郭建中;;基于壓縮感知的腦電信號預處理[A];2012'中國西部聲學學術交流會論文集(Ⅱ)[C];2012年

6 王嬈芬;張建華;王行愚;;基于ICA和FCM算法的操作員腦電信號眼電偽跡自動去除研究[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

相關博士學位論文 前10條

1 彭宏;普適化腦電信息感知關鍵問題的研究[D];蘭州大學;2015年

2 馬小飛;認知任務下的腦電動力學分析[D];南京大學;2017年

3 孫宇舸;腦—機接口系統(tǒng)中腦電信號處理方法的研究[D];東北大學;2012年

4 陳東偉;非線性動力學、因果腦網(wǎng)絡與聚類穩(wěn)定性在腦電信號分析中的應用研究[D];太原理工大學;2015年

5 石立臣;基于腦電信號的警覺度估計研究[D];上海交通大學;2012年

6 汪春梅;癲癇腦電信號特征提取與自動檢測方法研究[D];華東理工大學;2011年

7 邊志杰;糖尿病患者遺忘型輕度認知功能損害的腦電信號分析[D];燕山大學;2014年

8 袁野;癲癇腦電的非線性方法分析[D];吉林大學;2009年

9 王永軒;事件相關腦電信號單導少次提取與分類算法[D];大連理工大學;2013年

10 袁琦;癲癇腦電的分類識別及自動檢測方法研究[D];山東大學;2014年

相關碩士學位論文 前10條

1 曹銘;意識障礙患者腦電信號的非線性動力學評價分析[D];杭州電子科技大學;2012年

2 薛吉星;多通道腦電信號采集與處理系統(tǒng)研究[D];華南理工大學;2015年

3 劉靜;基于加權排序熵的多通道腦電信號同步算法研究[D];燕山大學;2015年

4 陳澤濤;基于腦電信號分析的AD早期評估系統(tǒng)的設計與實現(xiàn)[D];燕山大學;2015年

5 王歡;基于非平穩(wěn)時間序列分析方法的腦電信號模式識別[D];蘇州大學;2015年

6 王瓊穎;腦電信號的非線性動力學分析及其在睡眠分期中的應用[D];哈爾濱工業(yè)大學;2015年

7 高龍;基于EEG信號的人體狀態(tài)測量研究[D];電子科技大學;2015年

8 王輝;基于知識累積的腦電信號分類研究[D];哈爾濱工業(yè)大學;2015年

9 李俊偉;基于想象運動思維的腦電信號分析研究[D];河南科技大學;2015年

10 付蓉;用于腦機接口的腦電信號數(shù)據(jù)采集系統(tǒng)設計[D];南昌大學;2015年

本文編號：1819593