基于独立向量分析的脑电信号中肌电伪迹的去除方法-电子与信息学报.pdfVIP

第 38 卷第 11 期 电 子 与 信 息 学 报 Vol.38No.11 2016 年 11 月 Journal of Electronics Information Technology . Nov. 2016 基于独立向量分析的脑电信号中肌电伪迹的去除方法 陈 强① 陈 勋*① 余凤琼② ①(合肥工业大学生物医学工程系 合肥 230009) ②(安徽医科大学医学心理学系 合肥 230032) 摘 要：脑电数据经常被各种电生理信号伪迹所污染。在常见伪迹中，肌电伪迹特别难以去除。文献中最常用的方 法包括诸如独立分量分析 (Independent Component Analysis, ICA)和典型相关分析 (Canonical Correlation Analysis, CCA)等盲源分离技术。该文首次提出一种基于独立向量分析(Independent Vector Analysis, IVA)的新方 法，用以去除脑电中的肌电伪迹。IVA 同时使用高阶统计量和二阶统计量，因此该方法能够充分利用肌电伪迹的非 高斯性和弱相关性，兼具 ICA 方法和 CCA 方法的优势。实验表明，使用 IVA 方法可以在保留脑电成份的同时极 大抑制肌电伪迹，效果显著优于 ICA 法和 CCA 法。 关键词：脑电；肌电伪迹；盲源分离；独立向量分析 中图分类号： TP391; R741.044 文献标识码： A 文章编号：1009-5896(2016)11-2840-08 DOI: 10.11999/JEIT160209 Removal of Muscle Artifact from EEG Data Based on Independent Vector Analysis ① ① ② CHEN Qiang CHEN Xun YU Fengqiong ① (Department of Biomedical Engineering, Hefei University of Technology, Hefei 230009, China) ② (Department of Medical Psychology, Anhui Medical University, Hefei 230032, China) Abstract: ElectroEncephaloGram (EEG) data are often contaminated by various electrophysiological artifacts. Among all these artifacts, removing the ones related to muscle activity is particularly challenging. In past studies, Independent Component Analysis (ICA) and Canonical Correlation Analysis (CCA), as Blind Source Separation (BSS) methods, are widely used. In this work, a new method for muscle artifact removal in EEG data using Inde