基于独立分量分析的自适应最大熵算法对脑电干扰的识别与剔除
高莉
黄力宇
1.西安电子科技大学电子工程学院生物医学工程系,陕西西安,7100712.西安电子科技大学电子工程学院生物医学工程系,陕西西安,710071
摘要：目的 提出一种在脑电信号采集过程中自动识别和剔除各种干扰的新方法.方法 将独立分量分析(ICA)最大熵算法和非线性参数阈值设定相结合.首先对ICA最大熵算法进行自适应改进,并将其用于对包含肌电、眼动等各种干扰的19导脑电信号进行独立分量分解;然后对各独立成分进行3个参数的非线性分析,通过设定的阈值,自动识别出其中的伪迹成分;在去除识别出的各伪迹的独立成分后,将其余独立成分反投影到头皮各电极处,得到去除干扰后较为纯净的脑电信号.结果 研究表明,基于盲源分离技术的自适应最大熵算法实现了脑电信号与其中所包含的多种干扰成分的分离,通过信号的重建可实现对不同来源干扰的剔除.结论 自适应最大熵算法是生理信号消噪研究中一种有潜力的方法.
关键词：脑电图独立分量分析最大熵算法干扰非线性参数
分类号：R319(医用一般科学)
资助基金：国家自然科学基金(60371023)
论文发表日期：2008-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 142-146 )
英文信息