本發(fā)明屬于腦電信號(hào)處理技術(shù)領(lǐng)域，更為具體地講，涉及一種單通道腦電信號(hào)中眼電干擾的自動(dòng)去除方法。

背景技術(shù)：

腦電信號(hào)(Electroencephalogram,EEG)是由腦神經(jīng)活動(dòng)產(chǎn)生并且始終存在于中樞神經(jīng)系統(tǒng)的自發(fā)性電位活動(dòng)，含有豐富的大腦活動(dòng)信息，是大腦研究、生理研究、臨床腦疾病診斷的重要手段。然而，EEG信號(hào)具有高度非平穩(wěn)性、隨機(jī)性和非線性的特點(diǎn)，且信號(hào)微弱，在使用專用機(jī)器(通常通道數(shù)較多)或便攜式腦電采集設(shè)備(少通道甚至單通道的)對(duì)EEG進(jìn)行采集時(shí)，極易受到眼電(Electrooculogram,EOG)、肌電(Electromyography,EMG)、心電(Electrocardiography,EKG)的干擾，特別是眼電干擾，幅度較大，對(duì)腦電信號(hào)的提取和分析有很大的影響。因此，對(duì)各種干擾(偽跡)特別是眼電干擾的去除方法研究，始終是腦電信號(hào)處理領(lǐng)域的重要問(wèn)題。

目前主要的眼電偽跡去除技術(shù)有兩類：偽跡排除和偽跡校正。偽跡排除是將包含眼電干擾的腦電時(shí)段簡(jiǎn)單地排除；而偽跡校正指采用各種方法消除眼電成分對(duì)所采集EEG的影響，該技術(shù)主要包括：1)平均偽跡回歸分析方法，其原理是假設(shè)眼電電極和各頭皮電極之間的傳導(dǎo)系數(shù)不變，利用眼電通道與其他多個(gè)通道的相關(guān)性來(lái)估計(jì)傳導(dǎo)系數(shù)，并從各個(gè)通道中按傳導(dǎo)系數(shù)減去眼電信號(hào)而獲得正常的EEG信號(hào)；2)盲源分離算法(Blind Source Separation,BSS)，指在源信號(hào)和傳輸系統(tǒng)特性均未知的情況下對(duì)混合信號(hào)進(jìn)行分離，將分離出的偽跡成分去除后再重建信號(hào)就可以得到去除偽跡后的信號(hào)，常用的算法有主成分分析(Principal component analysis,PCA)、獨(dú)立成分分析(Independent component analysis,ICA)和二階盲辨識(shí)(Second order blind identification,SOBI)算法等；3)小波變換(wavelettransform,WT)方法，通過(guò)小波變換對(duì)EEG信號(hào)進(jìn)行小波分解并去除偽跡成分，然后進(jìn)行小波重構(gòu)得到純凈的EEG。平均偽跡回歸分析方法需要有獨(dú)立的眼電通道；盲源分離算法要求不同通道在空間具有一定分布，且通道數(shù)要大于信號(hào)源的數(shù)目，其關(guān)鍵問(wèn)題是如何從分解得到的獨(dú)立成分中找出偽跡成分；小波變換方法具有多分辨率特性，是一種很好的非平穩(wěn)信號(hào)的去噪方式。

對(duì)于上述兩類眼電偽跡去除技術(shù)，偽跡排除技術(shù)必須要有干擾檢測(cè)的過(guò)程，這樣才能排除受到眼電干擾的腦電時(shí)段；而在偽跡校正技術(shù)中使用干擾區(qū)間檢測(cè)，然后對(duì)檢測(cè)到的干擾區(qū)間進(jìn)行處理，能夠最小化該技術(shù)在校正過(guò)程中對(duì)EEG數(shù)據(jù)的扭曲，因此，對(duì)眼電干擾區(qū)間進(jìn)行檢測(cè)是非常必要的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種單通道腦電信號(hào)中眼電干擾的自動(dòng)去除方法，僅需基于單通道腦電信號(hào)就可以進(jìn)行眼電信號(hào)的檢測(cè)并去除眼電干擾，通過(guò)對(duì)干擾區(qū)間檢測(cè)和眼電信號(hào)估計(jì)的改進(jìn)，提高眼電信號(hào)估計(jì)準(zhǔn)確率，從而提高眼電干擾去除效果。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明單通道腦電信號(hào)中眼電干擾的自動(dòng)去除方法包括以下步驟：

