[发明专利]基于变分模态分解和二阶盲辨识的脑电信号伪迹去除方法

说明书

本发明涉及脑电信号伪迹去除技术领域，尤其是公开了一种基于变分模态分解和二阶盲辨识的脑电信号伪迹去除方法。本发明首先对被眼电伪迹（EOG）和肌电伪迹（EMG）两种伪迹同时污染的脑电信号进行VMD分解为多个固有模态函数（IMF），然后将这多个IMF作为SOBI的输入信号进一步盲源分离，使得脑电信号和伪迹信号分离开，接着计算每个分离得出的信号分量的模糊熵值，根据模糊熵值识别出伪迹分量，并将伪迹分量置零，最后做逆SOBI变换，重构出纯净脑电信号。通过对仿真信号的实验结果表明，本发明的方法可以比较有效的去除脑电信号中的伪迹成分，并且可以最大限度的保留有用成分。

技术领域

本发明涉及单通道脑电信号伪迹去除技术领域，具体是一种基于变分模态分解和二阶盲辨识的脑电信号伪迹去除方法。

背景技术

脑电信号(Electroencephalogram，EEG)是大脑活动引起的电信号行为，可以反映脑神经细胞的电生理活动，可以获取到大量生理或心理活动以及一些疾病信息，是检测大脑功能和状况的有效手段之一。但在采集过程中，由于采集设备、外部环境及人体生理活动等影响，会不可避免的混入一些伪迹，如眼电伪迹、肌电伪迹等。这些伪迹会对后续脑电信号的处理造成很大影响，所以，我们需要开发一些有效的方法去除这些伪迹而且能够最大限度的保留有用信息。

目前来说，虽然没有一种特定的方法能够对所有类型的脑电信号都能有效去除伪迹，但是BSS方法依旧是处理脑电信号最广泛、有效的方法。和其他方法一样，BSS也有其局限性，此方法对源信号的通道数有要求，通道数较少会影响其效果，所以一般不会直接用于少通道或者单通道信号。而如今随着便携式脑电信号采集系统发展，很多情况下只能采集到少通道甚至单通道EEG，特别是生物医学方面，便携式脑电采集系统将更加适应社会需求。为了突破盲源分离无法直接应用于单通道EEG的限制，研究者们通常会引入信号分解方法，即先将原始EEG分解为多个信号分量，作为盲源分离的输入，再进行伪迹的识别与去除，最后重构出纯净的EEG。

在分解方法中，具有自适应分解的经验模态分解(EMD)被广泛应用，但是用EMD方法分解的信号会存在模态混叠现象，会造成伪迹去除不彻底或者误将有用信息去除的结果，而且，EMD方法并没有坚实的理论基础，后续也有人提出了它的改进算法EEMD、CEEMD等方法，但还是会出现残存噪声等现象。

针对上述问题，本发明提出变分模态分解(Variational Mode Decomposition，VMD)和SOBI算法相结合的方法。既解决了EMD分解方法的模态混叠现象，又克服了ICA算法针对于处理不同伪迹的局限性。通过半模拟仿真实验表明，所提方法相较于其他现有去除方法具有更好的去除眼电、肌电伪迹效果，且能最大限度的保留有用信息。

发明内容

本发明的目的是要解决单通道脑电信号常被多种伪迹污染而影响后续处理的问题，提供一种生物医学信号处理的途径。

为达到上述目的，本发明是按照以下技术方案实施：

一种基于变分模态分解和二阶盲辨识的脑电信号伪迹去除方法，包括以下步骤：

S1、采用变分模态分解(VMD)方法对被眼电伪迹(EOG)和肌电伪迹(EMG)同时污染的脑电混合信号y(t)进行分解，得到p个固有模态分量(IMF)，表示为固有模态分量矩阵u(t)，u(t)＝[u₁(t),u₂(t),…,u_p(t)]；

S2、将p个IMF作为盲源分离算法二阶盲辨识(SOBI)的输入信号，进行进一步分离，得到p维信号分量矩阵s(t)，s(t)＝[s₁(t),s₂(t),…,s_p(t)]。

S3、计算经过S1和S2步骤后，得到的s(t)中的每个信号分量的模糊熵值，根据模糊熵值识别出伪迹分量，并将识别出伪迹分量置零，得到不含伪迹成分的信号矩阵