盲信號(hào)分離在腦電信號(hào)偽跡去除中的應(yīng)用.pdf

1、腦-機(jī)接口技術(shù)的核心思想在于將輸入的觀測(cè)腦電信號(hào)轉(zhuǎn)換為輸出的控制信號(hào)，從而驅(qū)動(dòng)計(jì)算機(jī)設(shè)備。通過受試者頭皮電極采集到的腦電（EEG，Electroencephalogram）非常微弱，并且伴隨多種偽跡（Artifact）的干擾，給腦電信號(hào)的特征提取和后續(xù)分析增加了更大的難度。盲信號(hào)分離（BSS，Blind Source Separation）是在通信系統(tǒng)的輸入和傳輸信道均未知的情況下提出來的，即對(duì)源信號(hào)的先驗(yàn)知識(shí)少知或不知，對(duì)傳輸信道特性

2、也未知。本課題針對(duì)腦電信號(hào)處理中的問題，對(duì)基于BSS思想的自動(dòng)去除EEG中偽跡的方法展開了研究。
　　本文首先對(duì)腦電信號(hào)偽跡分離的研究背景和國內(nèi)外研究狀況做了介紹，然后學(xué)習(xí)了腦電信號(hào)的基本知識(shí)，詳細(xì)闡述了腦電信號(hào)與偽跡信號(hào)的特性與分類，研究中著重考慮對(duì)腦電信號(hào)影響最嚴(yán)重的眼電偽跡和50Hz的工頻干擾。
　　其次介紹了盲信號(hào)分離的核心思想，其用于解決腦電信號(hào)偽跡分離問題時(shí)的數(shù)學(xué)模型、約束條件和預(yù)處理過程，還深入學(xué)習(xí)了盲信號(hào)分離

3、的經(jīng)典算法（JADE，F(xiàn)astICA）。在分析了傳統(tǒng)算法局限性的基礎(chǔ)之上，進(jìn)一步尋求了腦電信號(hào)領(lǐng)域的一種全新的解決問題思路，本文首次嘗試將Stone’s BSS算法引入EEG信號(hào)處理領(lǐng)域，為腦電信號(hào)的偽跡去除引入了新方法。Stone’s BSS突破了以往信號(hào)處理方法中要求源信號(hào)不能服從高斯分布和相互獨(dú)立的局限性，只要求混合信號(hào)是時(shí)間可預(yù)測(cè)的，分別采用長(zhǎng)、短濾波預(yù)測(cè)對(duì)混合信號(hào)作用，將BSS問題轉(zhuǎn)變成一個(gè)廣義特征分解問題，從而求得解混矩陣。

4、文中還對(duì)Stone’s BSS進(jìn)行了改進(jìn)，引入遺傳算法用于對(duì)長(zhǎng)、短濾波調(diào)諧，使之成為一種成熟穩(wěn)定的算法。
　　緊接著選取了一組具有代表性的模擬信號(hào)對(duì)改進(jìn)的Stone’s BSS與其他BSS方法的分離結(jié)果做了對(duì)比，理論上證明了改進(jìn)算法在高斯型、亞高斯型信號(hào)分離中的良好性能。
　　最后，結(jié)合目標(biāo)信號(hào)的特征和性質(zhì)，通過不同的實(shí)際數(shù)據(jù)對(duì)改進(jìn)的Stone’s BSS算法在EEG中的眨眼偽跡（EOG，Electrooculogram）和