S1：先對(duì)采集到的單通道腦電信號(hào)采用基于MSDW的眼電干擾區(qū)間檢測(cè)，得到干擾區(qū)間集合r₁；然后將單通道腦電信號(hào)進(jìn)行反相，對(duì)反相單通道腦電信號(hào)采用基于MSDW的眼電干擾區(qū)間檢測(cè)，得到干擾區(qū)間集合r₂；將干擾區(qū)間集合r₁和干擾區(qū)間集合r₂中的干擾區(qū)間進(jìn)行合并，如果存在兩個(gè)或以上干擾區(qū)間存在重疊，將其合并為一個(gè)干擾區(qū)間，得到最終的干擾區(qū)間集合R；

S2：對(duì)步驟S1得到的干擾區(qū)間集合R中的每個(gè)干擾區(qū)間，采用基于小波變換的眼電估計(jì)方法對(duì)該干擾區(qū)間內(nèi)的單通道腦電信號(hào)進(jìn)行眼電信號(hào)估計(jì)，然后從單通道腦電信號(hào)減去估計(jì)得到的眼電信號(hào)，得到眼電干擾去除后的腦電信號(hào)。

本發(fā)明單通道腦電信號(hào)中眼電干擾的自動(dòng)去除方法，首先分別對(duì)采集到的單通道腦電信號(hào)和反相后的單通道腦電信號(hào)進(jìn)行基于MSDW的眼電干擾區(qū)間檢測(cè)，得到眼電干擾區(qū)間，然后采用基于小波變換的眼電估計(jì)方法對(duì)每個(gè)干擾區(qū)間內(nèi)的單通道腦電信號(hào)進(jìn)行眼電信號(hào)估計(jì)，然后從單通道腦電信號(hào)減去估計(jì)得到的眼電信號(hào)，得到眼電干擾去除后的腦電信號(hào)，實(shí)現(xiàn)眼電干擾的去除。

本發(fā)明具有以下技術(shù)效果：

1)采用基于MSDW的眼電干擾區(qū)間檢測(cè)從單通道腦電信號(hào)中檢測(cè)得到眼電干擾區(qū)間，無(wú)需使用多個(gè)EEG通道和額外的EOG通道，為便攜式腦電采集設(shè)備采集的EEG數(shù)據(jù)去眼電干擾帶來(lái)了便利，且檢測(cè)準(zhǔn)確率高，可以提高眼電信號(hào)估計(jì)準(zhǔn)確率；

2)使用基于小波變換的眼電干擾去除方法對(duì)檢測(cè)出的干擾區(qū)間進(jìn)行眼電估計(jì)和去除，能夠準(zhǔn)確地分離出眼電干擾，根據(jù)實(shí)驗(yàn)驗(yàn)證可知，眼電干擾去除效果較好，且原始腦電信號(hào)與去除眼電干擾后的腦電信號(hào)相關(guān)性適中，符合數(shù)據(jù)特征。

