眼电伪迹自动去除方法的研究与分析

脑电信号采集时很容易受到眼电信号的干扰,从而影响脑机接口系统的性能。为此,提出一种基于离散小波变换(DWT)和典型相关分析(CCA)的眼电伪迹自动去除方法,即 DCCA 法。首先,对采集的多导脑电信号和眼电信号进行离散小波变换,获得多尺度小波系数,并利用典型相关分析去除小波系数间的相关性,得到互不相关的典型小波系数;进而,利用相关系数判别眼迹成分,将相应典型小波系数置零并依次采用 CCA逆变换和 DWT逆变换重构剔除眼电伪迹后的脑电信号。基于9位实验者的4种眼电数据进行实验研究,并从统计学的角度对实验结果进行显著性检验。结果表明, DCCA法相对其他方法在均方根误差、信噪比方面具有显著优势,且具有较好的实时性,并表现出较强的适应能力。     

无先验参考的脑电信号伪迹去除方法

在深入分析脑电信号各伪迹成分特征的基础上,结合传统滤波方法,提出了一种不需要眼电信号参考的脑电信号伪迹去除方法。脑电信号原始数据可视作由纯净脑电信号、环境噪声、动作杂波及人体自身伪迹成分所构成的混合信号,利用传统滤波方法去除环境噪声及动作杂波,结合盲源分离算法提取人体自身伪迹成分并完成伪迹成分自动识别与去除以及纯净脑电信号的重构工作,以实现纯净脑电信号有效提取过程。经实验验证,该无先验参考的脑电信号伪迹去除方法切实可行,可有效去除伪迹,提高脑电信号信噪比。     

基于独立分量分析的脑电信号消噪

脑电信号中往往含有各种形式的噪声干扰信号。这些干扰成分包括眼电、心电伪迹以及工频干扰等。由于干扰信号和脑电信号在频域上相互重叠,因此用时域或频域滤波的方法难以有效地消除脑电信号中的干扰成分。独立分量分析(Independent Component Analysis,ICA)是20世纪90年代发展起来的一种新的盲源分离方法(Blind Source Separation,BSS),将ICA方法应用于实测脑电信号的处理,获得非常理想的消噪效果。     

结合ACF和TFBSS的心冲击伪迹抑制方法

同步脑电-功能磁共振成像(EEG-f MRI)可同时对大脑活动进行高时间和高空间分辨率观测,但磁共振扫描导致采集得到的脑电信号中包含心冲击伪迹,严重制约了同步EEG-f MRI应用的发展。为此,提出一种结合自适应梳状滤波器(ACF)与时频盲源分离(TFBSS)的心冲击伪迹抑制方法,首先估计脑电信号中心冲击伪迹的J峰位置,并根据该位置自适应调整梳状滤波器参数,对脑电(EEG)信号进行自适应梳状滤波,初步抑制其中的心冲击伪迹。然后利用TFBSS对心冲击伪迹作进一步抑制,最终获得较为清晰的EEG信号。采用临床EEG信号进行心冲击伪迹抑制实验,选择视觉效果、归一化功率谱比值和峰峰值比值评价性能。实验结果表明,所提出的方法能成功抑制心冲击伪迹;且相对于传统的心冲击伪迹抑制方法更有优势。     

基于数学形态学的旋转机械振动信号降噪方法

基于数学形态学实现振动信号降噪。研究了数学形态滤波器对振动信号在不同类型、不同强度噪声干扰下的降噪能力,提出了采用开—闭和闭—开组合数学形态滤波器实现旋转机械振动信号降噪处理的方法。通过仿真计算及实例,检验了形态滤波器的滤波效果,表明数学形态滤波器可以有效剔除脉冲、降低随机噪声干扰,提高振动信号的信噪比。对强烈噪声干扰采用傅里叶变换与形态滤波器结合的处理方法可以取得明显的滤波效果。并具有算法简单、运算速度快的特点。     

