一种去除脑电信号中肌电伪迹的方法
【技术领域】
[0001] 本发明设及脑电信号预处理方法，特别设及一种去除脑电信号中肌电伪迹的方 法，主要应用于脑电信号特征提取、大脑工作记忆W及辅助临床诊断治疗等等。
【背景技术】
[0002] 脑电是大脑神经细胞的电生理活动在头皮上的反映，由固定在头皮上的电极采集 得到。脑电信号具有采集安全、无创伤、操作简单而快速等优点，被大多数科研和医疗工作 者所采用。脑电包含有大量的生理、屯、理和病理信息，是一种随机性很强的非平稳微弱信 号，一般情况下脑电幅值在50微伏W内，通常不会超过100微幅。由于脑电信号非常微弱， 在采集的过程中容易被其他因素干扰，所W采集到的脑电信号常常伴有各种伪迹，其中，又 W肌电伪迹最难W去除。肌电伪迹由人体肌肉群产生，其来源广泛，W面部和颈部的肌肉产 生的影响最为明显。相对于其他干扰来说，肌电伪迹的成分要复杂得多，主要表现在电压幅 值大W及频段范围广，肌电幅值在100微伏到1000微伏之间，频率范围在0-200赫兹，而脑 电电压在10-100微伏之间，频率范围0-30赫兹。可见，肌电伪迹几乎将脑电信号完全覆盖。 伪迹的存在给实际的脑电信号的解释W及进一步分析带来很大困难，如何在去除伪迹的同 时尽量减少脑电信息的损失成为脑电预处理十分关键的步骤。
[0003] 早期的滤波方法或者自回归方法去除肌电伪迹的效果不佳，运主要是由于脑电和 肌电的频谱存在重叠，所W去掉肌电的同时会损失较多的脑电信息，特别是alpha波段。小 波变换是最近几年发展起来的另一种去除肌电伪迹的有效方法，小波变换是傅里叶变换发 展变化而来的，具有时频局部化和多分辨率特性，很适合对微弱的脑电信号进行去噪。但 是，在去除肌电伪迹之前，需要大量的实验去选择合适的小波基函数和分解层数，不仅消耗 大量时间，其次也会增加计算复杂度。独立分量分析（inckpendentcomponentanalysis， ICA)是另一种用于去除脑电信号中肌电伪迹的方法，因为肌电和脑电是由不同的信号源 所产生，相互独立，运样就可W利用ICA把肌电从脑电信号中分离出来，从而把肌电伪迹消 除。但是在识别伪迹的时候，通常是根据脑电波形与地形图去判定，直接去除掉与肌电相关 的独立分量会损失部分脑电信息，并且该方法非常耗时，容易使人疲劳，不适合实时处理脑 电信号。经验模式分解（empiricalmodedecomposition,EMD)方法是一种处理单通道非 平稳信号分解方法，该方法事先不需要选定基函数，其最大特点是依据数据本身的时域信 息进行时域分解，得到的本征模式函数（multivariateintrinsicmodefunctions,IMFs) 通常是有限和平稳的，而且是具有实际意义的窄带信号。因此该方法也被逐渐应用到脑电 伪迹去除方面。但是，直接将与肌电伪迹相关的IMFs去掉，可能导致损失大量的脑电信息， 显然运也是不可取的。典型相关分析（CanonicalCorrelationAnalysis,CCA)是利用综 合变量对之间的相关关系来反映整体相关性的多元统计分析方法，是目前比较常用的处 理脑电信号中肌电伪迹的方法，但是CCA方法仅局限于在信噪比为正的情况下，W及其信 噪比有待提局。
【发明内容】
[0004] 为了解决W上问题，本发明的目的在于提供一种基于CCA和多元经验模式分解 (multivariateempiricalmodedecomposition,MEMD)的去除脑电信号中肌电伪迹的方 法，即MEMD-CCA方法，从脑电信号中完全提取出肌电伪迹，并且保留了部分脑电信息，运样 去除肌电的时候，避免了部分脑电信息的损失；CCA可W从脑电信号中分离出肌电伪迹，通 过计算各个分量的互相关值判定伪迹，然后去除肌电；本发明结合运两种方法的优势用于 肌电伪迹的去除，不仅能够自动识别肌电伪迹并将其去除，同时保留了大量脑电信息，为脑 电去噪提供了一种新思路。
[0005] 为了达到上述目的，本发明的技术方案为：
[0006] 一种去除脑电中肌电伪迹的算法，包括W下步骤：
[0007] 步骤一、将按不同信噪比混合了肌电伪迹的脑电信号经过MEMD分解得到若干多 元本征模式函数；
