[发明专利]单通道脑电信号中肌电伪迹的自动去除方法

说明书

本发明公开了一种用于单通道脑电信号中肌电伪迹的去除方法，将脑电信号通过SSA分解得到P个信号分量；将P个信号分量按行拼接成一个P维数据矩阵；将P维数据矩阵进行时间延迟处理得到若干个数据矩阵；利用MCCA对若干个数据矩阵进行盲源分离，得到源估计矩阵S和混合矩阵A；识别源估计矩阵中与肌电伪迹相关的源；去除源估计矩阵中的肌电伪迹，将识别为肌电伪迹的源置零，得到消除肌电伪迹后的源估计矩阵S’，并通过重构得到去除肌电伪迹后的多通道脑电信号X′＝A*S′；将多通道脑电信号X’的各行求和，即可最终得到去除了肌电伪迹后的单通道脑电信号x’。本发明去除肌电伪迹的同时尽可能保留了脑电信息，提高了脑电信号分析的准确性。

技术领域

本发明涉及脑电信号处理技术领域，特别涉及一种单通道脑电信号中肌电伪迹的自动去除方法。

背景技术

脑电图(Electroencephalograph,EEG)是大脑神经细胞的电生理活动在头皮上的反映。由于具有高时间分辨率、非侵入式、低成本和适合长期监测等特点，脑电图已被广泛用于研究脑功能和病理性脑机制。但是EEG在记录大脑活动的同时，也记录了大脑以外的其他活动产生的电信号，而这些被记录的不是由大脑活动产生的电信号称为伪迹。常见的伪迹包括眼电(Electrooculogram，EOG)、肌电(Electromyography，EMG)、心电(Electrocardiography，ECG)以及由电路或外部设备带来的噪声等。相比于其他类型的伪迹信号，比如心电(ECG)和眼电(EOG)，头部肌肉收缩(即肌电(EMG)信号)对EEG产生的干扰更难以消除，其主要原因可能在于肌电伪迹具有高振幅、宽频谱以及生理分布更广等特点，导致一些简单的伪迹去除方法失效。伪迹的存在对后续脑电信号分析造成了极大的影响，可能会导致重要信息的丢失。因此，伪迹去除是神经信息处理应用中最重要的预处理步骤之一，对神经科学研究以及实际临床诊断都具有重要意义。

目前的肌电伪迹去除方法主要分为两类：伪迹拒绝和伪迹校正。伪迹拒绝是将包含伪迹的脑电时段整个去除，这种方法的主要缺点是它也会消除重要的脑电信息，导致数据丢失；而伪迹校正是指采用各种方法去除伪迹成分的同时尽可能的保留脑电信息。伪迹校正技术主要包括：1)滤波，通过使用特定频段的滤波器来去除脑电信号中的肌电伪迹；然而由于肌电信号频谱分布范围广，和脑电信号有较大的重合，所以在去除肌电伪迹的同时也会损失一部分脑电信号。2)小波变换(wavelet transform，WT)，通过小波变换将观测信号分解为一系列基函数，然后对系数进行阈值处理以去除肌电伪迹，最后通过小波重构得到纯净的EEG信号；但是小波变换方法需要大量的实验来选择合适的小波基函数和分解层次。3)盲源分离(Blind Source Separation，BSS)，盲源分离类算法用于从多个观测到的混合信号中分析出未知的信号源以及混合矩阵，然后将伪迹相关的信号源去除，最后通过混合矩阵就可以得到纯净信号；常见的BBS算法有：主成分分析(Principal componentanalysis，PCA)、独立成分分析(Independent component analysis，ICA)和典型相关分析(canonical correlation analysis，CCA)。4)经验模态分解(empirical modedecomposition，EMD)，通过EMD将观测到的EEG信号分解得到若干本征模式分量(IMF)，然后将与肌电伪迹相关的IMF去除再重建信号即可得到纯净EEG。EMD是一种数据驱动的方法，用于对非平稳、非线性、随机过程进行处理，因此非常适用于脑电信号分析和处理，但是EMD计算复杂度高，一般需要耗时数分钟，不太适合实时处理。

随着近年来可穿戴设备的快速发展以及未来个人医疗的需求，如何有效去除单通道脑电数据中的伪迹信号变得尤为重要。

发明内容

本发明是为了克服现有技术的不足，提供一种单通道脑电信号中肌电伪迹的自动去除方法，从观测脑电信号中去除肌电伪迹的同时尽可能保留脑电信息，避免脑电信息的丢失，从而提高脑电信号分析的准确性。