检索结果-南通市图书馆

Fast removal of ocular artifacts from electroencephalogram signals using spatial constraint independent component analysis based recursive least squares in brain-computer interface

引用

Frontiers of Information Technology & Electronic Engineering 2015年第6期16卷 486-496页

作者： Bang-hua YANG Liang-fei HE Lin LIN Qian WANG Shanghai Key Laboratory of Power Station Automation Technology Department of AutomationSchool of Mechatronic Engineering and Automation Shanghai University Shanghai 200072 China

目的:眼电是脑电的主要干扰,采用眼电信号作为参考的自适应滤波能有效消除眼电干扰。然而眼电采集不方便且繁琐。在脑机接口中为从脑电中去除眼电,提出基于约束独立分量分析和自适应滤波的快速去除方法。该方法具有无需记录眼电信号且... 详细信息

目的:眼电是脑电的主要干扰,采用眼电信号作为参考的自适应滤波能有效消除眼电干扰。然而眼电采集不方便且繁琐。在脑机接口中为从脑电中去除眼电,提出基于约束独立分量分析和自适应滤波的快速去除方法。该方法具有无需记录眼电信号且快速的优点。创新点:所提方法避免了实验过程中直接对被试者进行眼电信号采集,减少被试者在实验过程中的不适。该方法处理后的识别正确率比单纯用传统ICA算法和不进行任何处理的源信号分别提高了3.3%和12.6%。另外,该方法的时间耗费较上述两种算法分别降低了83.5%和83.8%,更好地满足脑机接口在线要求。方法:该方法分为两个阶段:第一阶段的目的是提取纯净的EOG信号。首先用ICA算法将输入信号分离成相互独立的分量(IC)。计算每个IC的峰态系数值并依据该值自动识别EOG独立分量(图2)。然后运用经验模态分解(EMD)将所识别的EOG信号自适应分解成数个IMF。根据IMF频域特征,选择数个IMF组合成纯净的EOG信号(图3)。第二阶段的目的是结合SCICA和RLS滤波算法去除混合在EEG信号中的EOG伪迹。首先SCICA利用第一阶段分离出的纯净EOG信号作为参考模板,迅速将混合在源信号中的EOG信号识别分离出。然后将该EOG信号分量作为RLS滤波器参考信号进行自适应滤波,最终去除EOG伪迹(图7)。结论:针对脑机接口脑电信号包含的眼电伪迹,提出一种基于约束独立分量分析和自适应滤波的快速自动去除方法。该方法去除效果良好,可用于脑机接口中眼电的在线自动消除。

关键词：眼电伪迹脑电眼电脑机接口约束独立分量分析和自适应滤波

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：