[發(fā)明專利]一種基于盲源分離的眼動信號在線自動識別及降噪系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111056230.6
• 申請日: 2021-09-10
• 公開（公告）號: CN113907767A
• 公開（公告）日: 2022-01-11
• 發(fā)明（設(shè)計）人: 陳軍;于慶鵬;王若鵬
• 申請（專利權(quán)）人: 心儀腦（上海）信息技術(shù)有限公司
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/372;A61B5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于盲源分離在線自動識別眼動及降噪系統(tǒng)，其特征在于，包括如下步驟：

步驟一，初始化在線ICA所需參數(shù)，具體包括白化矩陣W_white及解混矩陣W_ICA；

步驟二，采集包含眼動偽跡的腦電信號；

步驟三，對包含眼動偽跡的腦電信號做預(yù)處理，包括帶通濾波和降采樣；

步驟四，設(shè)定2秒的時間窗，每2秒更新在線ICA參數(shù)，同時解混時間窗內(nèi)的腦電信號以獲得獨立成分；

步驟五，計算每個被解混獨立成分的峰度得到噪聲統(tǒng)計特征；

步驟六，根據(jù)噪聲統(tǒng)計特征識別眼電偽跡，根據(jù)設(shè)定好的閾值將其置零；

步驟七，重新混合獨立成分為腦電信號，獲得去除眼電偽跡后的腦電信號。

2.如權(quán)利要求1所述的基于盲源分離在線自動識別眼動及降噪系統(tǒng)，其特征在于：所述步驟一中，參數(shù)W_white、W_ICA初始化為單位矩陣,以保持其正交的假設(shè)。

3.如權(quán)利要求1所述的基于盲源分離在線自動識別眼動及降噪系統(tǒng)，其特征在于：所述步驟二中含眼動偽跡的腦電信號X(t)＝[x₁(t)，x₂(t)，...，x_n(t)]^T∈^Rn×t；其中，T表示矩陣轉(zhuǎn)置，n表示腦電通道數(shù)量，t表示時間，R表示實數(shù)域。

一般而言，t的大小為2秒的時間窗與采樣頻率的乘積，即步驟二中的腦電信號不是長時間的信號而是即時獲取的數(shù)據(jù)塊。

進一步，腦電信號由不同的獨立源S(t)＝[s₁(t)，s₂(t)，...，s_n(t)]^T混合而成，獨立源S(t)的每個成分之間互相統(tǒng)計獨立，其大小等同于腦電信號X(t)。腦電信號X(t)與獨立源S(t)之間的關(guān)系可以表示為X(t)＝W_ICA^-1S(t)，W_ICA即是需要計算的參數(shù)。

4.根據(jù)權(quán)利要求2所述的在線自動識別眼電及降噪系統(tǒng)，其特征在于：對含眼動偽跡的腦電信號X(t)＝[x₁(t)，x₂(t)，...，x_n(t)]^T∈R^n×t做預(yù)處理，具體步驟為：

1)利用窗函數(shù)對腦電信號X(t)做0.5Hz至60Hz帶通濾波；

2)之后對腦電信號X(t)做去中心化，各腦電通道分別減去自身均值；

3)再對中心化的腦電信號做矩陣白化；

4)更新白化矩陣。

5.根據(jù)權(quán)利要求1所述的基于盲源分離在線自動識別眼動及降噪系統(tǒng)，其特征在于：所述步驟三中對混有眼電偽跡的腦電信號數(shù)據(jù)塊X(t)使用在線ICA方法進行處理，得到獨立源數(shù)據(jù)塊S(t)；其具體過程為：

在線ICA采用改進的infomax算法，具體如下：

盲源分離算法的數(shù)學模型為：

X(t)＝A·S(t)

上式變形后：S(t)＝W·X(t)＝[s₁(t)，s₂(t)，...，s_n(t)]^T，其中W＝A^-1；

W隨時間變化的更新式為其中η為學習率，f(·)為非線性激活函數(shù)，λ_n是遺忘因子。