| 低密度脑电自适应去噪方法 |
| |
| 引用本文： | 陈贺,张昊,柴一帆,李小俚. 低密度脑电自适应去噪方法[J]. 数据采集与处理, 2023, 38(4): 824-836 |
| |
| 作者姓名： | 陈贺 张昊 柴一帆 李小俚 |
| |
| 作者单位： | 1.北京师范大学认知神经科学与学习国家重点实验室，北京100875;2.北京师范大学系统科学学院，北京 100875 |
| |
| 基金项目： | 国防基础科研计划（JCKY2021208B019）。 |
| |
| 摘 要： | 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 |
| 收稿时间： | 2022-06-21 |
| 修稿时间： | 2022-10-19 |
An Adaptive Denoising Algorithm for Few-Channel EEG |
| |
| CHEN He,ZHANG Hao,CHAI Yifan,LI Xiaoli. An Adaptive Denoising Algorithm for Few-Channel EEG[J]. Journal of Data Acquisition & Processing, 2023, 38(4): 824-836 |
| |
| Authors: | CHEN He ZHANG Hao CHAI Yifan LI Xiaoli |
| |
| Affiliation: | 1.State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University, Beijing 100875, China;2.School of Systems Science, Beijing Normal University, Beijing 100875, China |
| |
| Abstract: | |
| |
| Keywords: | few-channel EEG outlier detection artifact removal blind source separation cluster |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