附圖說(shuō)明

圖1是本發(fā)明單通道腦電信號(hào)中眼電干擾的自動(dòng)去除方法的具體實(shí)施方式流程圖；

圖2是SDW的示意圖；

圖3是幅度增大眼電干擾示例圖；

圖4是實(shí)際可能眼電干擾示例圖；

圖5是本發(fā)明眼電干擾區(qū)間的檢測(cè)示例圖；

圖6是本實(shí)施例中基于小波變換的眼電估計(jì)方法流程圖；

圖7是本實(shí)施例中6層小波分解示意圖；

圖8是本實(shí)施例中小波變換方法與兩種對(duì)比方法的重構(gòu)信號(hào)對(duì)比圖；

圖9是駕駛汽車模擬器前TP9通道數(shù)據(jù)的眼電干擾去除對(duì)比圖；

圖10是駕駛汽車模擬器前TP10通道數(shù)據(jù)的眼電干擾去除對(duì)比圖；

圖11是駕駛汽車模擬器前FP1通道數(shù)據(jù)的眼電干擾去除對(duì)比圖；

圖12是駕駛汽車模擬器中TP9通道數(shù)據(jù)的眼電干擾去除對(duì)比圖；

圖13是駕駛汽車模擬器中TP10通道數(shù)據(jù)的眼電干擾去除對(duì)比圖；

圖14是駕駛汽車模擬器中FP1通道數(shù)據(jù)的眼電干擾去除對(duì)比圖；

圖15是駕駛汽車模擬器后TP9通道數(shù)據(jù)的眼電干擾去除對(duì)比圖；

圖16是駕駛汽車模擬器后TP10通道數(shù)據(jù)的眼電干擾去除對(duì)比圖；

圖17是駕駛汽車模擬器后FP1通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計(jì)的詳細(xì)描述也許會(huì)淡化本發(fā)明的主要內(nèi)容時(shí)，這些描述在這里將被忽略。

實(shí)施例

圖1是本發(fā)明單通道腦電信號(hào)中眼電干擾的自動(dòng)去除方法的具體實(shí)施方式流程圖。如圖1所示，本發(fā)明單通道腦電信號(hào)中眼電干擾的自動(dòng)去除方法的具體步驟包括：

S101：基于MSDW的眼電干擾區(qū)間檢測(cè)：

為了更好地說(shuō)明本發(fā)明的技術(shù)方案，首先對(duì)基于MSDW的眼電干擾區(qū)間檢測(cè)原理進(jìn)行說(shuō)明。基于MSDW的眼電干擾區(qū)間檢測(cè)是基于數(shù)字濾波器和基于規(guī)則的決策系統(tǒng)為基礎(chǔ)實(shí)現(xiàn)的。濾波器可以用如下公式(1)描述：

F(t)＝S(t)-S(t-|W|) (1)

其中，|W|表示滑動(dòng)窗口的寬度，S(t)表示原始信號(hào)在時(shí)刻t的采樣值。

因?yàn)楣?1)來(lái)源于公式(2)：

因此濾波器可以被稱為“單個(gè)滑動(dòng)窗口一階導(dǎo)數(shù)求和(summation of first derivatives in a sliding window,SDW)”。

圖2是SDW的示意圖。如圖2所示，當(dāng)滑動(dòng)窗口的尺寸大到能夠覆蓋到某波形時(shí)，原始信號(hào)在該滑動(dòng)窗口下的一階導(dǎo)數(shù)求和就能夠?yàn)V出該波形，當(dāng)滑動(dòng)窗口的尺寸接近目標(biāo)眼電波形尺寸的一半時(shí)，濾波器能夠提取出目標(biāo)波形而抑制小于目標(biāo)波形的其他波形。對(duì)于形如圖2中的眼電干擾，當(dāng)滑動(dòng)窗口的尺寸是眼電干擾寬度的一半時(shí)，SDW在此眼電干擾的峰值點(diǎn)和最后一個(gè)點(diǎn)處分別取得最大值和最小值，因此，可以用局部最小值和局部最大值的差分與一個(gè)預(yù)設(shè)的閾值比較，若差分值大于閾值則確定眼電干擾的存在。用Max_i和Min_i分別表示一個(gè)SDW時(shí)序中的第i個(gè)局部最大值和第i個(gè)局部最小值，那么，估計(jì)干擾的時(shí)間范圍δ如下：

δ＝{[T(Max_i)-|W|,T(Min_i)]|Max_i-Min_i>θ} (3)

其中，T(Max_i)和T(Min_i)分別表示第i個(gè)局部最大值Max_i和局部最小值Min_i的時(shí)刻，|W|表示滑動(dòng)窗口的尺寸，θ表示預(yù)設(shè)閾值，該閾值根據(jù)經(jīng)驗(yàn)和眼電干擾的一般尺寸進(jìn)行取值。

