基于EEMD-PCA去除EEG信号中运动伪迹的方法及装置制造方法及图纸

本发明专利技术涉及EEG移动脑电图处理领域，具体涉及一种基于EEMD‑PCA去除EEG信号中运动伪迹的方法及装置。该方法及装置基于EEMD分解单通道EEG信号，得到各阶的本征模态函数；基于PCA将各阶本征模态函数分离出主成分；计算出每个主成分的自相关性；将自相关性大于预设阈值的主成分被判定为伪迹主成分；将被判定为伪迹的主成分进行去除；对剩余的主成分进行PCA逆变化处理后再进行EEMD逆变化处理，得到去除噪声后的EEG信号。本发明专利技术伪迹去除方法，相比于目前技术去伪效果得到显著提升。

【技术实现步骤摘要】
基于EEMD-PCA去除EEG信号中运动伪迹的方法及装置
本专利技术涉及规划领域，具体而言，涉及一种基于EEMD-PCA去除EEG信号中运动伪迹的方法及装置。
技术介绍
在过去的几年中，许多研究都集中在研究和开发基于移动脑电图的脑机接口(brain-computerinterfaces，BCI)，这些接口技术能够在日常生活中采集人们的EEG(electroencephalogram，脑电图)信号。目前市面上，制造商已经开发生产出多种型号的便携式EEG采集设备；另外新兴的传感器技术可实现使用无凝胶的EEG采集电极，并可由用户自己快速简便地使用EEG采集设备，用户的使用场景得到很大的扩展。EEG信号非常微弱，容易受到各种噪声和伪迹的影响，便携式采集设备与传统的脑电图采集设备相比，使用场景、传感器的变化，使这些便携式设备采集的脑电图信号更容易受到干扰，尤其是由于人体运动引起的运动伪迹。运动伪迹具有较宽的频谱分布，因此会干扰所有EEG频段。特别是它们对应的频谱与15-30Hz范围的Beta频带有很大的重叠。其次运动伪迹的幅值相比与EEG信号可大一到两个本文档来自技高网...

【技术保护点】
1.一种基于EEMD-PCA去除EEG信号中运动伪迹的方法，其特征在于，包括以下步骤：/n基于EEMD分解单通道EEG信号，得到各阶的本征模态函数；/n基于PCA将各阶所述本征模态函数分离出主成分；/n计算出每个主成分的自相关性；/n将自相关性大于预设阈值的主成分被判定为伪迹主成分；/n将被判定为伪迹的主成分进行去除；/n对剩余的主成分进行PCA逆变化处理后再进行EEMD逆变化处理，得到去除噪声后的EEG信号。/n

【技术特征摘要】
1.一种基于EEMD-PCA去除EEG信号中运动伪迹的方法，其特征在于，包括以下步骤：
基于EEMD分解单通道EEG信号，得到各阶的本征模态函数；
基于PCA将各阶所述本征模态函数分离出主成分；
计算出每个主成分的自相关性；
将自相关性大于预设阈值的主成分被判定为伪迹主成分；
将被判定为伪迹的主成分进行去除；
对剩余的主成分进行PCA逆变化处理后再进行EEMD逆变化处理，得到去除噪声后的EEG信号。


2.根据权利要求1所述的一种基于EEMD-PCA去除EEG信号中运动伪迹的方法，其特征在于，在所述基于EEMD分解单通道EEG信号，得到各阶的本征模态分量中包括：
对含有运动伪迹的EEG信号进行减去均值处理，得到去除直流信号的EEG信号X(t)；
对信号X(t)进行集合经验模态分解，得到各阶本征模态函数。


3.根据权利要求2所述的一种基于EEMD-PCA去除EEG信号中运动伪迹的方法，其特征在于，在所述基于PCA将各阶所述本征模态函数分离出主成分中包括：
对各阶本征模态函数进行主成分分离，得到N个源成分S。


4.根据权利要求3所述的一种基于EEMD-PCA去除EEG信号中运动伪迹的方法，其特征在于，在所述计算出每个主成分的自相关性中包括：
计算每个源成分S的自相关性。


5.根据权利要求4所述的一种基于EEMD-PCA去除EEG信号中运动伪迹的方法，其特征在于，在所述自相关性大于预设阈值的主成分被判定为伪迹主成分之前还包括：预设自相关性的阙值。


6.根据权利要求5所述的一种基于EEMD-PCA去除EEG信号中运动伪迹的方法，其特征在...

【专利技术属性】
技术研发人员：李慧慧，马俊嵩，王磊，王博，谯小豪，颜延，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44