CN107095672B - 一种去除脑电信号中伪迹信号的方法 - Google Patents

一种去除脑电信号中伪迹信号的方法 Download PDF

Info

Publication number
CN107095672B
CN107095672B CN201710434861.4A CN201710434861A CN107095672B CN 107095672 B CN107095672 B CN 107095672B CN 201710434861 A CN201710434861 A CN 201710434861A CN 107095672 B CN107095672 B CN 107095672B
Authority
CN
China
Prior art keywords
signal
artifact
electroencephalogram
signals
electroencephalogram signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710434861.4A
Other languages
English (en)
Other versions
CN107095672A (zh
Inventor
张昇欢
贺超
李育高
黄志毅
尼尔·麦克纳顿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Chuangda Yunrui Intelligent Technology Co ltd
Original Assignee
Shenzhen Chuangda Yunrui Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Chuangda Yunrui Intelligent Technology Co ltd filed Critical Shenzhen Chuangda Yunrui Intelligent Technology Co ltd
Priority to CN201710434861.4A priority Critical patent/CN107095672B/zh
Publication of CN107095672A publication Critical patent/CN107095672A/zh
Application granted granted Critical
Publication of CN107095672B publication Critical patent/CN107095672B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Mathematical Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种去除脑电信号中伪迹信号的方法，包括如下步骤：步骤一，采集脑电信号，所述采集到的脑电信号中含有伪迹信号；步骤二，检出脑电信号中含有伪迹信号的脑电信号段；步骤三，对前述检出的脑电信号段进行平滑处理，以得到含有伪迹信号的平滑信号段；步骤四，根据所述脑电信号段和所述平滑信号段进行差分，以得到时域上的去伪迹的脑电信号。步骤五，截取所述脑电信号段前后两端的不带伪迹信号的脑电信号为净信号；步骤六，根据截取的净信号的低频部分确定所述去伪迹的脑电信号的低频部分，并根据所述估计出的去伪迹的脑电信号的低频部分和该去伪迹的脑电信号的中高频部分得到频域上的去伪迹的脑电信号。

