[发明专利]一种基于单通道的脑电信号中肌电噪声消除方法

说明书

技术领域

本发明属于生物信息技术领域，尤其涉及一种基于单通道的脑电信号中肌电噪声消除方法，主要应用于人脑功能的移动健康监护与人脑相关疾病的研究。

背景技术

脑电信号是通过精密医学仪器记录的人体脑部神经细胞群微弱的自发性、节律性电生理活动，具有采集无创性和时间分辨率高等优点，已经被广泛应用于医学临床诊断和人机接口等众多领域。然而由于脑电信号是微伏量级的相对微弱的电生理信号，不可避免地会受到肌电、眼电和心电等其它电生理活动的干扰。其中，肌电噪声是最难消除的干扰源，它在脑电信号中的存在极大地影响了后续脑电信号阅读和分析的准确性。在很多临床实验研究中，带有明显肌电噪声的脑电信号都会被整体丢弃，从而造成实验数据的缺失和不连续，可能会引起重要信息的丢失。因此，设计行之有效的方法消除脑电信号中肌电噪声的干扰，对实际临床诊断和神经科学研究具有十分重要的意义。

最早的研究者们尝试用低通滤波的方法来消除脑电信号中的肌电噪声，然而，由于脑电信号和肌电噪声在频谱分布上有较大的重合，这种方法虽然能够去掉肌电噪声，但是同时也会损失一部分有价值的脑电信号，对后续分析很不利。

近年来，独立成分分析，作为一种利用统计独立性进行盲信号分离的技术，在脑电信号噪声消除中得到了广泛的应用，尤其在去除眼电和心电噪声中取得了很好的效果。虽然，独立成分分析在肌电噪声消除中也取得了一定的效果，但最新的研究发现，通常情况下，它并不能把脑电信号与肌电噪声很好地分离到不同的独立分量中，这两种信号在很多独立分量中混合严重。造成这种现象的主要原因可归结于肌电噪声的以下三个特性：一是空间分布和频谱分布十分广泛；二是对认知和情感过程十分敏感；三是非定型性。如果要用独立成分分析去除脑电信号中肌电噪声的干扰，会不可避免地损失有用的脑电信号。

最近，典型相关分析,作为一种利用统计自相关性进行盲信号分离的方法被提出，其可以很好地解决脑电信号中肌电噪声干扰的问题，并被实验证明可以取得比低通滤波和独立成分分析更佳的去噪效果。该方法利用肌电噪声相对于脑电信号具有较低的自相关系数，将肌电噪声隔离在最后几个典型变量中，通过设定自相关系数阈值，可以将肌电噪声自动消除。虽然，典型相关分析在随后的大量临床实验中被证实可以改善脑电信号分析的准确率，但是仍然存在不足之处。包括：当多通道脑电信号被较多肌电噪声严重干扰而造成信噪比较低时，典型相关分析就不能够完全将肌电噪声有效地隔离；在移动健康监护需求不断增加的今天，便携穿戴式脑电设备的逐渐普及成为必然，面对单通道和少数通道带有肌电噪声的脑电信号，典型相关分析，这种基于较多通道数才能有效分解信号的方法，根本无法满足现状的要求。

考虑到头部肌肉数量较多分布较广，产生肌电噪声的信号源数量通常会大于测量的通道数量，传统的基于多通道的盲信号分离方法只能恢复出与通道数相同数量的信号源，并不能将肌电噪声信号源与脑电信号源很好地分离。

发明内容

本发明是为避免上述现有技术所存在的不足之处，提供一种基于单通道的脑电信号中肌电噪声消除方法，旨在提高脑电信号中肌电噪声消除的灵活性和准确率：一方面，解决在移动健康监护中面临的便携穿戴式脑电设备单通道和少数通道的肌电噪声消除问题；另一方面，解决在临床诊断和神经科学研究中面临的多通道脑电设备过多过重的肌电噪声消除问题。

本发明解决所述技术问题采用的技术方案如下：

本发明基于单通道的脑电信号中肌电噪声消除方法，其特点是按如下步骤进行：

步骤1：采用N通道脑电测量设备记录N个通道的脑电信号x_i(t)，1≤i≤N，构成脑电信号矩阵x(t)＝[x₁(t),x₂(t),.…,x_N(t)]^T，i赋值为1；

步骤2：利用总体平均经验模态分解将第i个通道的脑电信号x_i(t)分解成为P个本征模式分量l₁(t)、l₂(t)、…、l_P(t)，构成本征模式分量矩阵l(t)＝[l₁(t),l₂(t),.…,l_P(t)]^T，每个本征模式分量满足两个条件：

条件一：极值点的数量和过零点的数量相等或者相差一个；

条件二：由局部最大值和局部最小值分别定义的包络在任一时间点t上的均值为零；