盲源分離研究及其在腦電信號分析中的應用.pdf

1、腦電是一種特殊的生物電活動，反映了大腦的功能狀態(tài)，分為自發(fā)腦電(EEG)和誘發(fā)電位(EP)兩種。頭皮上采集的腦電可以看作是大腦內的電活動在頭皮上的電位分布，以及人體其它器官組織產生的生物電活動(包括心電，眼電和肌電等)和各種外界因素引起的干擾信號。這些腦外來源的干擾信號稱之為偽差。腦電信號分析的任務之一就是去除腦電中的偽差，分離出純凈的腦電，以便應用于臨床診斷和腦認知科學研究。誘發(fā)電位是神經系統(tǒng)接受內外刺激所產生的特定電活動。通過誘發(fā)電

2、位的檢測可以診斷和分析神經系統(tǒng)的病變和損傷。腦電信號分析的任務之二就是如何從強背景自發(fā)EEG中提取EP信號。 盲源分離(BSS)技術是一種新興的信號分析方法，其本質上與獨立分量分析(ICA)是一致的。ICA是一種多通道信號處理技術，其特點是除源信號相互統(tǒng)計獨立外無其它先驗知識的情況下，將觀察信號分解成為獨立的分量。本文主要對ICA的原理，判據(jù)，以及優(yōu)化算法做了歸納性的研究，并將其應用到腦電信號的偽差去除和EP信號的提取中。

3、 本文基于峭度的快速固定點算法(FastICA)的基礎上，對帶參考信號的ICA(rICA)進行了擴展，提出了一種多參考信號的ICA方法。新方法一方面克服了FastICA的計算量過大，對分離的分量需要人工判別的缺點，另一方面也彌補了rICA算法僅僅能提取一路目標信號的缺陷。文中不但詳細的介紹了多參考信號的ICA方法的原理及算法，而且給出了具體的偽差去除算法，最后還將此方法應用到多個腦電偽差的去除中，仿真實驗進一步驗證了算法了有效性。

4、 在無加性噪聲的情況下，ICA能夠較好的對多導信號做盲分離。但實際從頭皮采集的腦電信號中，加性噪聲的干擾是不可避免的。ICA對含有加性噪聲的多導信號的處理效果急劇下降。通常的處理方法是將多導信號先通過小波降噪，然后將去噪后的多導信號作為ICA的輸入。本文提出了一種小波變換(WT)與ICA相結合的方法。具體方法是：先對多導信號進行小波分解，然后對分解得到的小波系數(shù)進行帶參考信號的ICA分離，最后通過小波重構得到目標信號。本文將此方法應