Description

一种去除脑电信号中伪迹信号的方法
技术领域
本发明涉及一种信号处理方法，尤其涉及一种去除脑电信号中伪迹信号的方法。
背景技术
脑电图(Electroencephalography,EEG)是从人类或动物的头皮记录到的脑电位变化，反映了大脑的功能状态。EEG具有很高的时间分辨率，在大脑疾病诊治、认知功能和心理学方面都有极其重要的应用价值和发展前景。
在医学上，可以通过分析EEG信号的特征来检查大脑疾病，例如，在诊断癫痫、脑瘤等神经科疾病方面。然而，由于EEG本身的时变敏感性，其信号极易被无关噪声污染，从而形成各种EEG伪迹。伪迹一直困扰着EEG分析技术的发展，并限制其应用。
这其中，眼电伪迹是最为严重EEG伪迹，它是由眼球运动或眨眼带来的较大电位变化引起的。在计算机系统和统计方法介入脑电识别领域之前，研究者多采用实验控制来处理眼电伪迹。例如，在实验过程中要求被试者尽量减少和避免眨眼、眼动等。但该方法的缺点在于被试者的无意眨眼和眼动难以控制。另外，对被试者的实验要求也会影响到实验任务的绩效。另一种常用的方法是数据剔除，即把与伪迹在峰值、斜率或方差等波形特征上相似程度较高的EEG波形剔除。该方法对波形剔除标准具有一定的主观性，并且有时会导致数据有效信息大量损失。此外，如果数据量有限或者伪迹信号源活动过于频繁时，则该方法难以适用。
近年来，提出了各种EEG伪迹去除方法，它们主要包括回归法、伪迹减法、主成分分析法(Principle Component Analysis,PCA)、独立成分分析法(IndependentComponentAnalysis，ICA)和小波变换法等。
有人提出了几种基于时域的眼电伪迹去除方法，然而，眨眼和眼动的眼电扩散函数的差异会导致对眨眼伪迹的校正过度。此外，这些回归方法还会引入新的伪迹。有人提出了基于频域的回归方法，但这些方法在实际中难以使用。
回归方法的共同前提是建立一个正确的回归导联。由于眼电信号的激活扩散都具有双向性，因此这些方法会错误地去除某些含有伪迹的EEG信号。伪迹减法假设记录到的(受污染的)EEG是真实的(未污染的)EEG和伪迹的线性联合，且EEG和伪迹信号之间无相关。伪迹减法易于使用，但它不能完整地恢复EEG波形。此外，实际上EEG与伪迹信号并不是无相关，该方法也会错误地排除掉某些EEG成分。
PCA在EEG各导联分布的基础上，可以把多导联的EEG分解为互相独立的成分，然后，去掉不需要的伪迹成分，最后重构EEG。然而，PCA只对正交的信号源比较有效，且它只适合于分解低阶相关信号，难以分解高阶相关信号。ICA则克服了上述PCA的缺陷。由于ICA的思路来自于中心极限定理，即一组均值和方差为同一数量级的随机变量的共同作用的结果必接近高斯分布，因此，ICA只适合于近似(超)高斯分布的信号源。PCA和ICA尽管取得了较好的去伪迹效果，但是它们只能对多导信号进行处理，而对单导信号完全不能使用。
小波变换法是将噪声信号逐级分解，然后选取适当的门限，对信号小波变换后的各尺度离散细节进行门限处理，最后将离散逼近信号和处理后离散细节经过小波逆变换重构信号。小波变换法要求信号和噪声的频带不能混叠，但实际上EEG和眼动伪迹的频带是相混叠的。另外，小波变换的计算复杂，且存在门限阈值选取问题。
发明内容
本发明针对现有技术的弊端，提供一种去除脑电信号中伪迹信号的方法。
本发明所述去除脑电信号中伪迹信号的方法，包括如下步骤：
步骤一，采集脑电信号，所述采集到的脑电信号中含有伪迹信号；
步骤二，检出脑电信号中含有伪迹信号的脑电信号段；
步骤三，对前述检出的脑电信号段进行平滑处理，以得到含有伪迹信号的平滑信号段；
步骤四，根据所述脑电信号段和所述平滑信号段进行差分，以得到时域上的去伪迹的脑电信号。
本发明所述的去除脑电信号中伪迹信号的方法中，所述步骤四之后进一步包括：
步骤五，截取所述脑电信号段前后两端的不带伪迹信号的脑电信号为净信号；
步骤六，根据截取的净信号的低频部分确定所述去伪迹的脑电信号的低频部分，并根据所述估计出的去伪迹的脑电信号的低频部分和该去伪迹的脑电信号的中高频部分得到频域上的去伪迹的脑电信号。
本发明所述的去除脑电信号中伪迹信号的方法的步骤二中，预先设定能量门限，所述脑电信号中超出所述设定能量门限的信号段即为含有伪迹信号的脑电信号段。
本发明所述的去除脑电信号中伪迹信号的方法的步骤三中，所述平滑处理包括七点五次平滑、和/或五点三次平滑、和/或分段线性回归拟合、和/或分段最小二乘二次拟合、和/或傅里叶滤波平滑、和/或小波包滤波平滑。
本发明所述的去除脑电信号中伪迹信号的方法的步骤四中，以所述脑电信号段减去所述平滑信号段，即得到时域上的去伪迹的脑电信号。
本发明所述的去除脑电信号中伪迹信号的方法的步骤五中，以脑电信号段中的第一个波峰为前时间基准点，截取该前时间基准点之前预定时间段内的不带伪迹信号的脑电信号为前端净信号；
以脑电信号段中的最后一个波谷为后时间基准点，截取该后时间基准点之后预定时间段内的不带伪迹信号的脑电信号为后端净信号。
本发明所述的去除脑电信号中伪迹信号的方法的步骤六中，取前端净信号的低频部分和后端净信号的低频部分的平均值作为所述去伪迹的脑电信号的低频部分。
本发明所述的去除脑电信号中伪迹信号的方法的步骤六中，所述去伪迹的脑电信号的低频部分和该去伪迹的脑电信号的中高频部分组合成该去伪迹的脑电信号的频域信息；
对所述频域信息进行反傅里叶变换，并取所述变换后的实部作为去伪迹的脑电信号。
