脑电信号电噪声去除系统设计
人类大脑一直是科学家们不懈研究的一个重要领域，脑电图作为一种无创探测技术，毫秒级的时间分辨率决定了其在脑电科学中不可替代的作用。但是，在脑电采集的过程中难免会受到工频噪声的干扰，因此如何去除电噪声提高脑电信号的准确率变得十分重要。独立分量分析是信号处理领域在20世纪90年代后期发展起来的一项新处理方法，考虑到脑电信号是由若干独立信号组成，与ICA方法原理相似因此在脑电信号领域受到广泛关注。本文针对脑电信号中的电噪声去除问题，提出了一种新型的约束独立分量方法。首先对实际采集到的原始信号进行简单滤波，然后通过CICA算法对脑电信号进行仿真分析达到去除电噪声的目的。关键词 脑电信号，电噪声去除，独立分量分析，约束独立分量
目 录
1 绪论 1
1.1 课题研究的背景和意义 1
1.2 研究历史及现状 2
1.3 主要研究内容 5
2 脑电信号相关理论 6
2.1 脑电信号的特点 6
2.2 信号预处理 8
2.3 巴特沃兹滤波器 9
3 CICA脑电信号去噪方法 13
3.1 ICA概述 13
3.2 白化 14
3.3 熵 17
3.4 ICA算法模型 15
3.5 Fast ICA 18
3.6 CICA算法 20
4 基于CICA算法电噪声去除 22
结 论 26
致 谢 27
参考文献： 28
1 绪论
1.1 课题的研究背景和意义
大脑（Brain）是一个神奇的东西，指挥着人体的一切动作，也控制着人类的一切喜怒哀乐等情绪[1]。大脑含有丰富的神经元，有着优良的学习与记忆功能，是一个结构与功能都非常复杂的系统，是人体内的最高中枢[3]。对于如此复杂、精密的重要器官，尽管人们在此方面开展了长时间、多维度的研究，但对其的了解还停留在片言只字的初级阶段，并且利用其进行科学试验、临床诊断等也还处于摸索阶段。
大脑由端脑、间脑两部分组成。其中端脑是一个十分重要的部位，它由左半球脑和右半球脑组成 *好棒文|www.hbsrm.com +Q: *351916072*
，在神经控制方面十分重要，控制着人的运动，情感等。在人类处于初生状态也就是胚胎状态时，端脑是由神经管头的那隆起突出的部分组成，随着人类的逐渐成长，逐渐进化为大脑的左半部分球体和右半部分球体。在医学和解剖学中，“大脑”这个术语用来专指端脑。
随着科技的高速发展，手段的越来越先进。人们开始通过将多种学科相结合对脑电开展深入的研究，比如生物医学与电子学相结合或各种图像处理技术与信号学结合，从不同的分析角度来对同一事物进行分析，再进行综合评判[4]。脑电信号（?Electroencephalogram?，EEG）是利用电子技术进行数据采集、用计算机技术进行存储与检索查询、信号处理技术进行噪声滤除和有用信号识别、生物和医学技术对得到的脑电信号分析后进行并运用于临床诊断的一种交叉学科的研究。目前对脑电信号的研究已经成为世界医学界的热点研究方向之一。脑电信号是大脑细胞体在运动、思考、受到外界刺激等情况下产生的生物电信号[5]。其幅值一般在几十微伏到一百微伏之间十分微弱，同时具有很强的随机性，极易受其他电生理信号的干扰，比如说采集脑电信号设备供电的影响：产生一个50Hz的工频干扰信号。因此采集到的脑电信号一般而言都非常杂乱，如果需要对其利用并作为医疗诊断、科学研究的依据，就需要对该信号进行去噪声处理。
1.2 研究历史及现状