根據(jù)公式(1)和圖2不難看出，SDW濾波器強(qiáng)調(diào)在特殊波寬中的峰值。由于眼電干擾有其自身的多樣性，且為了強(qiáng)調(diào)不同波寬下的峰值，應(yīng)該考慮多種窗口尺寸下的SDW濾波器，即從不同窗口尺寸中選擇最優(yōu)的值作為時(shí)刻t的窗口大小，因?yàn)檫@個(gè)過(guò)程需要使用多個(gè)滑動(dòng)窗口，稱其為“多窗口一階導(dǎo)數(shù)求和(Multiple-window SDW,MSDW)”。

通過(guò)分析基于MSDW的眼電干擾區(qū)間檢測(cè)方法可知，其適用于幅度增大的眼電干擾。圖3是幅度增大眼電干擾示例圖。如圖3所示，眼電干擾是圖中虛線框內(nèi)的波形。而根據(jù)實(shí)際實(shí)驗(yàn)發(fā)現(xiàn)，眼電信號(hào)的變化不僅是圖2所示的情況。圖4是實(shí)際可能眼電干擾示例圖。如圖4所示，當(dāng)眨眼發(fā)生時(shí)EEG信號(hào)可能會(huì)出現(xiàn)如虛線框內(nèi)的四種變化，其中，a類信號(hào)先升后降，b類信號(hào)先降后升，c類信號(hào)先升后降再升，d類信號(hào)先降后升再降。圖5是本發(fā)明眼電干擾區(qū)間的檢測(cè)示例圖。如圖5所示，為了能檢測(cè)出各種類型的眼電干擾區(qū)間，本發(fā)明采用如下檢測(cè)方法：

先對(duì)采集到的單通道腦電信號(hào)采用基于MSDW的眼電干擾區(qū)間檢測(cè)，得到干擾區(qū)間集合r₁，這樣可以檢測(cè)到圖4所示的a類型和c類型的眼電干擾。然后將單通道腦電信號(hào)進(jìn)行反相，對(duì)反相單通道腦電信號(hào)采用基于MSDW的眼電干擾區(qū)間檢測(cè)，得到干擾區(qū)間集合r₂。然后將干擾區(qū)間集合r₁和干擾區(qū)間集合r₂中的干擾區(qū)間進(jìn)行合并，如果存在兩個(gè)以上干擾區(qū)間存在重疊，將其合并為一個(gè)干擾區(qū)間，合并后干擾區(qū)間的端點(diǎn)即為重疊干擾區(qū)間的最小起始點(diǎn)和最大終止點(diǎn)，得到最終的干擾區(qū)間集合R。

基于MSDW的眼電干擾區(qū)間檢測(cè)的方法可以參見(jiàn)參考文獻(xiàn)“Chang,W.-D.,et al.,Detection of eye blink artifacts from single prefrontal channel electroencephalogram.Computer Methods and Programs in Biomedicine,2016.124:p.19-30.”，其具體方法可以概述為：記當(dāng)前單通道腦電信號(hào)時(shí)刻t的采樣值采用[W_min,W_max]范圍內(nèi)各個(gè)不同的滑動(dòng)窗口尺寸W計(jì)算SDW值F_|W|。W_min和W_max根據(jù)采樣頻率和眼電干擾的一般持續(xù)時(shí)間設(shè)置，一般是經(jīng)驗(yàn)值。從所有SDW值F_|W|中選擇最大值記為RF(t)，對(duì)應(yīng)窗口尺寸記為|W_RF(t)|，判斷是否同時(shí)滿足以下兩個(gè)條件：

a.在[t,t-|W_RF(t)|]范圍內(nèi)的局部最大值和最小值的個(gè)數(shù)相同；

b.在[t,t-|W_RF(t)|+1]范圍內(nèi)的所有的一階導(dǎo)數(shù)應(yīng)該屬于處于S′(t-|W_RF(t)|+1)和和S′(t)之間，其中S′(t)和S′(t-|W_RF(t)|+1)分別代表單通道腦電信號(hào)在時(shí)刻t和時(shí)刻t-|W_RF(t)|+1的一階導(dǎo)數(shù)；