本发明所述去除脑电信号中伪迹信号的方法中，保留了真实脑电信号的时域信息和频域信息，得到了高质量的脑电信号，这将更加满足高精度要求的脑电分析实验。该方法可对单导脑电信号进行实时地去眼电伪迹，这将更加适应单导脑电分析设备和实时分析的要求。同时，本方法不局限于本实施例中对于眼电伪迹的去除，还可以用于去除舌电伪迹、肌电伪迹、脉搏伪迹和出汗伪迹等。
附图说明
图1为本发明所述去除脑电信号中伪迹信号的方法的流程示意图；
图2为本发明所述去除脑电信号中伪迹信号的方法中含有伪迹信号的脑电信号示意图；
图3为本发明所述去除脑电信号中伪迹信号的方法中去除伪迹信号的脑电信号示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1所示，本发明所述的去除脑电信号中伪迹信号的方法，包括如下步骤：
步骤101，采集脑电信号，所述采集到的脑电信号中含有伪迹信号。
本步骤中，可通过脑波单导装置采集脑电信号，而采集到的脑电信号中不可避免的会带有伪迹信号，例如，受到眼电伪迹污染的脑电信号。需要说明的是，采集到的脑电信号不限于单导信号，还可以是多导信号，而本发明的优势在于可以处理单导信号，这是现有技术中不能解决的。
步骤102，检出脑电信号中含有伪迹信号的脑电信号段。
本步骤中，可通过预先设定能量门限的方式检出含有伪迹信号的脑电信号段。这是因为，存在伪迹(例如眼电伪迹)的脑电信号会呈现出较大的波幅状态，那么，通过预先设定能量门限(或其它眼电伪迹检测算法，例如时频分析，能量谱分析等，由于眼电能量比EEG信号强大许多倍，通过设置能量门限可以做伪迹检出)的方式可以检出含有伪迹信号的脑电信号段。如图2所示，可以看出，相对于无眼电伪迹信号段而言，眼电伪迹信号段的波幅明显更大，这也是含有眼电伪迹信号的脑电信号段能够通过设定能量门限的方式检出的基础。在此种检出方法中，所述脑电信号中超出所述设定能量门限的信号段即为含有伪迹信号的脑电信号段。
步骤103，前述检出的脑电信号段进行平滑处理，以得到含有伪迹信号的平滑信号段。
本步骤中，对于检出的含有伪迹信号的脑电信号段，需要进行平滑处理，以确定伪迹信号的外围框架。那么，具体的平滑处理方法可采用诸如七点五次平滑、或五点三次平滑、或分段线性回归拟合、或分段最小二乘二次拟合、或傅里叶滤波平滑、或小波包滤波平滑，或者上述各方法的任意组合。
步骤104，根据所述脑电信号段和所述平滑信号段进行差分，以得到时域上的去伪迹的脑电信号。
鉴于在步骤103中已经确定了伪迹信号的外围框架，因此，本步骤中，将含有伪迹信号的脑电信号段减去(即差分)含有伪迹信号的平滑信号段(即减去伪迹信号的边界，也即从伪迹信号的边界起始去除伪迹信号)，就可得到时域上的去伪迹的脑电信号。
需要说明的是，前述获取时域上的去伪迹的脑电信号的方法属于伪迹减法，其成立的前提是采集到的含有伪迹信号的脑电信号是伪迹信号与真实的脑电信号的线性组合、且二者不相关。然而，实际上真实的脑电信号会对伪迹信号造成影响。此外，由于平滑处理相当于一个低频滤波器，采用伪迹减法得到的脑电信号的低频部分(大概0～20Hz)会部分损失。因此，采用伪迹减法得到的脑电信号只是在时域上与真实的脑电信号相似，而频域上也会丢失部分低频信息，这部分信息对脑电信号分析也很重要。因此，前述获得的脑电信号仅可用来进行时域分析，如果要进行频域分析，需要进行进一步的处理。
基于连续的短时间段内真实的脑电信号的频域上低频信号不会产生很大变化，我们在含伪迹信号段(即脑电信号段)附近出截取出一些等长不带伪迹的信号(简称净信号，这些净信号可以看做是无污染信号)。将这些不含伪迹的信号和去伪迹的脑电信号进行处理，得到它们的频域信息。
具体仍如图1所示，为了便于对脑电信号进行频域分析，本发明所述的去除脑电信号中伪迹信号的方法中，在所述步骤104之后还进一步包括如下步骤：
步骤105，截取所述脑电信号段前后两端的不带伪迹信号的脑电信号为净信号。
本步骤中，以脑电信号段中的第一个波峰为前时间基准点，截取该前时间基准点之前预定时间段内的不带伪迹信号的脑电信号为前端净信号；
以脑电信号段中的最后一个波谷为后时间基准点，截取该后时间基准点之后预定时间段内的不带伪迹信号的脑电信号为后端净信号。
具体如图2所示，伪迹信号通常由波峰变到波谷，时长在1秒内(本例中1秒采集256个数据点)。因此，我们可以等长地截取在波峰0.5秒前和在波谷0.5秒后的净信号。若出现连续的伪迹信号，则截取在第一段伪迹波峰0.5秒前和在最后一段伪迹波谷0.5秒后的净信号。
步骤106，根据截取的净信号的低频部分确定所述去伪迹的脑电信号的低频部分，并根据所述估计出的去伪迹的脑电信号的低频部分和该去伪迹的脑电信号的中高频部分得到频域上的去伪迹的脑电信号(如图3所示)。
本步骤中，取前端净信号的低频部分和后端净信号的低频部分的平均值作为所述去伪迹的脑电信号的低频部分。具体来说是令净信号相应频率的实部和虚部分别对应去伪迹的脑电信号的每个低频(0～20Hz)的实部和虚部。
因所述去伪迹的脑电信号中的低频有一部分损失，而中高频部分则保留较完整。故而，以所述去伪迹的脑电信号的低频部分和该去伪迹的脑电信号的中高频部分组合成该去伪迹的脑电信号的频域信息；对所述频域信息进行反傅里叶变换，并取所述变换后的实部作为去伪迹的脑电信号。
本发明所述去除脑电信号中伪迹信号的方法中，保留了真实脑电信号的时域信息和频域信息，得到了高质量的脑电信号，这将更加满足高精度要求的脑电分析实验。该方法可对单导脑电信号进行实时地去眼电伪迹，这将更加适应单导脑电分析设备和实时分析的要求。同时，本方法不局限于本实施例中对于眼电伪迹的去除，还可以用于去除舌电伪迹、肌电伪迹、脉搏伪迹和出汗伪迹等。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (7)

