论文部分内容阅读
脑电(EEG)中蕴涵着丰富的生理、心理及病理信息，脑电信号的分析及处理无论是在临床上对一些脑疾病的诊断和治疗，还是在认知科学研究领域都是十分重要的。 脑电信号中通常混叠有不同种类的伪迹成分(如：眼电、心电、肌电、工频干扰等)，它们来自一些生理源及噪声源的影响。这些噪声的存在给脑电的临床应用和分析研究带来了很大困难。舍弃被噪声污染的脑电记录无疑会造成数据的大量丢失，而且在临床上往往是难以接受的。如何从被采集的原始脑电中获取反映大脑活动和状态的有用信息是脑电分析中一个比较棘手的问题。长期以来，研究者们已经提出了很多脑电消噪的方法(大多集中在时频域)，但遗憾的是情况并未得到明显的改善。 近年来随着独立分量分析(Independent Component Analysis简称ICA)在信号处理界引起的广泛关注，该技术也被迅速应用到生物医学信号处理领域。作为一种新的多元统计处理方法，ICA是伴随着传统的盲源分离(Blind Source Separatio简称BSS)问题而不断发展起来的。本论文在分析ICA理论及其算法的基础上，提出将其应用到脑电中多种伪迹的分离及去除，并取得了比较理想的实验结果。事实表明，ICA方法普遍适用于脑电信号中各种噪声的消除，这种普遍性是对传统处理手段的重要突破。此外，ICA这种空间滤波器不受信号频谱混迭的限制，消噪的同时能对有用信号的细节成分做到很好的保留，很大程度上弥补了时频域方法的不足。