基于小波消噪和盲源分离的脑电信号处理方法  

EEG signals processed by wavelet de-noising and blind source separation

作　　者：罗志增[1] 徐斌[1] 

机构地区：[1]杭州电子科技大学智能控制与机器人研究所,浙江杭州310018

出　　处：《华中科技大学学报（自然科学版）》2011年第S2期157-160,168,共5页Journal of Huazhong University of Science and Technology(Natural Science Edition)

基　　金：国家自然科学基金资助项目(60874102)

摘　　要：针对脑电信号中噪声及夹杂的眼电、心电等伪迹,采用小波分解重构消噪和基于熵估计的RADICAL算法进行消除.对3路脑电观测信号进行小波消噪和白化处理后,通过雅可比旋转矩阵分别对其中的两两组合信号用RADICAL算法进行分离,得出最优分离矩阵完成盲源分离,并引入互相关系数、矩阵相关系数验证算法的有效性.实验结果表明:源信号未知的3路相互串扰脑电信号盲分离后各个分量之间的互相关系数近似为0,并且其矩阵相关系数每行均有大于0.95的值,优于常用的FastICA算法,说明该方法能有效去除脑电信号中噪声和伪迹.针对脑电信号中噪声及夹杂的眼电、心电等伪迹,采用小波分解重构消噪和基于熵估计的RADICAL算法进行消除.对3路脑电观测信号进行小波消噪和白化处理后,通过雅可比旋转矩阵分别对其中的两两组合信号用RADICAL算法进行分离,得出最优分离矩阵完成盲源分离,并引入互相关系数、矩阵相关系数验证算法的有效性.实验结果表明:源信号未知的3路相互串扰脑电信号盲分离后各个分量之间的互相关系数近似为0,并且其矩阵相关系数每行均有大于0.95的值,优于常用的FastICA算法,说明该方法能有效去除脑电信号中噪声和伪迹.

关 键 词：脑电信号 小波分解 小波重构 熵估计 雅可比旋转 

分 类 号：N55[自然科学总论]