1.一种去除脑电信号中伪迹信号的方法，其特征在于，包括如下步骤：
步骤一，采集脑电信号，所述采集到的脑电信号中含有伪迹信号；
步骤二，检出脑电信号中含有伪迹信号的脑电信号段；
步骤三，对前述检出的脑电信号段进行平滑处理，以得到含有伪迹信号的平滑信号段；
步骤四，根据所述脑电信号段和所述平滑信号段进行差分，以得到时域上的去伪迹的脑电信号；
步骤五，截取所述脑电信号段前后两端的不带伪迹信号的脑电信号为净信号；
步骤六，根据截取的净信号的低频部分确定所述去伪迹的脑电信号的低频部分，并根据所述估计出的去伪迹的脑电信号的低频部分和该去伪迹的脑电信号的中高频部分得到频域上的去伪迹的脑电信号。
2.如权利要求1所述的去除脑电信号中伪迹信号的方法，其特征在于，所述步骤二中，预先设定能量门限，所述脑电信号中超出所述设定能量门限的信号段即为含有伪迹信号的脑电信号段。
3.如权利要求1所述的去除脑电信号中伪迹信号的方法，其特征在于，所述步骤三中，所述平滑处理包括七点五次平滑、和/或五点三次平滑、和/或分段线性回归拟合、和/或分段最小二乘二次拟合、和/或傅里叶滤波平滑、和/或小波包滤波平滑。
4.如权利要求1所述的去除脑电信号中伪迹信号的方法，其特征在于，所述步骤四中，以所述脑电信号段减去所述平滑信号段，即得到时域上的去伪迹的脑电信号。
5.如权利要求1所述的去除脑电信号中伪迹信号的方法，其特征在于，所述步骤五中，以脑电信号段中的第一个波峰为前时间基准点，截取该前时间基准点之前预定时间段内的不带伪迹信号的脑电信号为前端净信号；
以脑电信号段中的最后一个波谷为后时间基准点，截取该后时间基准点之后预定时间段内的不带伪迹信号的脑电信号为后端净信号。
6.如权利要求5所述的去除脑电信号中伪迹信号的方法，其特征在于，所述步骤六中，取前端净信号的低频部分和后端净信号的低频部分的平均值作为所述去伪迹的脑电信号的低频部分。
7.如权利要求6所述的去除脑电信号中伪迹信号的方法，其特征在于，所述步骤六中，所述去伪迹的脑电信号的低频部分和该去伪迹的脑电信号的中高频部分组合成该去伪迹的脑电信号的频域信息；
对所述频域信息进行反傅里叶变换，并取所述变换后的实部作为去伪迹的脑电信号。
CN201710434861.4A 2017-06-10 2017-06-10 一种去除脑电信号中伪迹信号的方法 Active CN107095672B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710434861.4A CN107095672B (zh) 2017-06-10 2017-06-10 一种去除脑电信号中伪迹信号的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710434861.4A CN107095672B (zh) 2017-06-10 2017-06-10 一种去除脑电信号中伪迹信号的方法

