首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
吴全玉,张文强,潘玲佼,陶为戈,刘晓杰.一种结合自适应噪声完备经验模态分解和盲反卷积去除脑电中眼电伪迹的新方法[J].数据采集与处理,2020,35(4):720-729
一种结合自适应噪声完备经验模态分解和盲反卷积去除脑电中眼电伪迹的新方法
A New Method for Electrooculography Artifact Automatic Removal Based on CEEMDAN and BD in EEG Signals
投稿时间:2020-05-06  修订日期:2020-06-15
DOI:10.16337/j.1004-9037.2020.04.013
中文关键词:  脑电信号  眼电伪迹  经验模态分解  盲反卷积
英文关键词:EEG signal  EOG artifacts  empirical mode decomposition  blind deconvolution
基金项目:江苏省产学研合作项目(BY2019264)资助项目;江苏省重点研发计划(BE2019317,BE2020648)资助项目;江苏省青蓝工程(KYQ19014)资助项目;江苏省高校面上项目(17KJB510015)资助项目。
作者单位邮编
吴全玉 江苏理工学院电气信息工程学院生物信息与医药工程研究所常州213001 213001
张文强 江苏理工学院电气信息工程学院生物信息与医药工程研究所常州213001 213001
潘玲佼 江苏理工学院电气信息工程学院生物信息与医药工程研究所常州213001 213001
陶为戈 江苏理工学院电气信息工程学院生物信息与医药工程研究所常州213001 213001
刘晓杰 江苏理工学院电气信息工程学院生物信息与医药工程研究所常州213001 213001
摘要点击次数: 76
全文下载次数: 151
中文摘要:
      针对微弱的脑电(Electroencephalogram, EEG)信号在采集过程中夹杂着各种生理伪迹,特别易遭到眨眼和眼动产生的眼电(Electrooculography, EOG)伪迹干扰。本文提出在自适应噪声完备经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的基础上,构建盲反卷积(Blind deconvolution, BD)模型,实现EOG伪迹分离的方法。该方法首先运用CEEMDAN方法将含有伪迹的EEG信号分解成若干固有模态函数(Intrinsic mode function, IMF)分量,再以模态分量为观测信号送入EEG信号和EOG伪迹两个源信号构成的盲反卷积模型中,通过构建代价函数迭代实现EEG信号与EOG伪迹分离。为了验证新提出的算法,采用标准CHB-MIT头皮脑电数据库进行实验验证,EOG伪迹分离后的数据跟原始脑电数据作相关性分析,其相关系数是0.82。结果证实本文提出的方法保留有大多数原始EEG信号分量,同时对EOG伪迹的分离也具有良好的效果。
英文摘要:
      Due to the weak electroencephalogram (EEG) signal during the acquisition process, the EEG is mixed with various physiological artifacts, so it is particularly susceptible to electrooculography (EOG) interference caused by eye blinking and eye movement. A method for constructing a blind deconvolution (BD) model based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN) is proposed to achieve EOG artifact separation. Firstly, the CEEMDAN method is used to decompose the EEG signal containing artifacts into several intrinsic mode functions (IMF). Secondly, the modal component is used as the observation signal to send the EEG signal and the EOG artifacts to form a BD model. Finally, the separation of EEG signal and EOG artifacts is realized by constructing the cost function iteratively. To verify the proposed algorithm, the standard Children’s Hospital Boston (CHB) and the Massachusetts Institute of Technology (MIT) (CHB-MIT) scalp EEG database is used for experimental verification. The correlation between the EOG artifact separation data and the original EEG data is analyzed, and the correlation coefficient is 0.82. The results confirm that this method retains most of the original EEG signal components and has a good effect on the separation of EOG artifacts.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第1823891位访问者 本站今日一共被访问161

技术支持:北京勤云科技发展有限公司