[发明专利]利用异常值检测精确确定脑电或眼电中眨眼区间的方法

说明书

本发明涉及一种利用异常值检测精确确定脑电或眼电中眨眼区间的方法。首先将采集的原始信号进行预处理，去除采集信号中的工频50Hz噪声干扰，去除基线漂移以及去除高频噪声；然后对预处理后的信号通过异常值检测的方法确定合适的阈值，之后找到预处理信号中的所有局部极大值及局部极大值的位置，用相邻局部极大值进行相减，再将相邻两个局部极大值差值的绝对值与异常值检测方法确定的阈值相比较，最后精确确定眨眼信号的起点和终点。本发明可以精确确定脑电或眼电信号中眨眼信号的起点和终点，从而在去除眨眼干扰的时候，将该区间置零，可以使得原始信号的损失尽可能的小。

技术领域

本发明涉及一种利用异常值检测精确确定脑电或眼电中眨眼区间的方法。

背景技术

脑电(electroencephalogram，EEG)和眼电信号(electroopticgraph，EOG)是人体生物电信号，可以作为控制信号应用于一些人机交互系统，这样可为运动障碍患者的生活提供方便。但是无意识眨眼作为一种正常的生理反应，其幅值较大且无法避免，眨眼信号会成为干扰信号使得系统产生误操作，因此需要去除脑电或眼电中的眨眼信号。目前已经发表的文献研究中，去除脑电或眼电信号中眨眼信号的方法主要有以下几种方法。(1)使用独立成分分析(Independent ComponentCorrelationAlgorithm，ICA)方法从原始多通道EEG，EOG信号中分离出眨眼信号并将此通道置零，之后将信号进行重构从而去除眨眼信号。或者使用离散小波变换与盲源分离结合的方法，将分解后与眨眼信号相关系数最高的通道置零，最后将信号进行重构得到去眨眼信号。上述方法是将原始信号分解，找到与眨眼信号相关性最大的通道直接置零，这样会造成原始信号中部分有意义的信号损失。(2)使用原始信号在滑动窗口内求导从而确定眨眼的位置，但导数数值作为眨眼的判别比较粗糙，并且滑窗的大小也会影响结果。(3)使用小波包将原始信号在频域上进行分解，结合统计学理论确定阈值，对小波包分解的低频分量采用阈值判定准则和重构策略去除眨眼信号，但是由于样本数目有限，基于统计信息确定的阈值有效性差，无法准确确定眨眼区域。

脑电或眼电信号应用在疾病诊断，脑机接口和人机接口等领域时，高质量的脑电或眼电的测量是重要的。为了避免眨眼信号的干扰，因此要将脑电和眼电信号中的眨眼干扰去除，但是在去除眨眼干扰的过程中不能干扰或者丢失有意义的脑电或眼电信号，所以精确确定出眨眼信号的区间，减少有意义脑电或眼电信号的损失是重要的。

发明内容

本发明的目的在于提供一种利用异常值检测精确确定脑电或眼电中眨眼区间的方法，该方法能够精确的确定脑电或眼电信号中眨眼信号中的起点和终点；且能够保证原始脑电或眼电信号的损失尽可能的小；便于脑电或眼电信号进行后续研究。

为实现上述目的，本发明的技术方案是：一种利用异常值检测精确确定脑电或眼电中眨眼区间的方法，包括如下步骤：

步骤S1、将采集的原始信号进行预处理，去除采集信号中的工频50Hz噪声干扰，去除基线漂移以及去除高频噪声；

步骤S2、对预处理后的信号通过异常值检测方法确定阈值；

步骤S3、找到预处理信号中的所有局部极大值及局部极大值的位置，用相邻局部极大值进行相减，再将相邻两个局部极大值差值的绝对值与异常值检测方法确定的阈值相比较，精确确定眨眼信号的起点和终点。

在本发明一实施例中，所述步骤S2中，异常值检测方法采用Chauvenet Criterion标准、Peirce标准或调整框图法。

在本发明一实施例中，所述Chauvenet Criterion标准和Peirce标准均包括以下四步：

(1)计算信号的平均值和标准差；

(2)计算的值，其中d_i代表绝对误差，x_i代表点的信号值，代表x的平均值；