Publications (2)

Publication Number Publication Date
CN107095672A CN107095672A (zh) 2017-08-29
CN107095672B true CN107095672B (zh) 2020-11-03

Family

ID=59659342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710434861.4A Active CN107095672B (zh) 2017-06-10 2017-06-10 一种去除脑电信号中伪迹信号的方法

Country Status (1)

Country Link
CN (1) CN107095672B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109938725B (zh) * 2017-12-20 2022-03-18 北京怡和嘉业医疗科技股份有限公司 脑电信号处理方法和系统
CN109222967A (zh) * 2018-10-26 2019-01-18 哈尔滨工业大学 基于离群点三次样条插值的脑电信号中眼电伪迹去除方法
CN111012341B (zh) * 2020-01-08 2022-04-22 东南大学 基于可穿戴脑电设备的伪迹去除和脑电信号质量评估方法
CN112244872B (zh) * 2020-09-28 2021-09-07 北京创新智源科技有限公司 脑电图信号伪差识别、去除、评估方法、装置及电子设备
CN114431879B (zh) * 2021-12-24 2024-04-16 南京邮电大学 一种基于脑电图的眨眼咬牙判断方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4171696A (en) * 1978-01-30 1979-10-23 Roy John E Prevention of distortion of brainwave data due to eye movement or other artifacts
US4736751A (en) * 1986-12-16 1988-04-12 Eeg Systems Laboratory Brain wave source network location scanning method and system
US4928704A (en) * 1989-01-31 1990-05-29 Mindcenter Corporation EEG biofeedback method and system for training voluntary control of human EEG activity
CN101474070A (zh) * 2009-01-21 2009-07-08 电子科技大学 一种脑电信号中眼电伪迹的去除方法
CN104688220A (zh) * 2015-01-28 2015-06-10 西安交通大学 一种去除脑电信号中眼电伪迹的方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002013689A2 (en) * 2000-08-15 2002-02-21 The Regents Of The University Of California Method and apparatus for reducing contamination of an electrical signal
US20090062680A1 (en) * 2007-09-04 2009-03-05 Brain Train Artifact detection and correction system for electroencephalograph neurofeedback training methodology
US8352021B2 (en) * 2008-04-15 2013-01-08 Christopher Scheib Method and system for jointly monitoring physiological conditions
US8600492B2 (en) * 2011-01-31 2013-12-03 Brain Products Gmbh Method and system for EEG artifact correction in combined EEG and functional MRI recording
US20120310105A1 (en) * 2011-05-31 2012-12-06 Massachusetts Institute Of Technology Monitoring task engagement using beta oscillations
KR20160044079A (ko) * 2014-10-14 2016-04-25 고려대학교 산학협력단 세그먼트 주성분 분석 기법을 이용한 뇌파 노이즈 제거 장치 및 뇌파 노이즈 제거 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4171696A (en) * 1978-01-30 1979-10-23 Roy John E Prevention of distortion of brainwave data due to eye movement or other artifacts
US4736751A (en) * 1986-12-16 1988-04-12 Eeg Systems Laboratory Brain wave source network location scanning method and system
US4928704A (en) * 1989-01-31 1990-05-29 Mindcenter Corporation EEG biofeedback method and system for training voluntary control of human EEG activity
CN101474070A (zh) * 2009-01-21 2009-07-08 电子科技大学 一种脑电信号中眼电伪迹的去除方法
CN104688220A (zh) * 2015-01-28 2015-06-10 西安交通大学 一种去除脑电信号中眼电伪迹的方法