SSVEP-BCI抗自由眨眼稳定性的ANFIS方法

针对伪迹干扰下脑机接口稳定性问题,以自由眨眼动作下稳态视觉诱发脑机接口的稳定性为切入点,进行了稳态视觉诱发脑电信号去眼电伪迹(electroculography,简称EOG)研究。提出了一种基于自适应神经模糊推理系统(adaptive neuro-fuzzy inferency system,简称ANFIS)的无眼电电极下脑电信号眼电伪迹的自适应消除方法并进行实验,验证该方法对自由眨眼动作下稳态视觉诱发脑机接口稳定性的提高。该伪迹消除方法通过自适应神经模糊推理系统逼近眼电信号源至眼电伪迹的非线性变换函数,达到消除脑电信号中眼电伪迹的目的。算法通过前额叶区脑电信号获得替代性眼电信号源,经延时处理后,输入自适应噪声消除器中以消除各通道脑电信号中的眼电伪迹。通过自由眨眼动作下稳态视觉刺激实验,对该伪迹消除方法中各参数及函数的选择进行了研究,并将该方法与经典滤波和传统独立成分分析(independent component analysis,简称ICA)进行对比,证明了该方法在消除眼电伪迹的情况下保留了稳态视觉刺激的有效信息,识别正确率较经典滤波相比最高提高了6.25%,较传统ICA相比最高提高10%,保证了稳态视觉诱发脑机接口在自由眨眼动作下的稳定性。     

数学形态学滤波器在转子失衡识别中的应用

针对转子运行过程的动态信号中噪声干扰严重、转子失衡识别精度低的问题,利用数学形态学滤波器能够有效滤除噪声干扰、提高信号信噪比的特点,采用数学形态学滤波器和傅里叶变换相结合的方法对转子振动信号进行降噪处理,并对转子工作状态下的工频幅值、相位进行准确提取,运用加、减质量配重可以改变转子失衡状态的特性,利用影响系数法对转子失衡进行识别计算。实验结果表明,本方法在转子失衡识别中能够有效滤除多种噪声干扰,提高转子失衡识别精度。     

脑机接口中基于ICA-RLS的EOG伪迹自动去除

眼电(EOG)伪迹是基于脑电(EEG)的脑机接口系统中最重要的干扰。为自动去除这种干扰,提出了基于ICA-RLS的EOG伪迹自动去除算法。首先,ICA将多个导联EEG信号分解成数目相等的若干个独立分量(ICs)。然后,计算并依据每个IC的峰态系数,自动地从ICs中识别出EOG分量。最后,识别出的EOG分量用作RLS自适应滤波器的参考信号,并用该滤波器对原始EEG进行滤波,在无需记录EOG情况下实现EOG伪迹的自动去除。用提出算法对2008年脑机接口竞赛数据进行处理,从去除伪迹后信号的观察、信息保留完整性和最终分类结果的计算进行评价。与标准的ICA算法相比,提出算法能够更好去除EOG伪迹,同时获取更高的分类正确率。     

结合 FastICA 与 EKF 的腹部源胎儿心电信号提取

针对腹部源信号,本文提出一种结合快速独立分量分析(FastICA)与扩展卡尔曼滤波(EKF)的胎儿心电信号提取方法。首先抑制原始母体腹壁混合信号中的基线漂移、工频干扰和脉冲伪迹。然后使用FastICA从母体腹壁混合信号中分离得到母体心电信号估计以及含有残留母体心电成分和其他噪声的胎儿心电信号估计。使用EKF对胎儿心电信号估计进行滤波得到残留的母体心电成分估计,将其抑制后获得含噪声的胎儿心电信号。最后再次使用EKF提取得到清晰的胎儿心电信号。采用临床数据进行实验,本文提出的胎儿心电信号提取方法的灵敏度、阳性预测值和F_1分数分别为99.27%, 94.35%, 96.71%,其基于互相关系数和基于特征值分析的信噪比分别为6.145 4 dB和6.509 6 dB。实验结果表明本文提出的方法在主观视觉效果和客观评价指标上均优于传统的胎儿心电信号提取方法。     

一种高精度四点式电力信号测频新方法

提出了一种基于预相关处理的四点式频率测量方法.利用预相关运算降低谐波和噪声对电力信号的干扰,然后采用四点式频率估计方法消除传统三点式估计方法在某些时刻误差过大的问题.对不同A/D量化位数、基波初相角、信噪比、采样点数、谐波含量的仿真结果和对不同信噪比和谐波含量的实际测量结果表明该方法能有效地对有谐波干扰的、信噪比较低的信号进行准确地频率测量.在成本敏感的情况下,采用多重相关器,省略信号前置滤波器,避免滤波器带来的附加误差,提高测频精度.     