如果最大值RF(t)所對(duì)應(yīng)的滑動(dòng)窗口尺寸唯一且滑動(dòng)窗口尺寸同時(shí)滿足以上兩個(gè)條件，令|W_MSDW(t)|＝|W_RF(t)|，如果對(duì)應(yīng)滑動(dòng)窗口尺寸不唯一且有多個(gè)滑動(dòng)窗口尺寸同時(shí)滿足以上兩個(gè)條件，令|W_MSDW(t)|＝min(|W_RF(t)|)；如果最大值RF(t)對(duì)應(yīng)的所有滑動(dòng)窗口尺寸均無(wú)法同時(shí)滿足以上兩個(gè)條件，則令|W_MSDW(t)|＝W_min。

因此時(shí)刻t時(shí)干擾區(qū)間的計(jì)算公式為：

其中，j是一個(gè)非負(fù)整數(shù)，使得Max_i-j-Min_i>θ且T(Max_i-j)-T(Min_i)≤W_max，T(Max_i-j)表示第i-j個(gè)局部最大值對(duì)應(yīng)的時(shí)刻。如果j不存在，則時(shí)刻t不存在干擾，即不存在干擾區(qū)間；如果與其他區(qū)間有重疊則刪除時(shí)刻t的干擾區(qū)間；如果時(shí)刻t的干擾區(qū)間包含于另一干擾區(qū)間內(nèi)，則刪除時(shí)刻t的干擾區(qū)間。

S102：基于小波變換進(jìn)行眼電估計(jì)和去除：

對(duì)步驟S101得到的干擾區(qū)間集合R中的每個(gè)干擾區(qū)間，采用基于小波變換的眼電估計(jì)方法對(duì)該干擾區(qū)間內(nèi)的單通道腦電信號(hào)進(jìn)行眼電信號(hào)估計(jì)，然后從單通道腦電信號(hào)減去估計(jì)得到的眼電信號(hào)，得到眼電干擾去除后的腦電信號(hào)。

小波分析是一種變分辨率的時(shí)頻分析方法，具有良好的時(shí)域、頻域分辨率和適應(yīng)性。近年來(lái)小波分析被廣泛應(yīng)用于信號(hào)處理、模式識(shí)別、數(shù)據(jù)壓縮、去噪、特征提取、分類和預(yù)測(cè)等領(lǐng)域。由于正常的腦電頻率較高、幅值較小、能量譜相對(duì)分散，而眼電信號(hào)卻具有低頻(<5Hz)、高能量、時(shí)間有限和能量相對(duì)集中等特點(diǎn)，合理選擇重構(gòu)方法，就能實(shí)現(xiàn)單通道腦電信號(hào)的眼電分離。

受眼電干擾的單通道腦電信號(hào)可簡(jiǎn)單表示為：

X(n)＝S(n)+A(n) (5)

其中，X(n)是一段受眼電干擾的單通道腦電信號(hào)，S(n)是正常腦電信號(hào)，A(n)是眼電信號(hào)。由于眼電信號(hào)是低頻信號(hào)，具有比正常腦電信號(hào)更高的幅值和更光滑的波形，因此，眼電信號(hào)提取問(wèn)題可以認(rèn)為是尋找一個(gè)與X(n)低頻特性相似的光滑函數(shù)A′(n)作為眼電信號(hào)A(n)的估計(jì)信號(hào)，并使S′(n)＝X(n)-A′(n)的平均方差盡可能小。由于正交多分辨率分析中的小波基是Banach空間中的無(wú)條件正交基，所以小波系數(shù)的衰減會(huì)使重構(gòu)函數(shù)的模增大為原來(lái)的常數(shù)倍，其中細(xì)節(jié)小波系數(shù)的衰減會(huì)使重構(gòu)函數(shù)比原函數(shù)更為平滑。鑒于眼電信號(hào)小波能量譜相對(duì)集中于低頻區(qū)域，因此合理地衰減眼電部分的細(xì)節(jié)小波系數(shù)就能得到眼電估計(jì)信號(hào)A′(n)。