Also Published As

Publication number Publication date
CN107095672A (zh) 2017-08-29

Similar Documents

Publication Publication Date Title
CN107095672B (zh) 一种去除脑电信号中伪迹信号的方法
Islam et al. A wavelet-based artifact reduction from scalp EEG for epileptic seizure detection
Sai et al. Automated classification and removal of EEG artifacts with SVM and wavelet-ICA
Mahajan et al. Unsupervised eye blink artifact denoising of EEG data with modified multiscale sample entropy, kurtosis, and wavelet-ICA
Mowla et al. Artifacts-matched blind source separation and wavelet transform for multichannel EEG denoising
Kumar et al. Removal of ocular artifacts in the EEG through wavelet transform without using an EOG reference channel
Bono et al. Hybrid wavelet and EMD/ICA approach for artifact suppression in pervasive EEG
Zhao et al. Automatic identification and removal of ocular artifacts in EEG—improved adaptive predictor filtering for portable applications
Jafarifarmand et al. Real-time ocular artifacts removal of EEG data using a hybrid ICA-ANC approach
Khatun et al. Comparative analysis of wavelet based approaches for reliable removal of ocular artifacts from single channel EEG
Egambaram et al. FastEMD–CCA algorithm for unsupervised and fast removal of eyeblink artifacts from electroencephalogram
Shahbakhti et al. Removal of blink from EEG by empirical mode decomposition (EMD)
Effern et al. Nonlinear denoising of transient signals with application to event-related potentials
Sheela et al. A hybrid method for artifact removal of visual evoked EEG
Zou et al. Automatic EEG artifact removal based on ICA and Hierarchical Clustering
Patel et al. Effective extraction of visual event-related pattern by combining template matching with ensemble empirical mode decomposition
Mahajan et al. Sample Entropy enhanced wavelet-ICA denoising technique for eye blink artifact removal from scalp EEG dataset
Guarascio et al. Automatic minimization of ocular artifacts from electroencephalogram: A novel approach by combining Complete EEMD with Adaptive Noise and Renyi's Entropy
Wang et al. EMD-based EEG signal enhancement for auditory evoked potential recovery under high stimulus-rate paradigm
David et al. Decoupling action potential bias from cortical local field potentials
Paradeshi et al. Removal of ocular artifacts from multichannel EEG signal using wavelet enhanced ICA
Li et al. A method for automatic removal of EOG artifacts from EEG based on ICA-EMD
CN111990991A (zh) 一种基于复杂网络的脑电信号分析方法及应用
Heute et al. Removing “cleaned” eye-blinking artifacts from EEG measurements
Malan et al. Removal of Ocular Atrifacts from Single Channel EEG Signal Using DTCWT with Quantum Inspired Adaptive Threshold

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Zhang Shenghuan

Inventor after: He Chao

Inventor after: Li Yugao

Inventor after: Huang Zhiyi

Inventor after: Zhang Shenghuan, He Chao, Li Yugao, Huang Zhiyi, Huang Zhiyi and Neil Mcnaton

Inventor before: He Chao

Inventor before: Li Yugao

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant