一种单通道脑电信号伪迹去除方法、设备及介质

本发明涉及一种单通道脑电信号伪迹去除方法、设备及介质，属于脑电信号预处理与特征提取。

背景技术：

1、脑电信号(eeg)在医学临床、大脑意识及认知等研究活动中非常重要。但实际采集的脑电信号非常微弱，一般幅值仅有10～50μv(微伏)，并且往往被多种伪迹成分所污染，特别是眼电伪迹的干扰，因而提取出纯净的脑电活动信号对临床诊断和科学研究意义重大。

2、伪迹信号指的是脑电信号采集过程中由于头皮良好的导电性，采集到的眨眼或肌肉活动引起的电位差，一般来自于被试者的一些生理或心理活动，主要有眼电伪迹、舌电伪迹、肌电伪迹、脉搏伪迹和出汗伪迹等。眼电伪迹干扰是脑电信号中的常见干扰，严重影响到有用脑电信号的提取和分析。当眼球不动时为直流信号，脑电仪记录不到；当眼球运动时，则产生振幅较大的交流信号。所以眼球运动或眨眼都会引起较大的电位变化，形成了眼电；一部分眼电波沿颅骨传播，在脑电图上产生明显的偏转，形成了伪迹。

3、传统的经验模态分解(emd，empirical mode decomposition)方法，是时频域的处理方法，它最显著的特点是克服了基函数无自适应性的问题，简单来说就是，对于一段未知的信号，不需要进行预先的处理与人工设置，就可以直接进行分解，得到本征模态函数(imf，intrinsic mode functions)。emd与独立成分分析(ica，independent componentcorrelation algorithm)相结合，通过ica算法将imf分解成独立成分，通过熵值与阈值比较识别出的眼电图(eog，electro-oculogram)信号直接置零，得到脑电图(eeg，electroencephalogram)信号。

4、传统的emd方法存在模态混叠问题，即不同模态的信号混叠在一起，一般有两种情况：不同特征尺度的信号在一个imf分量中出现；同一特征尺度的信号被分散到不同的imf分量中。emd与ica相结合，识别出的eog信号直接置零，会将其中残存的eeg信号也一并置零，造成信号失真。另外，emd算法的复杂度较高，耗时较长。

5、因此，如何克服现有技术中去除脑电信号伪迹方法的不足，是本领域技术人员急需要解决的技术问题。

技术实现思路

1、目的：为了克服现有技术中存在的不足，本发明提供一种单通道脑电信号伪迹去除方法、设备及介质。

2、技术方案：为解决上述技术问题，本发明采用的技术方案为：

3、第一方面，一种单通道脑电信号伪迹去除方法，包括如下步骤：

4、步骤1、对原始待处理脑电信号y(t)进行vmd处理，得到特征模态分量矩阵x(t)。

5、步骤2、对特征模态分量矩阵x(t)进行ica处理，得到独立成分分量矩阵s(t)。

6、步骤3、对独立成分分量矩阵s(t)进行eog信号和eeg信号判定，得到eog分量seog(t)，eeg分量seeg(t)。

7、步骤4、从eog分量seog(t)中提取出eeg信息s′eeg(t)，将eeg分量seeg(t)与eeg信息s′eeg(t)合并，得到eeg信号s'(t)。

8、步骤5、对eeg信号s'(t)进行ica逆变换、vmd逆变换，得到纯净的eeg信号y′(t)。

9、作为优选方案，所述步骤1，具体包括：

10、步骤1.1、采用乘法算子交替法方法项求取约束变分模型的最优解。

11、步骤1.2、将最优解作为特征模态分量矩阵x(t)。

12、其中，所述约束变分模型计算公式如下：

13、

14、其中，m为模态分解个数，{ui(t),0<i≤m}为求解imf过程中m个分量的集合，通过不断迭代最终为所求目标值特征模态分量矩x(t)，{xi(t),0<i≤m}，{ωm}为求解imf过程中m个分量中心频率的集合，为二范数的平方，y(t)为采集到的原始待处理脑电信号，δ(t)表示单位冲激函数，t表示时间，表示对时间t求偏导数，j代表虚数单位，π代表圆周率，e代表自然常数。

15、作为优选方案，所述m值的设置应使各分量能量之和保持在某一稳定值左右浮动。

16、作为优选方案，所述ica处理采用fastica算法。

17、作为优选方案，所述步骤3，具体包括：

18、步骤3.1、求取独立成分分量矩阵s(t)中每个独立分量的样本熵。

19、步骤3.2、当独立分量的样本熵大于阈值，独立分量的样本熵对应的独立分量作为eeg分量seeg(t)。

20、步骤3.3、当独立分量的样本熵小于阈值，独立分量的样本熵对应的独立分量作为eog分量seog(t)。

21、作为优选方案，所述阈值设置为0.4。

22、作为优选方案，所述步骤4，具体包括：

23、步骤4.1、采用小波基为db4，对eog分量seog(t)进行4层小波分解，得到小波分解系数。

24、步骤4.2、采用自适应阈值函数的方法对小波系数进行处理，自适应的对调节因子n、α做出调整，实现最佳小波系数阈值，获得估计小波系数。

25、步骤4.3、根据估计小波系数进行小波系数重构，得到残留的eeg信号s′eeg(t)。

26、步骤4.4、将eeg分量seeg(t)与eeg信息s′eeg(t)合并，得到eeg信号s'(t)。

27、作为优选方案，所述步骤5，具体包括：

28、根据eeg信号s'(t)计算优化后特征模态分量矩阵x'(t)，优化后特征模态分量矩阵x'(t)计算公式如下：

29、x'(t)＝w-1*s'(t)

30、其中，s'(t)＝[s'1(t)，s'2(t)，…s'i(t)，…，s'n(t)]t，w表示分离矩阵逆矩阵，x'(t)＝[x'1(t)，x'2(t)，…x'i(t)…，x'm(t)]t，t表示时间，t表示矩阵的转置。

31、根据优化后特征模态分量矩阵x'(t)，计算纯净的eeg信号y′(t)，计算公式如下：

32、

33、第二方面，一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如第一方面中任一所述的一种单通道脑电信号伪迹去除方法。

34、第三方面，一种计算机设备，包括：

35、存储器，用于存储指令。

36、处理器，用于执行所述指令，使得所述计算机设备执行如第一方面中任一所述的一种单通道脑电信号伪迹去除方法的操作。

37、有益效果：本发明提供的一种单通道脑电信号伪迹去除方法、设备及介质，该方法基于变分模态分解(vmd，variational mode decomposition)和ica算法，并结合小波阈值降噪(wtd，wavelet threshold denoising)技术去除采集信号中的眼电伪迹。

38、本发明相较于之前提出的的emd相关方法，解决了模态混叠问题，仿真数据表明，与传统单通道eeg信号去除眼电伪迹方法相比，采用该方法去除眼电伪迹后的脑电信号与原始脑电信号相关系数性能有了较大提升，均方误差性能也得到明显改善。并且该方法的运算速度较快，效率较高。