為了更好地實(shí)現(xiàn)眼電估計(jì)，本實(shí)施例對(duì)小波變換中的具體技術(shù)手段進(jìn)行了篩選和改進(jìn)。圖6是本實(shí)施例中基于小波變換的眼電估計(jì)方法流程圖。如圖6所示，本實(shí)施例中基于小波變換的眼電估計(jì)方法的具體步驟包括：

S601：截取干擾區(qū)間腦電信號(hào)：

記干擾區(qū)間為[start,end]，start和end分別表示干擾區(qū)間在腦電信號(hào)中對(duì)應(yīng)的起始位置和截止位置，需要從單通道腦電信號(hào)中截取出對(duì)應(yīng)區(qū)間的信號(hào)?？紤]到小波變換端點(diǎn)效應(yīng)的影響，在截取信號(hào)時(shí)需要對(duì)干擾區(qū)間進(jìn)行一定的擴(kuò)展，即將干擾區(qū)間[start,end]擴(kuò)展為[start-K,end+K]，K表示擴(kuò)展數(shù)據(jù)個(gè)數(shù)，K>0，其大小根據(jù)實(shí)際需要設(shè)置，本實(shí)施例中K＝36。然后從單通道腦電信號(hào)中截取出區(qū)間[start-K,end+K]內(nèi)的信號(hào)。

S602：Mallat小波分解：

對(duì)步驟S601截取得到的腦電信號(hào)進(jìn)行Mallat小波分解。Mallat小波分解的關(guān)鍵問(wèn)題在于選擇合適的小波基函數(shù)和確定小波分解的層數(shù)。由于人眼球可被視為一個(gè)角膜端為正極、視網(wǎng)膜端為負(fù)極的雙極性球體，眼球轉(zhuǎn)動(dòng)和眨眼時(shí)，會(huì)改變眼球附近的電位分布形成復(fù)雜的眼電信號(hào)。研究表明，典型眨眼眼電波形表現(xiàn)為持續(xù)大約100～500ms(<5Hz)的單相偏移(記錄方式不同也可能出現(xiàn)雙相偏移)，為了得到眼電信號(hào)的光滑近似，本實(shí)施例中選用了與其具有較高相似性，且具有良好對(duì)稱性和光滑性的sym5小波基函數(shù)，以使分解稀疏，并降低相位損失。sym5小波基函數(shù)的具體說(shuō)明和應(yīng)用方法可以參見(jiàn)文獻(xiàn)“吳明權(quán),李海峰,and馬琳,單通道腦電信號(hào)中眼電干擾的自動(dòng)分離方法.電子與信息學(xué)報(bào),2015(02).”。

而在層數(shù)方面，小波分解層數(shù)過(guò)多，經(jīng)閾值處理會(huì)損失較多的局部眼電信息，而分解層數(shù)較少，又會(huì)使重構(gòu)眼電中混入過(guò)多的腦電信號(hào)。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn)層數(shù)在5～8的范圍內(nèi)可以達(dá)到較為良好的效果。本實(shí)施例中采用6層小波分解(即level＝6)，有效地平衡對(duì)小波分解層數(shù)與信號(hào)細(xì)節(jié)的不同要求。圖7是本實(shí)施例中6層小波分解示意圖。如圖7所示，首先，將包含眼電的原始腦電信號(hào)X作為最底層；然后自底向上逐層分解本層近似系數(shù)cA_k(k為層數(shù)0≤k≤level)，得到上一層近似系數(shù)cA_k+1和細(xì)節(jié)系數(shù)cD_k+1；最后得到小波分解結(jié)構(gòu)[C,L]，它表示信號(hào)X在分解層數(shù)為6，小波基函數(shù)為“sym5”下的小波分解結(jié)構(gòu)，其中C表示小波分解向量(wavelet decomposition vector)，L表示記錄向量(bookkeeping vector)。