人类对脑电信号的研究首先是从动物开始的。19世纪英国科学家R.Gaton研究发现，猴子的大脑可以产生一种极其微弱的信号，而且当猴子的精神状态不同时，产生信号的频率与幅度也是不一样的[6]。同样的结论在对兔子大脑进行研究时也已得出。该现象的发现被发表在权威医学杂志上，很快得到其他科学家的注意。之后德国科学家对人脑开展了相关试验，将极细的针型探测器插入到头部受伤患者的脑皮层，得到了相关信号。这是人类第一次详细探测到人脑发出的有规律的电信号，之后又成功的采集到了整个头皮上的脑电活动图。这一发现引起了轰动效果，迅速推广到全世界[7]。脑电信号在采集过程中难免会受到各种噪声的干扰如心电伪迹，眼电伪迹，电噪声等。其中电噪声干扰最为频繁，其主要分为如下两种：（1）采集电路干扰，硬件电路中前端的主要器件有运放、AD等，属于模拟数字混合电路，在一般状况、没有抑制噪声的情况下，采集电路的底噪声（含地弹信号、热噪声等）很大，达到毫伏级别，类似高斯白噪声，功率谱在全频段都存在。在这种情况下，脑电信号完全淹没在底噪声中，无法得到期望的结果。（2）工频信号干扰，由于实际应用中所有仪器设备的供电都是220V的交流电，其频率为50Hz，设备将220V的交流电转换为需要的各种直流信号，这时如果交流（Alternating current ，AC）转换到直流（Direct current，DC）的过程中滤波程度不够深，那么交流电中的50Hz频率信号将串入到AD信号采集过程中，这样的话就相当于引入了工频干扰。对于工频干扰需要增加一个EMI滤波器，尽量减少其影响，但在后端的处理过程中还是需要对该信号进行滤除措施。
图1.1 大脑结构图
早期去除噪声干扰的方法是尽量减少机器的影响以及控制其它的一些可控因素来减小误差。然而随着实验增加了一些其它任务，改变了实验的原有设想，测得的实验数据影响到了实验结果的分析，并且直接去除了大量的脑电数据，因而失去了很多有用的脑电信号。这种方法不但工作量大而且对被实验者的要求也很多，局限和缺点很明显。随着对脑电信号的深入探索，研究者们将非平稳随机信号理论与脑电信号结合，总结出了大量行之有效的新理论和应用方法，如阀值方法、噪声减法、回归方法、自适应滤波器、小波变换、信号分解法等。
阀值方法：阀值方法[9]是假设脑电信号中的电噪声的幅值远高于脑电信号的幅值，之后通过舍弃高于阀值的信号来实现电噪声的去除。但是由于脑电信号和电噪声往往是混合在一起的，假如直接丢弃这些信号，会因为大量数据的丢失造成数据的不连续。此外，该方法去除电噪声时阀值的选择很重要。比如选择的阀值过高，那么幅值较小的信号会无法被有效的检测出来，这样将会使得噪声的去除不完全。反过来说如果阀值的选择较低将会丢失大量有用的脑电信息。
目 录
1 绪论 1
1.1 课题研究的背景和意义 1
1.2 研究历史及现状 2
1.3 主要研究内容 5
2 脑电信号相关理论 6
2.1 脑电信号的特点 6
2.2 信号预处理 8
2.3 巴特沃兹滤波器 9
3 CICA脑电信号去噪方法 13
3.1 ICA概述 13
3.2 白化 14
3.3 熵 17
3.4 ICA算法模型 15
3.5 Fast ICA 18
3.6 CICA算法 20
4 基于CICA算法电噪声去除 22
结 论 26
致 谢 27
参考文献： 28
1 绪论
1.1 课题的研究背景和意义
大脑（Brain）是一个神奇的东西，指挥着人体的一切动作，也控制着人类的一切喜怒哀乐等情绪[1]。大脑含有丰富的神经元，有着优良的学习与记忆功能，是一个结构与功能都非常复杂的系统，是人体内的最高中枢[3]。对于如此复杂、精密的重要器官，尽管人们在此方面开展了长时间、多维度的研究，但对其的了解还停留在片言只字的初级阶段，并且利用其进行科学试验、临床诊断等也还处于摸索阶段。
大脑由端脑、间脑两部分组成。其中端脑是一个十分重要的部位，它由左半球脑和右半球脑组成 *好棒文|www.hbsrm.com +Q: *351916072*
，在神经控制方面十分重要，控制着人的运动，情感等。在人类处于初生状态也就是胚胎状态时，端脑是由神经管头的那隆起突出的部分组成，随着人类的逐渐成长，逐渐进化为大脑的左半部分球体和右半部分球体。在医学和解剖学中，“大脑”这个术语用来专指端脑。
