[发明专利]一种基于盲源分离的眼动信号在线自动识别及降噪系统

说明书

本发明公开的一种在线自动识别眼动噪声及降噪系统，包括如下步骤，步骤一：初始化在线ICA所需参数；步骤二：采集原始脑电数据，可能包括眼动伪迹；步骤三：对原始脑电数据做预处理；步骤四：设定2秒的时间窗，每2秒更新ICA参数，同时解混时间窗内的脑电信号获得独立成分；步骤五：计算每个被解混独立成分的统计特征；步骤六：根据噪声特征识别眼动伪迹，根据设定好的阈值将其置零；步骤七：重新混合独立成分为脑电信号，获得去除眼动伪迹后的脑电信号。本发明属于脑电信号处理技术领域，本发明提供了一种解决当前对于脑电信号污染严重，在线算法不能自动识别噪声成分的缺点，能从脑电信号中自适应的提取并识别噪声，具有计算量低、鲁棒性高等优点。

技术领域

本发明属于脑电信号处理领域，涉及一种基于盲源分离的眼动信号在线自动识别及降噪系统。

背景技术

随着脑电采集设备逐渐普及，基于脑电的相关应用逐渐变多，脑电数据量也与日俱增。在头皮测量的脑电信号受到大量噪声的影响，包括设备噪声和生物噪声两大类。设备噪声包括脑电采集设备的工频干扰，其他设备对脑电采集设备的电磁干扰等。生物噪声包括由眼部噪声源产生的眨眼和眼动、由心脏噪声源产生的心电噪声、头部各处肌肉产生的肌电噪声、出汗尝试的噪声等。上述噪声远大于头皮采集的脑电信号，尤其是眼电噪声。

基于脑电信号的情绪识别以及事件相关电位等，特别需要使用前额叶位置电极的问题来说，使用受眼动噪声污染严重的信号将无法解析信号中的特征，对分析结果的影响是巨大的。到目前为止，去除脑电信号中眼动噪声的方法主要是基于离线的分析方法，无法满足在线脑电系统的需求。特别是对于神经反馈等对即时性要求非常严格的脑电系统来说，一种在线降噪系统是必不可缺的。

我们为解决上述问题而设计了一种在线实时地从脑电信号中去除眼电噪声的系统，可实现完全自动化的剔除眼动噪声。

发明内容

针对上述情况，为克服现有技术的缺陷，本发明提供一种在线分离脑电信号中的眼动成分，并且可以识别和自动化去除的方法，旨在提高脑电信号的信噪比，解决现在脑电预处理方法无法完全自动化去除眼电噪声的问题，为后续在线处理脑电信号提供基础。通过计算峰度可以有效地识别出眼电噪声，为实现自动化去除眼电提供了基础。

为实现上述目的，本发明设计一种在线实时自动化识别去除眼电系统。本系统包括三个部分，包括数据预处理、基于在线ICA的盲源分离、眼电噪声自动化识别。

本发明所述从脑电中分离、识别、自动化去除眼动的步骤如下：

步骤一：通过脑电采集设备实时获取原始脑电信号，这当中除了脑电信号以外还包括眼动信号，N通道脑电采集设备获取的原始脑电信号为X(t)＝[x₁(t)，x₂(t)，...，x_N(t)]^T，在实时采集情况下获取脑电信号为数据块，其长度大于采样频率；

步骤二：对原始的脑电信号实时做带通滤波，以减少低频噪声和高频噪声的影响，包括设备的零点漂移、出汗伪迹，高频的肌电噪声、工频噪声等；

步骤三：设定2秒的时间窗，对此时间窗内带通滤波后的脑电信号做中心化；

步骤四：对时间窗内数据做矩阵白化，降低信号间的相关性；

步骤五：应用在线ICA算法对时间窗内的数据做盲源分离；

步骤六：计算时间窗每个独立成分的峰度用以识别分离后的信号中是否存在眼动噪声；

步骤七：计算解混矩阵的逆矩阵还原独立成分为降噪后的脑电信号。

进一步地，所述步骤一中所使用脑电采集设备包括32导脑电通道，其采样频率为500Hz；