[发明专利]一种快速的脑电信号中眼电伪迹自动识别和去除的方法

权利要求书

1.一种快速的脑电信号中眼电伪迹自动识别和去除的方法，其特征在于，包括以下步骤：

(1)采集n+1导信号x(t)；

首先按照国际标准10-20系统来安放电极，通过电极帽采集n导脑电信号，同时采集1导眼电信号，共采集了n+1导信号x(t)＝[x₁(t)，x₂(t)，…x_n+1(t)]^T∈R^(n+1)×N，

其中，x_i(t)为采集到的任意导信号，i代表每导信号对应的序号，i为正整数且i∈[1，n+1]，t为每导信号的样本点且t为正整数，N为样本点总数，R为实数集，设第l导为眼电信号；

(2)计算采集到的n+1导信号x(t)的离散小波变换系数矢量具体包括以下步骤；

2.1选择小波基函数，并采用Mallat算法对采集到的任意导信号x_i(t)进行L层分解，得到采集到的任意导信号x_i(t)的第j层分解的逼近系数分量与细节系数分量

其中，j代表分解尺度，j∈[1，L]且为整数；

2.2将采集到的任意导信号x_i(t)的逼近系数分量及细节系数分量进行串接，得到任意导信号x_i(t)的离散小波变换系数矢量其结构如下：

x~i(t)=[aiL,diL,diL-1,···,di1]T∈RM×1---(1)]]>

其中，R为实数集，M为每导信号小波系数的样本点总数；

2.3计算n+1导信号x(t)的离散小波变换系数矢量即

x~(t)=[x~1(t),x~2(t),···,x~n+1(t)]T∈R(n+1)×M---(2)]]>

其中为步骤2.2得到的离散小波变换系数矢量；

(3)计算分离矩阵W；

把步骤(2)中得到的离散小波变换系数矢量作为独立分量分析算法所需要的多导输入，独立分量分析算法采用基于负熵判据的FastICA算法，FastICA算法的逼近算法选用紧缩逼近法，依次提取单个权值向量w_i(μ),i为正整数且i∈[1,n+1]，并在提取每个权值向量w_i(μ)前利用格拉姆-施密特正交化分解剔除所有已提取过的权值向量，通过不断迭代得到n+1个权值向量，从而计算分离矩阵W，计算公式如下：

W=[w₁(μ),w₂(μ),…,w_n+1(μ)]^T∈R^(n+1)×(n+1)(3)

（4）对离散小波变换系数矢量进行变换，计算独立成分矩阵y(t)，计算公式如下：

y(t)=Wx~(t)=[y1(t),y2(t),···,yn+1(t)]T---(4)]]>

其中，y_i(t)表示第i个独立成分，y_i(t)是由M个元素组成的列向量；

（5）分别计算每个独立成分y_i(t)与第l导眼电信号x_l(t)的离散小波变换系数矢量的夹角余弦值cosθ_i，其取值范围为[-1,1]，计算公式如下:

cosθi=Σq=1Myiqx~lqΣq=1Myiq2Σq=1Mx~lq2---(5)]]>

其中，M为每导信号小波系数的样本点总数，y_iq是列向量y_i(t)中的元素，是由M个元素组成的列向量，是列向量的元素，q代表元素的序号；

（6）剔除独立成分矩阵y(t)中的眼电伪迹成分，得到无眼电伪迹成分的独立成分矩阵

对步骤(5)中得到的各个独立成分y_i(t)与第，导眼电信号x_l(t)的离散小波变换系数矢量的夹角余弦值cosθ_i夕的绝对值进行排序，最大的|cosθ_i|值所对应的独立成分y_i(t)即为眼电伪迹成分，将独立成分矩阵y(t)中的眼电伪迹成分y_i(t)置零，其余独立成分不变，即得到无眼电伪迹成分的独立成分矩阵

(7)经过独立分量分析ICA逆变换将进行投影映射，得到

小波变换系数u(t)，即：

u(t)=W-1y~(t)=[u1(t),u2(t),···,un+1(t)]T---(6)]]>

其中，u_i(t)表示各导小波变换系数，i∈[1，n+1]；

(8)选择与步骤2．1中相同的小波基函数，采用Mallat塔式重构算法对步骤7中得到的各导小波变换系数u_i(t)重构脑电信号，其中i∈[1，n+1]且i≠，，即得到去除眼电伪迹后的n导脑电信号。