[发明专利]一种自适应脑电信号中眼电伪迹的自动去除方法

说明书

技术领域：

本发明涉及生物信息技术领域，特别涉及脑电信号(Electroencephalography，EEG)采集与预处理技术。具体讲是涉及基于希尔伯特-黄变换(Hilbert-Huang Transform，HHT)脑电信号中眼电伪迹(Electrooculography，EOG)的自动去除技术。

背景技术：

脑电信号的分析和研究在神经科学、心理学、生物医学等领域发挥着非常重要的作用。然而，EEG信号是一种非常微弱的电生理信号，在采集过程中易受到各种类型干扰源的影响。脑电干扰给分析脑电信号造成了很大的困难，尤其是阻碍了脑电信号的计算机自动分析与诊断。因此，如何有效地检测和消除EEG中的各种干扰成分，以提取出真实可靠的EEG信息，对脑电信号的分析和研究起着至关重要的作用。

脑电信号中的伪迹主要有眼电伪迹、舌电伪迹、肌电伪迹、脉搏伪迹和出汗伪迹等。相对于其他干扰信号源来说，眼电伪迹是存在于EEG信号中的一种最主要的干扰成分。它产生于人体自身，当眨眼或是眼球运动时，会引起较大的电位变化。在采集EEG时，眼电伪迹从其源发出，弥散到整个头皮，其幅度可达到100mV，而脑电信号幅度非常微弱，一般头皮脑电信号只有50μV左右，因此将导致采集到的EEG信号产生明显畸变，形成眼电伪迹。并且，眼电伪迹的频带也覆盖了脑电信号的频带，很难通过滤波的方法将其去除。在实验中，受试者眨眼、眼动是随机出现的，并且长时间避免眨眼及眼动，很难做到。因此，眼电干扰消除方法的研究一直是脑电信号预处理中的重要内容。

随着信号处理技术的不断发展，伪迹去除的方法也有了长足的改进。早期的方法主要是通过实验控制减少眼电伪迹和伪迹减法(Prtifact Subtraction，PS)去除伪迹，后来又出现了主成分分析(Principle Component Analysis，PCA)、独立成分分析(Independent Component Analysis，ICA)和小波变换(WaveletTransform，WT)等新的方法。

所谓实验控制法，是指要求被试者在实验中闭眼或者尽量避免眨眼和眼动，来达到限制眼电伪迹的目的。这种方法对被试者的苛刻要求，很难使其得到广泛应用。

伪迹减法，是应用较早的一种方法，它的特点是直观易懂、物理意义明确。这种方法的基本假设是测量得到的观测EEG信号是真实源EEG信号与伪迹的线性组合，真实EEG源与伪迹不相关，而且伪迹可以通过测量手段测得。

y_t(i)＝y(i)-kx(i)....................................(1)

(1)式中，y_t(i)表示去伪迹后的EEG；y(i)表示测量得到的EEG；x(i)表示眼电伪迹；k表示比例系数，即矫正后的EEG是从测量的EEG信号中除去一定比例的伪迹。k值的确定常用回归的方法进行估计。但是回归的方法都依赖于建立一个正确的回归导联(EOG)，而眼电信号和脑电信号的激活扩散都具有双向性，即实际测得EOG中也包含了EEG的成分，因此回归方法去除伪迹时，不可避免地去除某些EEG信号。

主成分分析法(Principle Component Analysis，PCA)是一种多道信号处理方法，是线性模型参数估计的一种常用方法。基本思想是利用正交原理将原来的相关自变量变换为另一组相互独立的变量。这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪声和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。PCA在EEG各导联分布的基础上，把各导信号分解为相互独立的成分，去掉不需要的成分，再重构EEG，以达到去除伪迹的目的。研究表明PCA在效果上显著优于基于回归的伪迹减法，然而PCA不能完全从EEG中分离与它的波形相似的电位的伪迹，效果不如独立成分分析。因为PCA是按正交原则来分解信号，没有考虑各分解分量的独立性。