[發(fā)明專利]一種腦電圖人工干擾信號(hào)的去除方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810985280.4
• 申請(qǐng)日: 2018-08-28
• 公開（公告）號(hào): CN109106364A
• 公開（公告）日: 2019-01-01
• 發(fā)明（設(shè)計(jì)）人: 崔立志;李新偉;王科平;楊藝;李冰峰;楊俊起;卜旭輝;王福忠;費(fèi)樹岷
• 申請(qǐng)（專利權(quán)）人: 河南理工大學(xué)
• 主分類號(hào): A61B5/0476
• 分類號(hào): A61B5/0476
• 代理公司: 鄭州金成知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 41121
• 代理人: 白毅明

本發(fā)明涉及一種腦電圖信號(hào)處理方法。一種腦電圖人工干擾信號(hào)的去除方法，首先將相關(guān)的先驗(yàn)知識(shí)引入ICA的優(yōu)化目標(biāo)函數(shù)，采用參考曲線約束的獨(dú)立成分分析算法，從EEG數(shù)據(jù)中提取人工干擾信號(hào)并將之濾除；然后通過(guò)計(jì)算干擾信號(hào)與各個(gè)通道的相關(guān)系數(shù)，將干擾信號(hào)從各個(gè)通道中去除掉。本發(fā)明腦電圖人工干擾信號(hào)的去除方法，直接將相關(guān)的先驗(yàn)知識(shí)引入ICA的優(yōu)化目標(biāo)函數(shù)，然后采用基于改進(jìn)的獨(dú)立成分分析算法進(jìn)行干擾信號(hào)濾除，從而得到相對(duì)干凈的腦電圖信號(hào)，有效地解決了從EEG數(shù)據(jù)中提取人工干擾信號(hào)的問(wèn)題。應(yīng)用于各種疾病的診斷過(guò)程，有助于對(duì)腦電波信號(hào)進(jìn)行正確的分析和處理。

技術(shù)領(lǐng)域

本發(fā)明涉及一種腦電圖信號(hào)處理方法，尤其是涉及一種腦電圖人工干擾信號(hào)的提取及去除方法。

背景技術(shù)

腦電圖信號(hào)是由部署在頭皮周圍的多通道電極所采集到的，能夠反映腦細(xì)胞活動(dòng)情況的一種電子信號(hào)。腦電圖信號(hào)被廣泛地應(yīng)用于各種疾病的診斷過(guò)程中。然而，諸如眨眼、眼動(dòng)和心跳等干擾信號(hào)的存在，使得腦電圖信號(hào)的分析任務(wù)變得異常困難。這些干擾信號(hào)具有較大的電壓幅值，而且和實(shí)際的腦電生理信號(hào)具有重疊的頻帶。因此很難將這些干擾信號(hào)完全濾除。

經(jīng)典的獨(dú)立成分分析腦電圖信號(hào)分析方法采用的數(shù)學(xué)模型如下式所示：

其中，矩陣X_c×t是腦電圖信號(hào)矩陣；標(biāo)量c是記錄腦電圖信號(hào)的通道個(gè)數(shù)；標(biāo)量t是腦電圖信號(hào)的時(shí)間采樣點(diǎn)；向量是第i個(gè)數(shù)據(jù)通道采集到的數(shù)據(jù)；上標(biāo)T表示向量的轉(zhuǎn)置；A是一個(gè)未知的c行m列的列滿秩矩陣；是代表了腦電生理信號(hào)，這些信號(hào)相互獨(dú)立。獨(dú)立成分分析的目的是想辦法計(jì)算得到解混合矩陣W，從而能夠從X_c×t中恢復(fù)出獨(dú)立的如公式(2)所示：

如公式(3)所示，fastICA算法提供了一種ICA算法的快速計(jì)算方法。

其中，G(·)是一個(gè)非線性的函數(shù)，其具體形式見公式(14)；向量x代表矩陣X中的列向量；在許多ICA算法的應(yīng)用中，特別是對(duì)于生物醫(yī)學(xué)信號(hào)的應(yīng)用中，獨(dú)立信號(hào)總是伴隨著或多或少的先驗(yàn)知識(shí)。通常情況下，在使用ICA算法分解得到獨(dú)立成分后，還需要采用復(fù)雜而且可靠性不強(qiáng)的手工選擇方法，將干擾信號(hào)從獨(dú)立成分中分辨出來(lái)。在公式(1)中，矩陣X中的每一行具有零均值的特性。但是在實(shí)際的應(yīng)用中，這個(gè)假設(shè)往往不能被滿足。

因此，為了能夠得到相對(duì)干凈的腦電圖信號(hào)，有必要對(duì)現(xiàn)有獨(dú)立成分分析算法進(jìn)行改進(jìn)。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)不足，提出一種基于改進(jìn)的獨(dú)立成分分析算法的腦電波干擾信號(hào)濾除方法，有效地解決了從EEG數(shù)據(jù)中提取人工干擾信號(hào)的問(wèn)題。

本發(fā)明所采用的技術(shù)方案：

一種腦電圖人工干擾信號(hào)的去除方法，首先，將相關(guān)的先驗(yàn)知識(shí)引入ICA的優(yōu)化目標(biāo)函數(shù)，采用參考曲線約束的獨(dú)立成分分析算法，從EEG數(shù)據(jù)中提取人工干擾信號(hào)并將之濾除；然后，通過(guò)計(jì)算干擾信號(hào)與各個(gè)通道的相關(guān)系數(shù)，將干擾信號(hào)從各個(gè)通道中去除掉。

本發(fā)明的有益效果：

1、本發(fā)明腦電圖人工干擾信號(hào)的去除方法，直接將相關(guān)的先驗(yàn)知識(shí)引入ICA的優(yōu)化目標(biāo)函數(shù)，提出了一種參考曲線約束的獨(dú)立成分分析算法，有效地解決了從EEG數(shù)據(jù)中提取人工干擾信號(hào)的問(wèn)題。

2、本發(fā)明腦電圖人工干擾信號(hào)的去除方法，采用基于改進(jìn)的獨(dú)立成分分析算法進(jìn)行干擾信號(hào)濾除，得到了相對(duì)干凈的腦電圖信號(hào)，應(yīng)用于各種疾病的診斷過(guò)程，有助于對(duì)腦電波信號(hào)進(jìn)行正確的分析和處理。

附圖說(shuō)明

圖1所示為17通道傳入了嚴(yán)重的心跳、眼動(dòng)和眨眼信號(hào)的腦電信號(hào)；

圖2為計(jì)算得到的人工干擾信號(hào)；