[發明專利]基于EEMD-PCA去除EEG信號中運動偽跡的方法及裝置

在審

• 申請號: 202110161627.5
• 申請日: 2021-02-05
• 公開（公告）號: CN112957055A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 李慧慧;馬俊嵩;王磊;王博;譙小豪;顏延
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: A61B5/372
• 分類號: A61B5/372
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 魏毅宏

本發明涉及EEG移動腦電圖處理領域，具體涉及一種基于EEMD?PCA去除EEG信號中運動偽跡的方法及裝置。該方法及裝置基于EEMD分解單通道EEG信號，得到各階的本征模態函數；基于PCA將各階本征模態函數分離出主成分；計算出每個主成分的自相關性；將自相關性大于預設閾值的主成分被判定為偽跡主成分；將被判定為偽跡的主成分進行去除；對剩余的主成分進行PCA逆變化處理后再進行EEMD逆變化處理，得到去除噪聲后的EEG信號。本發明偽跡去除方法，相比于目前技術去偽效果得到顯著提升。

技術領域

本發明涉及規劃領域，具體而言，涉及一種基于EEMD-PCA去除EEG信號中運動偽跡的方法及裝置。

背景技術

在過去的幾年中，許多研究都集中在研究和開發基于移動腦電圖的腦機接口(brain-computer interfaces，BCI)，這些接口技術能夠在日常生活中采集人們的EEG(electroencephalogram，腦電圖)信號。目前市面上，制造商已經開發生產出多種型號的便攜式EEG采集設備；另外新興的傳感器技術可實現使用無凝膠的EEG采集電極，并可由用戶自己快速簡便地使用EEG采集設備，用戶的使用場景得到很大的擴展。EEG信號非常微弱，容易受到各種噪聲和偽跡的影響，便攜式采集設備與傳統的腦電圖采集設備相比，使用場景、傳感器的變化，使這些便攜式設備采集的腦電圖信號更容易受到干擾，尤其是由于人體運動引起的運動偽跡。運動偽跡具有較寬的頻譜分布，因此會干擾所有EEG頻段。特別是它們對應的頻譜與15-30Hz范圍的Beta頻帶有很大的重疊。其次運動偽跡的幅值相比與EEG信號可大一到兩個數量級，最后，與其他腦電偽跡相比，運動偽跡與重復性較低的趨勢相關。

2012年研究人員使用自適應濾波、卡爾曼濾波器和集合經驗模態分解(ensembleempirical mode decomposition，EEMD)-獨立成分分析(Independent componentanalysis,ICA)方法對比了單通道EEG運動偽跡的去除效果，發現EEMD-ICA相比與另外兩種方法有較好的效果。接下來研究人員又提出了集合經驗模態分解(EEMD)-典型相關成分分析(Canonical correlation analysis，CCA)方法，運動偽跡去除的效果得到了提升，但是這個方法仍然不能去除完全去除運動偽跡成分。主成分分析(Principal componentanalysis，PCA)最早被引入腦電圖分析中，作者使用它來憑經驗確定眼睛活動的空間分布。目前PCA通常作為多通道EEG信號的降維步驟。

目前去除EEG運動偽跡主要分為兩種，一是這些研究要么大多數都局限于高度受控的實驗室環境，例如在跑步機上行走，要么就是需要額外的參考信息，例如使用慣性傳感器作為參考。第二種是使用盲源分離技術，列如ICA和CCA。ICA使用高階統計量獲得統計意義上的獨立源，CCA使用二階統計量獲得統計意義上的獨立源，兩種方法對于完全分離出運動偽跡成分，去除偽跡效果有限。

發明內容

本發明實施例提供了一種基于EEMD-PCA去除EEG信號中運動偽跡的方法及裝置，相比于目前技術去偽效果得到顯著提升。

根據本發明的一實施例，提供了一種基于EEMD-PCA去除EEG信號中運動偽跡的方法，包括以下步驟：

基于EEMD分解單通道EEG信號，得到各階的本征模態函數；

基于PCA將各階本征模態函數分離出主成分；

計算出每個主成分的自相關性；

將自相關性大于預設閾值的主成分被判定為偽跡主成分；

將被判定為偽跡的主成分進行去除；

將剩余的主成分經過PCA逆變化再經過EEMD逆變化，得到去除噪聲后的EEG信號。

進一步地，在基于EEMD分解單通道EEG信號，得到各階的本征模態分量中包括：