S603：確定小波系數(shù)閾值：

使用Birgé-Massart策略自適應(yīng)地確定小波系數(shù)閾值。

小波系數(shù)提取的準(zhǔn)確與否是影響眼電重構(gòu)質(zhì)量的關(guān)鍵因素，通常采取在全部保留最上層的近似系數(shù)基礎(chǔ)上，每層保留模大于規(guī)定值的細(xì)節(jié)系數(shù)，而將模小于規(guī)定閾值的細(xì)節(jié)系數(shù)置零的方法來(lái)選擇重構(gòu)小波系數(shù)。對(duì)于小波系數(shù)閾值確定，本實(shí)施例中采用Birgé-Massart策略自適應(yīng)地選取，其具體方法分為以下三個(gè)方面：

①保留最高層J+1的全部近似系數(shù)，其中J＝length(L)-2，length()表示求長(zhǎng)度；

②確定第k層(1≤k<J)保留系數(shù)的個(gè)數(shù)為n_j：

其中，m取值范圍為L(zhǎng)(1)≤m≤2L(1)，其中，L(1)表示最高層近似系數(shù)的個(gè)數(shù)，α取值范圍為2≤α≤3，本實(shí)施例中α＝2。

③根據(jù)第k層的保留系數(shù)個(gè)數(shù)n_k，設(shè)定第k層的閾值為第n_k大的系數(shù)模|cD_k|。

S604：小波重構(gòu)：

根據(jù)步驟S603中確定的小波系數(shù)閾值對(duì)步驟S602分解后的腦電信號(hào)進(jìn)行小波重構(gòu)，由于在步驟S601中對(duì)干擾區(qū)間進(jìn)行了擴(kuò)展，因此在重構(gòu)后需要進(jìn)行還原，其作法為：從重構(gòu)后的信號(hào)中截取干擾區(qū)間[start,end]內(nèi)的信號(hào)作為眼電估計(jì)信號(hào)。

為了說(shuō)明本實(shí)施例中所采用的小波變換的優(yōu)勢(shì)，采用兩種小波變換方式作為對(duì)比方法與本實(shí)施例小波變換方法進(jìn)行對(duì)比，其中方法1為采用重構(gòu)近似系數(shù)作為眼電干擾的近似估計(jì)，方法2為利用小波重構(gòu)函數(shù)得到眼電干擾的近似估計(jì)。圖8是本實(shí)施例中小波變換方法與兩種對(duì)比方法的重構(gòu)信號(hào)對(duì)比圖。表1是本實(shí)施例中小波變換方法與兩種對(duì)比方法的重構(gòu)信號(hào)與原始信號(hào)相關(guān)性。

表1

如圖8和表1所示，采用本發(fā)明和兩種對(duì)比方法對(duì)包含4種類型眼電信號(hào)干擾的單通道腦電信號(hào)進(jìn)行了重構(gòu)，方法1的重構(gòu)信號(hào)與原始信號(hào)相差太大，而方法2的重構(gòu)信號(hào)又過(guò)多地保留了原始信號(hào)的細(xì)節(jié)信息(包括噪聲等)，而唯有本實(shí)施例方法得到的重構(gòu)信號(hào)在形狀上與原始信號(hào)近似，而且還未帶入很多的噪聲，該估計(jì)值比較平滑。因此本實(shí)施例方法中所采用的小波變換是一種較為優(yōu)選的方式。

在估計(jì)得到眼電信號(hào)后，需要從單通道腦電信號(hào)減去估計(jì)得到的眼電信號(hào)得到眼電干擾去除后的腦電信號(hào)。執(zhí)行該操作可能會(huì)在端點(diǎn)處形成間斷點(diǎn)。為了避免此問(wèn)題，可以對(duì)去除眼電干擾后的信號(hào)進(jìn)行端點(diǎn)補(bǔ)償，具體方法為：對(duì)于眼電干擾去除后的腦電信號(hào)，在每個(gè)眼電信號(hào)的端點(diǎn)位置，即干擾區(qū)間[start,end]的端點(diǎn)，采用其自身采樣值和兩側(cè)Q個(gè)采樣值進(jìn)行中值濾波，將中值濾波值作為該端點(diǎn)位置的采樣值。本實(shí)施例中Q＝2，即對(duì)5個(gè)采樣值進(jìn)行中值濾波。