随着科技的高速发展，手段的越来越先进。人们开始通过将多种学科相结合对脑电开展深入的研究，比如生物医学与电子学相结合或各种图像处理技术与信号学结合，从不同的分析角度来对同一事物进行分析，再进行综合评判[4]。脑电信号（?Electroencephalogram?，EEG）是利用电子技术进行数据采集、用计算机技术进行存储与检索查询、信号处理技术进行噪声滤除和有用信号识别、生物和医学技术对得到的脑电信号分析后进行并运用于临床诊断的一种交叉学科的研究。目前对脑电信号的研究已经成为世界医学界的热点研究方向之一。脑电信号是大脑细胞体在运动、思考、受到外界刺激等情况下产生的生物电信号[5]。其幅值一般在几十微伏到一百微伏之间十分微弱，同时具有很强的随机性，极易受其他电生理信号的干扰，比如说采集脑电信号设备供电的影响：产生一个50Hz的工频干扰信号。因此采集到的脑电信号一般而言都非常杂乱，如果需要对其利用并作为医疗诊断、科学研究的依据，就需要对该信号进行去噪声处理。
1.2 研究历史及现状
人类对脑电信号的研究首先是从动物开始的。19世纪英国科学家R.Gaton研究发现，猴子的大脑可以产生一种极其微弱的信号，而且当猴子的精神状态不同时，产生信号的频率与幅度也是不一样的[6]。同样的结论在对兔子大脑进行研究时也已得出。该现象的发现被发表在权威医学杂志上，很快得到其他科学家的注意。之后德国科学家对人脑开展了相关试验，将极细的针型探测器插入到头部受伤患者的脑皮层，得到了相关信号。这是人类第一次详细探测到人脑发出的有规律的电信号，之后又成功的采集到了整个头皮上的脑电活动图。这一发现引起了轰动效果，迅速推广到全世界[7]。脑电信号在采集过程中难免会受到各种噪声的干扰如心电伪迹，眼电伪迹，电噪声等。其中电噪声干扰最为频繁，其主要分为如下两种：（1）采集电路干扰，硬件电路中前端的主要器件有运放、AD等，属于模拟数字混合电路，在一般状况、没有抑制噪声的情况下，采集电路的底噪声（含地弹信号、热噪声等）很大，达到毫伏级别，类似高斯白噪声，功率谱在全频段都存在。在这种情况下，脑电信号完全淹没在底噪声中，无法得到期望的结果。（2）工频信号干扰，由于实际应用中所有仪器设备的供电都是220V的交流电，其频率为50Hz，设备将220V的交流电转换为需要的各种直流信号，这时如果交流（Alternating current ，AC）转换到直流（Direct current，DC）的过程中滤波程度不够深，那么交流电中的50Hz频率信号将串入到AD信号采集过程中，这样的话就相当于引入了工频干扰。对于工频干扰需要增加一个EMI滤波器，尽量减少其影响，但在后端的处理过程中还是需要对该信号进行滤除措施。
图1.1 大脑结构图
早期去除噪声干扰的方法是尽量减少机器的影响以及控制其它的一些可控因素来减小误差。然而随着实验增加了一些其它任务，改变了实验的原有设想，测得的实验数据影响到了实验结果的分析，并且直接去除了大量的脑电数据，因而失去了很多有用的脑电信号。这种方法不但工作量大而且对被实验者的要求也很多，局限和缺点很明显。随着对脑电信号的深入探索，研究者们将非平稳随机信号理论与脑电信号结合，总结出了大量行之有效的新理论和应用方法，如阀值方法、噪声减法、回归方法、自适应滤波器、小波变换、信号分解法等。
阀值方法：阀值方法[9]是假设脑电信号中的电噪声的幅值远高于脑电信号的幅值，之后通过舍弃高于阀值的信号来实现电噪声的去除。但是由于脑电信号和电噪声往往是混合在一起的，假如直接丢弃这些信号，会因为大量数据的丢失造成数据的不连续。此外，该方法去除电噪声时阀值的选择很重要。比如选择的阀值过高，那么幅值较小的信号会无法被有效的检测出来，这样将会使得噪声的去除不完全。反过来说如果阀值的选择较低将会丢失大量有用的脑电信息。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/2487.html
