基于小波变换和FastICA的眼电伪迹去除研究

为了高效去除脑电信号(Electroencephalogram, EEG)中的眼电伪迹，文章提出一种基于小波变换(Wavelet Transform, WT)和快速独立成分分析(Fast Independent Component Analysis, FastICA)相结合的眼电伪迹去除方法。首先，应用小波变换将信号分解成不同频率的小波分量，采用适合的小波基函数和阈值针对高低频噪声做去噪处理；其次，应用FastICA算法分离出各通道的独立成分，获取纯净的脑电信号；最后，对BCI competition IV公共数据集应用融合算法，并输入支持向量机(Support Vector Machine, SVM)进行分类验证。实验结果表明，相较于单一的小波变换和FastICA算法，采用文章提出的融合算法处理后的脑电信号的SVM分类识别率分别提升了18.9%和15.8%,证明该融合算法对去除脑电信号中的眼电伪迹有较好的效果。