The invention discloses a method for removing the EMG artifacts in single channel EEG signals, which decomposes the EEG signals through SSA to get P signal components, and splice the P signal components into a P dimensional data matrix according to the line. A number of data matrices are obtained by the time delay processing of the P dimension data matrix, and a number of data are obtained by MCCA. The matrix is separated by blind source, the source estimation matrix S and the mixed matrix A are obtained; the source of the EMG artifacts in the source estimation matrix is identified; the EMG artifacts in the source estimation matrix are removed, the source zeros of the EMG artifacts are identified, the source estimation matrix S after the EMG artifact is obtained, and the EMG artifacts are removed after the reconstruction to remove the EMG artifacts. The multi channel EEG X '= A*S', and the multi channel EEG X' can eventually get the single channel electroencephalogram (x \) after the EMG artifacts are removed. The invention removes EMG artifact while retaining EEG information as much as possible, and improves the accuracy of EEG signal analysis.
【技术实现步骤摘要】
单通道脑电信号中肌电伪迹的自动去除方法
本专利技术涉及脑电信号处理
,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。
技术介绍
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 ...
【技术保护点】
1.单通道脑电信号中肌电伪迹的自动去除方法,其特征在于,包括以下步骤:步骤一:将通过单通道脑电电极传感器采集得到的脑电信号通过奇异谱分析算法SSA分解得到P个信号分量;步骤二:将步骤一中得到的P个信号分量按行拼接成一个P维数据矩阵;步骤三:将拼接成的P维数据矩阵进行时间延迟处理,得到若干个数据矩阵;步骤四:利用多重集典型相关分析MCCA对步骤三中得到的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;步骤五:识别源估计矩阵中与肌电伪迹相关的源;步骤六: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′;步骤七: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’。
【技术特征摘要】
1.单通道脑电信号中肌电伪迹的自动去除方法,其特征在于,包括以下步骤:步骤一:将通过单通道脑电电极传感器采集得到的脑电信号通过奇异谱分析算法SSA分解得到P个信号分量;步骤二:将步骤一中得到的P个信号分量按行拼接成一个P维数据矩阵;步骤三:将拼接成的P维数据矩阵进行时间延迟处理,得到若干个数据矩阵;步骤四:利用多重集典型相关分析MCCA对步骤三中得到的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;步骤五:识别源估计矩阵中与肌电伪迹相关的源;步骤六: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′;步骤七: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’。2.根据权利要求1所述的单通道脑电信号中肌电伪迹的自动去除方法,其特征在于,步骤一中利用SSA将脑电信号分解为P个信号分量的过程为:(1)计算轨迹矩阵X对于给定的一维时间序列x=(x1,x2,…,xN),根据窗口长度L计算其轨迹矩阵X,轨迹矩阵X为Lx(N‐L+1)阶:(2)奇异值分解定义矩阵S=XXT,计算矩阵S的特征值和特征变量,并将特征值按降序排列:λ1,λ2,…,λN,其中λ1≥λ2≥,…,≥λN≥0,则其对应的特征向量为u1,u2,…,uL;将轨迹矩阵X表示为d个初等矩阵的和:X=X1+X2+…+Xd,其中d=argmaxi{λi>0},(3)分组将初等矩阵Xi的下标{1,2,…,d}分成p个不相交的子...
【专利技术属性】
技术研发人员:陈灿,邢晓芬,徐向民,舒琳,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。