基于ICA和EMD的睡眠腦電圖預處理算法的研究.pdf

1、利用睡眠腦電圖(EEG)可提取大量的生理信息和疾病信息。然而，在頭皮采集到的睡眠EEG一般比較微弱，不可避免地會受到各種噪聲干擾。尤其是ECG、EOG和EMG等生理偽跡的干擾，由于它們與睡眠EEG的頻譜重疊，給睡眠EEG的提取帶來了極大的困難。所以研究如何消除睡眠EEG的生理偽跡對高精度提取睡眠EEG具有重大意義。
　　 獨立分量分析(ICA)能分離出多維觀測信號中的統(tǒng)計獨立非高斯成分，經(jīng)驗模態(tài)分解(EMD)是一種自適應局域波信

2、號處理技術(shù)，適合提取局部瞬時信息。它們用于EEG信號預處理，都有局限性。本論文針對睡眠EEG的非線性非平穩(wěn)特性，提出了結(jié)合ICA和EMD的新方法來減少睡眠。EEG的生理偽跡，試驗表明，該新方法發(fā)揮了兩種方法各自的優(yōu)點而避免了各自的局限性。
　　 本論文首先分析了睡眠EEG生理偽跡的產(chǎn)生原因和主要特征，介紹了各種方法的優(yōu)缺點及其局限性。
　　 然后介紹了ICA和EMD基本原理，分析了基于負熵的FastICA算法和EMD算法

3、性能的有效性。試驗表明，針對不同記錄的EEG，采用ICA可分離出多導聯(lián)EEG的生理偽跡，運用EMD濾波可實現(xiàn)單導EEG的偽跡消除。
　　 與小波分解去除EEG工頻干擾相比，EMD濾波能更好地保留EEG的瞬時特性。而ICA有兩個缺陷：會引起部分EEG的缺失，人工判別偽跡成分，耗時而不可靠。因而我們提出了一種將ICA和。EMD相結(jié)合的新方法，稱為EICA。與FastICA算法和ICA與小波相結(jié)合(WICA)算法相比，EICA算法能有

4、效地恢復遺漏在偽跡中的神經(jīng)信息和偽跡頻段外的腦電活動信號。對于真實睡眠EEG，EICA算法能有效消除生理偽跡，而且很好地保留了原始睡眠EEG其它成分的局部特性。
　　 總之，本論文針對生理偽跡干擾與睡眠EEG的頻譜重疊情況，針對睡眠EEG的非線性非平穩(wěn)特性，分析了傳統(tǒng)方法的局限性，充分利用ICA和EMD各種的優(yōu)點，提出了結(jié)合ICA和EMD的新方法來減少睡眠EEG的生理偽跡，研究結(jié)果表明，該新方法發(fā)揮了兩種方法各自的優(yōu)點而避免了各