基于数学形态滤波的电力系统采样信号降噪处理

由于常用的形态滤波器采用相同尺寸结构元素而导致的输出存在统计偏移现象以及滤波效果不理想,针对电力系统采样信号,设计采用不同尺寸结构元素级联而成的开-闭和闭-开组合广义形态滤波器实现电力信号的降噪。选取与水平方向夹角为零度的直线型结构元素,比较了广义形态滤波器与常用形态滤波器在脉冲噪声与随机噪声干扰下的降噪效果。仿真表明,广义数学形态滤波器能够更有效地消除噪声干扰,获得更高的信噪比。广义形态滤波降噪算法只涉及加减和极大、极小运算,运算简单且执行高效,具有较好的实用价值。     

一种综合小波变换的心电信号消噪算法

针对心电信号中混有的基线漂移、工频干扰、肌电干扰等噪声,比较了适于心电信号的4种基于小波变换的心电信号消噪算法,结合消噪后的信噪比和信号失真度,提出一种综合小波变换的心电信号消噪算法.该算法先使用小波分解法消除心电信号中的基线漂移,再利用模极大值法消除工频干扰、肌电干扰等噪声.并且运用该算法对MIT-BIH心律失常数据库中的含有多种噪声的心电数据进行了仿真与实验,结果表明噪声被有效地消除并且失真度较小,可满足临床分析与诊断对心电波形的要求.     

面向穿戴式脑电系统的主动干电极传感器

在传统的脑电系统中,脑电信号采集使用的是湿电极,需要配合导电膏使用,糊状的导电膏无论是使用前的逐个注入和使用后的清洗,都使得湿电极的使用不便。文中设计并实现了一种不需要涂覆导电膏、可直接佩戴的带有前置放大电路的爪式干电极传感器,可用于穿戴式脑电辅助康复系统。和湿电极相比,这种电极安放简便快捷,尽管其接触阻抗稍高,但通过主动前置放大器的引入,有效地降低了等效接触阻抗,改善了电极的信噪比,提高了电极抵抗运动及工频干扰的能力。经过实际的脑电信号采集实验比对,主动干电极表现出良好的记录特性,与商用标准头皮湿电极采集的脑电信号的相关系数是0.89;信噪比与商用湿电极接近(在3 d B附近),比没有采用主动放大电路的干电极高10 d B以上。     

自调整复合级联形态滤波算法及应用

针对反射式光纤位移传感器拾取的润滑膜厚度信号中的脉冲和随机噪声干扰,提出一种自调整复合级联数学形态滤波算法。采用三角结构元素和半圆结构元素,通过开闭和闭开组合滤波及串联构造了复合级联形态滤波算法。仿真结果表明,复合级联滤波算法可提高信号的信噪比。针对传统形态滤波方法结构元素宽度随机选取造成滤波后信号信噪比低的问题,通过在不同采样频率情况下对不同信号进行滤波仿真计算,提出一种结构元素参数自调整选取方法。仿真实验和对实际润滑膜厚度信号滤波处理结果表明,自调整复合级联形态滤波算法可有效滤除信号中的脉冲干扰和随机噪声干扰。     

融合形态学-复小波变换的PD干扰信号抑制方法

针对局部放电检测过程中周期性窄带干扰和白噪声难以抑制的问题,提出了一种融合数学形态学与复小波变换的干扰信号抑制方法.该方法基于数学形态学原理构造广义形态学滤波器,并将其作为前置滤波单元,实现原始信号的预处理,再对处理后的信号进行复小波变换,最终得到去噪后的局部放电信号.应用该方法对模拟和现场采集的局部放电信号进行去噪处理,结果表明:该方法能够有效地抑制局部放电信号中的周期性窄带干扰和白噪声干扰;与相同小波基的小波去噪方法和复小波去噪方法相比,该方法去噪时的能量损失较小,能够很好地保留局部放电信号特征.     

