典型文献
基于KICA和MAMA-EMD的眼电伪迹去除方法
文献摘要：
目的 为了准确地分离并去除脑电(electroencephalogram,EEG)信号中的尖峰状眼电(electrooculogram,EOG)伪迹,本文提出一种基于核独立分量分析(kernel independent component analysis,KICA)和掩膜最小弧长经验模态分解(masking-aided minimum arclength empirical mode decomposition,MAMA-EMD)的眼电伪迹去除方法,即KICMME.方法 首先,使用KICA将多通道受污染的EEG信号分离为多个独立分量(independent components,ICs);然后,计算每个IC的峰度值,确定与EOG相关的IC,并利用MAMA-EMD算法对其进一步分解,得到一组固有模态函数(intrinsic mode function,IMF);进而,通过计算各IMF的低频功率占比,识别并剔除与EOG相关性高的IMF;最后,基于MAMA-EMD和KICA的逆变换重构出"纯净"EEG信号.结果 在半模拟和真实脑电两个数据集上进行实验研究,KICMME取得的均方误差和信噪比分别为0.82和12.51 dB,获得的分类准确率和Kappa值分别为91％和0.82.结论 MAMA-EMD能够准确地分离出与EOG相关的IMF分量,使得KICMME可以在保留有用神经信息的同时,最大限度地去除EEG信号中的EOG伪迹,相对现有基于盲源分离的眼电伪迹去除方法具有明显优势.
文献关键词：
脑电信号;眼电伪迹;核独立分量分析;模态分裂;掩膜最小弧长经验模态分解
中图分类号：
作者姓名：
张圆圆;孙炎珺;李明爱
作者机构：
北京工业大学信息学部,北京 100124;计算智能与智能系统北京市重点实验室,北京 100124;数字社区教育部工程研究中心,北京 100124
文献出处：
引用格式：
[1]张圆圆;孙炎珺;李明爱-.基于KICA和MAMA-EMD的眼电伪迹去除方法)[J].北京生物医学工程,2022(04):360-367
A类：
MAMA,electrooculogram,核独立分量分析,掩膜最小弧长经验模态分解,arclength,KICMME,模态分裂
B类：
KICA,EMD,眼电伪迹去除,去除方法,electroencephalogram,EEG,尖峰,EOG,kernel,independent,analysis,masking,aided,minimum,empirical,mode,decomposition,多通道,信号分离,components,ICs,峰度,固有模态函数,intrinsic,function,IMF,逆变换,纯净,均方误差,dB,分类准确率,Kappa,留有,盲源分离,脑电信号
AB值：
0.22507
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
