基于卡尔曼滤波的ecog信号去噪方法研究-燕山大学学报.pdfVIP

卷 期 燕山大学学报 年 月 文章编号：1007-791X (2012) 05-0452-06 基于卡尔曼滤波的ECoG 信号去噪方法研究 王金甲，侯亚培 （燕山大学 信息科学与工程学院，河北 秦皇岛 ） 摘 要：脑电信号反映了生物体的大脑活动，在采集和处理过程中极易受到各种噪声的干扰，如眨眼、快速眼 动、心电、肌电等，这些噪声给脑电信号的分析处理带来了很大的困难。本文提出了卡尔曼滤波模型和模型 数估计的方法，将其应用于脑电 信号去噪预处理。实验所用的数据是公开的脑机接口竞赛实验数据 ，分类正确率为 。实验结果表明通过本方法去噪预处理后，分类正确率比竞赛 一 名高，并且优于小波去噪与谱减法等预处理方法。 关键词：卡尔曼滤波；皮层脑电信号；去噪；脑机接口；共空域子空间分解 中图分类号：TP391 文献标识码：A DOI：10.3969/j.issn.1007-791X .2012.05.015 据 ：皮层脑电信 引言 号 。 是直接采集于大脑的皮层处， 脑电信号是从生物体的头皮上记录到的脑电 因此具有信号稳定等特点 ，对脑机接口 的 位变化，反映了大脑的功能状态。目前，脑电信号 研究具有重要的意义。如何能够提高 中的分 的分析在神经科的临床诊断等众多领域起着重要 类正确率是 设计中的重要一环。本文将卡尔 的作用。但由于脑电信号幅值低、变异性大、非平 曼滤波用于脑电信号去噪，从带噪信号中提取出脑 稳性等特点，使得脑电信号在采集和处理过程中， 电原信号。本文的贡献在于对脑电信号建立了卡尔 极易受各种噪声的干扰，影响 们对脑电信号的观 曼滤波模型，并且提出了一种估计模型 数的方 察和分析，因此，研究起来相当困难 。 法。使用本文的卡尔曼滤波方法来对带噪脑电信号 由于脑电信号具有很高的时变敏感性，在采集 进行预处理，能使信号的统计特性更明确，更易于 脑电数据时极易受到各种噪声的污染，如眨眼、快 分类。本文使用公开的脑机接口竞赛实验数据进行 速眼动、肌电、工频干扰等。目前比较常用的脑电 实验，用共空域子空间分解 进行特征提取， 信号去噪方法有：平滑滤波法、工频干扰回归相减 逻辑线性分类器进行分类，分类正确率为 ， 消除法、平均法等。还有近年来应用比较广泛的主 比竞赛中 一名的正确率 高。 分量分析 和独立分量分析 。本文使 基于卡尔曼滤波的脑电信号分类 用的是卡尔曼滤波方法，卡尔曼滤波应用广泛且功 能强大，即使并不知道模型的确切性质，它也可以 模型 估计信号的过去和当前状态，甚至能估计将来的状 如果说随机过程 是一个 阶的自回归过程， 态。在对脑电信号的处理中用到卡尔曼滤波方法的 一般用 来表示，那么它满足如下差分方程 也有很多种情况，比如在脑机接口 中利用