盲源分離研究及其在腦電信號(hào)分析中的應(yīng)用.pdf

1、腦電是一種特殊的生物電活動(dòng)，反映了大腦的功能狀態(tài)，分為自發(fā)腦電(EEG)和誘發(fā)電位(EP)兩種。頭皮上采集的腦電可以看作是大腦內(nèi)的電活動(dòng)在頭皮上的電位分布，以及人體其它器官組織產(chǎn)生的生物電活動(dòng)(包括心電，眼電和肌電等)和各種外界因素引起的干擾信號(hào)。這些腦外來(lái)源的干擾信號(hào)稱之為偽差。腦電信號(hào)分析的任務(wù)之一就是去除腦電中的偽差，分離出純凈的腦電，以便應(yīng)用于臨床診斷和腦認(rèn)知科學(xué)研究。誘發(fā)電位是神經(jīng)系統(tǒng)接受內(nèi)外刺激所產(chǎn)生的特定電活動(dòng)。通過(guò)誘發(fā)電

2、位的檢測(cè)可以診斷和分析神經(jīng)系統(tǒng)的病變和損傷。腦電信號(hào)分析的任務(wù)之二就是如何從強(qiáng)背景自發(fā)EEG中提取EP信號(hào)。 盲源分離(BSS)技術(shù)是一種新興的信號(hào)分析方法，其本質(zhì)上與獨(dú)立分量分析(ICA)是一致的。ICA是一種多通道信號(hào)處理技術(shù)，其特點(diǎn)是除源信號(hào)相互統(tǒng)計(jì)獨(dú)立外無(wú)其它先驗(yàn)知識(shí)的情況下，將觀察信號(hào)分解成為獨(dú)立的分量。本文主要對(duì)ICA的原理，判據(jù)，以及優(yōu)化算法做了歸納性的研究，并將其應(yīng)用到腦電信號(hào)的偽差去除和EP信號(hào)的提取中。

3、 本文基于峭度的快速固定點(diǎn)算法(FastICA)的基礎(chǔ)上，對(duì)帶參考信號(hào)的ICA(rICA)進(jìn)行了擴(kuò)展，提出了一種多參考信號(hào)的ICA方法。新方法一方面克服了FastICA的計(jì)算量過(guò)大，對(duì)分離的分量需要人工判別的缺點(diǎn)，另一方面也彌補(bǔ)了rICA算法僅僅能提取一路目標(biāo)信號(hào)的缺陷。文中不但詳細(xì)的介紹了多參考信號(hào)的ICA方法的原理及算法，而且給出了具體的偽差去除算法，最后還將此方法應(yīng)用到多個(gè)腦電偽差的去除中，仿真實(shí)驗(yàn)進(jìn)一步驗(yàn)證了算法了有效性。

4、 在無(wú)加性噪聲的情況下，ICA能夠較好的對(duì)多導(dǎo)信號(hào)做盲分離。但實(shí)際從頭皮采集的腦電信號(hào)中，加性噪聲的干擾是不可避免的。ICA對(duì)含有加性噪聲的多導(dǎo)信號(hào)的處理效果急劇下降。通常的處理方法是將多導(dǎo)信號(hào)先通過(guò)小波降噪，然后將去噪后的多導(dǎo)信號(hào)作為ICA的輸入。本文提出了一種小波變換(WT)與ICA相結(jié)合的方法。具體方法是：先對(duì)多導(dǎo)信號(hào)進(jìn)行小波分解，然后對(duì)分解得到的小波系數(shù)進(jìn)行帶參考信號(hào)的ICA分離，最后通過(guò)小波重構(gòu)得到目標(biāo)信號(hào)。本文將此方法應(yīng)