一种结合改进的CEEMDAN和箱线图技术的脑电伪迹去除方法技术

本发明专利技术涉及一种去除脑电信号中的伪迹信号的方法，其步骤如下：首先对脑电信号进行带通滤波处理，然后使用PSO算法优化要加入的高斯白噪声幅值，利用ACF筛选出理想的高斯白噪声加入到脑电信号中，紧接着利用CEEMDAN算法分解混有高斯白噪声的脑电信号，通过计算各分量峰态系数和低频功率占比消除尖峰伪迹分量，进一步使用箱线图技术寻找去伪迹效果最优的伪迹分量，将这些分量清零并对剩余的分量进行重构，得到干净的脑电信号。相比现有技术，本发明专利技术所提方法解决了分解脑电信号中的模态混叠问题，不仅能有效去除尖峰伪迹信号，还能准确自动寻找去伪迹效果最优的伪迹分量并进行去除，同时保留大量有用的脑电特征信息。在脑电信号预处理、伪迹识别等领域具有广阔的应用前景。

【技术实现步骤摘要】

本专利技术属于脑电信号预处理领域，涉及一种去除脑电信号中的伪迹信号的方法。

技术介绍

1、脑电信号(eeg)是人脑细胞群自发节律性电活动产生的生物电信号，包含丰富的大脑活动信息，是大脑研究、生理研究、临床疾病诊断的重要手段性。但脑电信号是一种非平稳非线性极其微弱的随机信号，幅值非常微弱，容易受到其他生物电信号干扰，例如眼电信号、肌电信号和工频干扰等，阻碍后续对脑电信号的分析和诊断。

2、肌电信号幅值大、频域分布广、波形特征复杂。相比其他干扰信号源，眼电信号是对eeg信号影响最严重的干扰信号。眼电伪迹能量分布与脑电信号相似，主要集中在低频段，往往以大脉冲或尖峰的形式出现在eeg信号中，严重影响eeg信号中的基本节律波α波和β波。传统的滤波器在消除工频干扰和其他高频干扰伪迹有很好的效果，但由于眼电和肌电伪迹与脑电信号频谱重叠的特性，通过滤波的方法极易损失有用信息。

3、目前常见的伪迹去除方法有很多，包括盲源分离、经验模态分解和小波变换法。盲源分离(blind sourceseparation，bss)是一种常见比较有用的eeg伪迹去除方本文档来自技高网...

【技术保护点】

1.一种结合改进的CEEMDAN和箱线图技术的脑电伪迹去除方法，其特点在于包括：

2.如权利要求1所述一种结合改进的CEEMDAN和箱线图技术的脑电伪迹去除方法，其特征在于：步骤S1中，脑电信号经过巴特沃斯带通滤波器处理，设定最低频率不低于0.5Hz，最高频率不高于50Hz，去除不必要频段信号，保留0.5Hz-50Hz频带有用的脑电信号。

3.如权利要求1所述一种结合改进的CEEMDAN和箱线图技术的脑电伪迹去除方法，其特征在于：步骤S2中，对要加入脑电信号中的高斯白噪声，先经过PSO算法优化白噪声幅值。具体为：初始化粒子种群个数、惯性权重、个体和全局学习因子，并...

【技术特征摘要】

1.一种结合改进的ceemdan和箱线图技术的脑电伪迹去除方法，其特点在于包括：

2.如权利要求1所述一种结合改进的ceemdan和箱线图技术的脑电伪迹去除方法，其特征在于：步骤s1中，脑电信号经过巴特沃斯带通滤波器处理，设定最低频率不低于0.5hz，最高频率不高于50hz，去除不必要频段信号，保留0.5hz-50hz频带有用的脑电信号。

3.如权利要求1所述一种结合改进的ceemdan和箱线图技术的脑电伪迹去除方法，其特征在于：步骤s2中，对要加入脑电信号中的高斯白噪声，先经过pso算法优化白噪声幅值。具体为：初始化粒子种群个数、惯性权重、个体和全局学习因子，并在高斯白噪声幅值为0.1～0.4范围内随机生成初始种群，得到公式：其中s1表示局部学习因子；s2表示全局学习因子；r1和r2表示数值范围在0至1的随机数；wp表示惯性因子，反映个体历史表现对当前影响；表示粒子的历史最优位置；表示粒子的当前速度；表示粒子下一时刻的速度。通过迭代计算找到最优的高斯白噪声幅值。

4.如权利要求1所述一种结合改进的ceemdan和箱线图技术的脑电伪迹去除方法，其特征在于：步骤s3中，对经过pso算法优化的高斯白噪声进行acf判断。实际高斯白噪声自相关函数方差为理想高斯白噪声自相关函数方差的1.5倍左右。根据公式：设置自相关函数方差阈值t1。其中，将阈值小于t1的高斯白噪声剔除，筛选出理想的高斯白噪声，然后加入到脑电信号当中。

5.如权利要求...

【专利技术属性】
技术研发人员：郭滨，区嘉伟，刘晓钦，马卫娇，李鲁，吴锦双，卢穗，许清华，任帅祥，孙伟恒，王浩宇，房佳乐，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：