[000引具体为：设含肌电伪迹的脑电信号X(t) = [Xi(t)，X2(t)，…，x"(t)]T，其中n表示 脑电信号的通道个数，t表示时间，T表示矩阵的转置，脑电信号经MEMD分解后产生m个 MIMFs即X沿=2^1,姑掛￡巧巧，其中每个MIMFi均为一个n通道的信号，且各通道的信号 都处于同一频段内，同时分解产生的全部= 1，2,…，m)的频率范围是按照从高到 低的顺序排列的；
[0009] 步骤二、计算每个MIMF的样本赌值，根据仿真选定的样本赌阔值，将样本赌小于 阔值的MIMF保留下来，将样本赌大于阔值的MIMF判定为含肌电伪迹；
[0010] 具体为：对于分解出的MIMF，我们计算其每一个通道的样本赌值，并对每一个通 道的样本赌值叠加平均作为分解出的MIMF的样本赌值，根据仿真实验找到肌电伪迹的样 本赌阔值，保留小于阔值的MIMF，将大于阔值的MIMF判定为含有肌电伪迹；
[0011] 步骤S、将含有肌电伪迹的脑电信号进行叠加，叠加之后进行CCA分解，具体为U =XXA，其中，U为典型变量，X为待处理信号，A为典型相关系数矩阵，得到分解后按照自 相关值降序排列的典型变量U，根据仿真选定的自相关阔值，将自相关值小于阔值的数据通 道置为零，而保留剩余的数据通道；
[0012] 步骤四、对步骤S中部分通道置零后的数据进行CCA重构，根据步骤S中CCA分解 的公式可W得知CCA重构公式为：Xti。。,=U。1。。,Xinv(A);式中：也。。,为去除EMG伪迹后的 "干净"典型变量，A为典型相关系数矩阵，Xd。。,为去除肌电伪迹的MIMF数据；
[0013] 步骤五、对步骤四中CCA重构得到的脑电信号，与步骤二中保留下来的脑电信号 叠加重构得到已经去除EMG伪迹的"干净"信号。
[0014] 本发明的优势在于：本发明使用基于CCA和MEMD的肌电伪迹去除方法，对不同信 噪比下的仿真混合信号进行肌电伪迹去除。为了验证所提算法的有效性，我们将实验结果 与CCA算法单独使用的结果进行了比较。实验结果证实，不同信噪比下，MEMD-CCA肌电伪 迹去除方法去噪后对每个脑电通道信噪比有明显地提升，并且效果优于CCA算法单独使用 的结果。运两种方法对于真实含肌电伪迹的脑电信号去噪效果，MEMD-CCA算法也明显优于 CCA算法单独使用。
【附图说明】
[0015] 图1是本发明的流程图。
[0016] 图2(a)是一组纯净的脑电信号，图2(b)是一组加入肌电伪迹的脑电信号，信噪比 为-15分贝，长度为5秒。
[0017] 图3是前4个MIMF的波形，其中图3 (a)和图3(b)为MIMFl和MIMF2,图3 (C)和 图3(d)为MIMF3和MIMF4 ;在图3中可看到每个MIMF的大小和原信号大小一样，每一行对 应每个脑电通道的分解出来分量，相当于一个"IMF"。
[0018] 图4是CCA分解后得到的信号。
[0019] 图5 (a)是使用MEMD-CCA方法对-15化的混合仿真信号使用的去噪效果，图5化） 是使用CCA方法对-15地的混合仿真信号的单独去噪效果。
[0020]图6 (a)、化）、（C)、（d)分别是信噪比为-15化，-10化，-5化，0化下5个通道的脑 电使用CCA和MEMD-CCA方法的信噪比结果对比。
[0021] 图7是一个被试者用MEMD-CCA算法对其信号的去噪效果，其中图（a)是待处理的 信号，图化）是处理后的信号。
【具体实施方式】
[0022] 下面结合附图对本发明做详细叙述。
[002引参照图1，一种去除脑电信号中肌电伪迹的方法，包括W下步骤：
[0024] 步骤一、对含肌电伪迹的脑电信号进行MEMD处理，信号如图2所示，相对于经验 模式分解（empiricalmodedecomposition,EMD)方法而言，MEMD能够对多通道脑电信号 同时进行处理，可W使产生的各个MIMF中所有通道的信号都处于同一频段之内，W便进行 同频带的后续处理，设含肌电伪迹的脑电信号X(t) = [Xi(t)，X2(t)，…，x"(t)]T，其中n表 示脑电信号的通道个数，t表示时间，T表示矩阵的转置，脑电信号经MEMD分解后产生m个 MIMFs即义W= W，其中每个MIMFi均为一个n通道的信号，且各通道的信号 都处于同一频段内，同时分解产生的全部= 1，2,…，m)的频率范围是按照从高到 低的顺序排列的，如图3所示；
[00巧]步骤二、计算每个MIMF(Multivariate