為了更好說(shuō)明本發(fā)明的技術(shù)效果，采用具體實(shí)施例對(duì)本發(fā)明進(jìn)行仿真驗(yàn)證。本次仿真驗(yàn)證使用的數(shù)據(jù)是使用Muse采集的駕駛汽車模擬器時(shí)的數(shù)據(jù)，Muse能夠采集TP9(左耳)、FP1(左前額)、FP2(右前額)和TP10(右耳)這四個(gè)通道的EEG數(shù)據(jù)，采樣頻率為220Hz。本次仿真驗(yàn)證采用TP9、FP1和TP10三個(gè)通道的數(shù)據(jù)，每個(gè)通道數(shù)據(jù)時(shí)長(zhǎng)60s(60x220＝13200個(gè)數(shù)據(jù))進(jìn)行處理。以下將展示使用本文方法對(duì)不同汽車模擬器駕駛狀態(tài)不同通道下EEG數(shù)據(jù)的眼電干擾去除效果。

圖9是駕駛汽車模擬器前TP9通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。圖10是駕駛汽車模擬器前TP10通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。圖11是駕駛汽車模擬器前FP1通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。

圖12是駕駛汽車模擬器中TP9通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。圖13是駕駛汽車模擬器中TP10通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。圖14是駕駛汽車模擬器中FP1通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。

圖15是駕駛汽車模擬器后TP9通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。圖16是駕駛汽車模擬器后TP10通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。圖17是駕駛汽車模擬器后FP1通道數(shù)據(jù)的眼電干擾去除對(duì)比圖。

從圖9至圖17可以看出，使用本文提出的方法，能夠較準(zhǔn)確地找到EEG中的大多數(shù)眼電干擾區(qū)間，而且對(duì)找出的眼電干擾能夠進(jìn)行比較準(zhǔn)確地估計(jì)，并能有效去除。

表2是眼電干擾去除前后不同數(shù)據(jù)的相關(guān)性對(duì)比表。

表2

如上表2所示，分別計(jì)算了不同汽車模擬器駕駛狀態(tài)不同通道下，X(n)與noise、S′(n)與noise以及X(n)與S′(n)的相關(guān)性，其中X(n)表示Muse采集的原始EEG數(shù)據(jù)，noise表示采用本發(fā)明估計(jì)得到的眼電干擾(各個(gè)干擾區(qū)間歸電干擾信號(hào)的合并)，S′(n)表示采用本發(fā)明眼電干擾去除后的EGG數(shù)據(jù)。因X(n)含有眼電干擾信息，故X(n)與noise的相關(guān)性比較高，而S′(n)是X(n)經(jīng)過(guò)本發(fā)明方法得到的去除眼電干擾后的數(shù)據(jù)，故S′(n)與noise的相關(guān)性應(yīng)當(dāng)比較低，從表2不難發(fā)現(xiàn)，X(n)與noise的平均相關(guān)性達(dá)到0.8042，而S′(n)與noise的平均相關(guān)性降至0.1029，這說(shuō)明本發(fā)明方法能夠有效地去除眼電干擾。由于S′(n)是X(n)經(jīng)過(guò)去眼電干擾得到的，他們之間的相關(guān)性必然小于1，但X(n)是EEG信號(hào)中摻雜了眼電干擾，X(n)中主要信息還是EEG，故在去除眼電干擾后得到的S′(n)與X(n)的相關(guān)性應(yīng)當(dāng)不會(huì)很低，從表2可知，X(n)與S′(n)的平均相關(guān)性為0.5460，符合理論分析。

綜合圖9至圖17以及表2可知，使用本文提出的單通道腦電信號(hào)中眼電干擾的自動(dòng)去除方法能夠較好的對(duì)眼電干擾進(jìn)行分離和去除。

盡管上面對(duì)本發(fā)明說(shuō)明性的具體實(shí)施方式進(jìn)行了描述，以便于本技術(shù)領(lǐng)域的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于具體實(shí)施方式的范圍，對(duì)本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見(jiàn)的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護(hù)之列。