表面肌电信号测试中工频干扰的抑制

介绍了一种表面肌电信号 (EMG)测试调理电路和信号处理的方法。表面EMG测量中最难处理的问题之一是工频(5 0Hz)干扰 ,它处在有效的肌电信号频带之中。针对表面EMG的测量特点设计了一种信号调理电路 ,使肌电信号和工频信号并行单独处理 ,避免了不加区分地采用工频陷波器 ,这一设计思想在实际的肌电信号检测时取得了较好的实验结果。     

数字带阻滤波器的设计及畸变矫正

在研究数字信号处理的过程中,可以采用数字带阻滤波器方法来进行消除交流电产生的工频干扰,但是传统的数字滤波器在起始位置存在畸变。利用双线性变换的方法将模拟带阻滤波器转换为数字带阻滤波器,借助离散时间系统中Z变换后的系统函数设计相应的数字带阻滤波器,以此来去除被测信号中的干扰信号,并通过两种简单算法来消除数字滤波器在起始位置的畸变。对一仿真混合正弦信号进行测试,试验表明,该滤波器可以很好地消除50 Hz的工频干扰,且该方法具有设计简单、应用方便、实用性强等特点。     

基于小波包熵和支持向量机的运动想象任务分类研究

对运动想象脑电特征进行准确提取和分类是脑-机接口技术研究的重要问题。针对脑电信号非平稳性和非线性特点,提出了一种将小波包熵(WPE)和支持向量机(SVM)相结合的脑电信号识别方法,利用小波包系数能量分布分析脑电时频特性,结合信息熵分析其不确定性和复杂性,并从单次实验中提取运动想象脑电特征;通过支持向量机对特征信号进行分类,采用了一种核函数参数v和误差惩罚因子c的最佳寻优方法,并用互信息(MI)、信噪比(SNR)、最小错分率(MR)等准则对分类器进行评判。测试结果为:想象左右手运动脑电信号识别精度达到90%,M I为0.65 bit,SNR为1.44。结果表明WPE-SVM识别方法能够准确提取脑电本质特征,具有较强的分类性能和抗干扰能力,为大脑运动意识任务分类提供了有效方法,它可以应用于脑-机接口系统中。     

数字超声波信号中有色噪声的自适应滤波

针对测试环境中常存在的超声波频段的有色干扰噪声,设计了一种基于横向滤波器和最小均方误差自适应滤波算法的自适应对消器结构,并提出了固定步长和自适应步长相结合的自适应滤波算法流程。该方法增设了一个接收环境噪声的专用探头来自动跟踪噪声特性的改变,无需手动设置自适应滤波器参数和期望信号。通过自适应步长调整算法与固定步长方法结合,该方法能够在实现良好滤波效果的同时兼顾快速跟踪环境的变化。实验表明,提出的方法可以有效滤除目标超声波信号频带之外频率点处的有色干扰噪声,信噪比改善幅度可达16dB;时间复杂度为O(n),可实现实时处理。本文方法可以在无人工干预下自动、实时、有效地滤除与超声波信号频率接近的有色干扰噪声,已被成功地应用于气体超声波流量测量中。     

基于双树复小波变换和形态滤波的PPG信号去噪方法

脉搏信号包含大量的噪声,具有强烈的非线性和非平稳性。针对传统的小波变换去噪算法的缺陷,本文提出了一种基于双树复小波变换和形态滤波的去噪算法,具有结构简单、数学含义清晰及计算复杂度低等优点,有效的克服了离散小波变换的平移敏感性和频率混淆。实验表明,该算法可以有效的去除脉搏信号中工频干扰及肌电干扰等高频噪声,其信噪比及均方差等定量指标均明显优于传统的阈值去噪算法,能得到较干净的脉搏信号波形。