-
题名低密度脑电自适应去噪方法
- 1
-
-
作者
陈贺
张昊
柴一帆
李小俚
-
机构
北京师范大学认知神经科学与学习国家重点实验室
北京师范大学系统科学学院
-
出处
《数据采集与处理》
CSCD
北大核心
2023年第4期824-836,共13页
-
基金
国防基础科研计划(JCKY2021208B019)。
-
文摘
便携式和可穿戴设备的低密度脑电图更便于实际使用,但会受到多种不可预知的噪声影响,给去噪带来极大的困难。脑活动成分较为相似,在特征空间分布较为紧密,而噪声成分与脑电成分不同,差异性大,在特征空间分布较为分散。本文提出了一种低密度脑电自适应去噪方法,采用小波分解和盲源分离方法提取潜在成分,并基于脑电和噪声成分在特征空间的分布特性,采用单类支持向量机识别并去除远离成分分布中心的异常成分。仿真数据的定量分析结果表明,提出的方法在肌电、眼电和工频等噪声抑制方面均优于现有方法;通过对真实脑电数据的成分簇可视化分析,直观展示了低密度脑电噪声有效去除的原因。结合盲源分离和异常检测的思路进行低密度脑电去噪,不需要设定特定噪声相关的特征参数,能够自适应地去除多种类型噪声同时有效保留脑活动成分,具有优良的性能和实用性。
-
关键词
低密度脑电
异常检测
去噪
盲源分离
聚类
-
Keywords
few-channel EEG
outlier detection
artifact removal
blind source separation
cluster
-
分类号
R318
[医药卫生—生物医学工程]
-