ICA在思维脑电特征提取中的应用.pdf

1、收 稿 日 期 ：!“!#“$#“%基 金 项 目 ： 安 徽 省 自 然 科 学 基 金 资 助 项 目 （“$/4（?8A0BC1DE4F8G/584FH1I7JF/4504KL/540GMN1O8PP/45，;4QJ/,4/R8NP/F，:8D8/;:!） 的 基 本 思 想 及 算 法 ，并 将 其 应 用 在 基 于 多 导 思 维 脑 电 （I84F0GSS+） 的 特 征 提 取 方面 。 实 验 结 果 表 明 ：EH;可 以 将 脑 电 信 号 中 包 含 的 心 电（SH+） 、 眼 电 （S-+） 等 多 种 干 扰 信 号 成 功 地 分 离 出 来 ， 较 好 地完

2、成 了 脑 电 消 噪 预 处 理 工 作 。 同 时 ， 通 过 使 用EH;方 法 对 不同 心 理 作 业 的 脑 电 信 号 进 行 分 析 处 理 ， 发 现 了 与 心 理 作 业 相对 应 的 脑 电 独 立 分 量 特 征 ， 这 些 稳 定 的 独 立 分 量 特 征 为 心 理作 业 分 类 和 脑 机 接 口 技 术 提 供 了 新 的 实 现 方 法 。关 键 词 ： 独 立 分 量 分 析 ； 思 维 脑 电 ； 脑 电 消 噪 ； 特 征 提 取 ； 心 理作 业#93,4+,：EH;/P077G/8KF1FQ8I84F0GSS+P/540G040GP/PCE414

3、8P/K8，1JN878N/I84FN8PJGFPPQ1TFQ0FEH;O048D8OF/R8GK8F8OF，P870N0F804KN8I1R80T/K8R0N/8F1D0NF8D0OFPDN1ISS+N8O1NK/45PCU1N041FQ8N，FQ8EH;0G51N/FQI/PJP8KF1FQ870F2F8N48FN0OF/141DI84F0GSS+P/540GPDN1IK/D8N84FI84F0GF0PVPCWPFJK/45FQ8SS+/4K8784K84FP1JNO8P04KFQ8/N7N1238OF/1414QJI04PO0G7，T8O04D/4KFQ0FP1I8PF80K/4K878

4、42K84FO1I71484FP0GT0P07780NTQ84FQ8PJB38OFN8780FPFQ8P0I8I84F0GF0PVPCXQ8N8PJGFPT/G7N1R/K8JP07N1I/P/45I8FQ1K/4FQ8OG0PP/D/O0F/141DI84F0GF0PVP04KFQ8N8P80NOQ14WN0/4#H1I7JF8NE4F8ND0O8（WHE）F8OQ41G15C:-403：/4K8784K84FO1I71484F040GP/P；I84F0GSS+；0NF/2D0OFPO04O8G0F/14；70FF8N48FN0OF/14；I84F0GF0PV中 图 分 类 号 ：X算 法

5、对 一 混 有 心 电 （SH+） 伪 迹 、 眼电 （S-+） 伪 迹 的 脑 电 信 号 进 行 分 离 。 实 验 结 果 表 明 ，EH;方 法 能 有 效 的 将 这 些 伪 迹 滤 除 掉%，!。同 时 ， 本 文 采 用 了EH;方 法 对 不 同 心 理 作 业 的 思维 脑 电 信 号 进 行 特 征 分 析 。 早 期 的 研 究 结 果 已 表 明 ，当 人 在 进 行 不 同 时 心 理 作 业 时 ， 脑 电 信 号 中 的 基 本 节律 （ 如!、“波 ） 会 有 一 定 的 变 化 ， 且 在 左 右 半 脑 出 现 不同 的 分 布 状 态 。 根 据 这 一

6、现 象 ， 我 们 通 过 采 用EH;方法 来 提 取 进 行 这 些 心 理 作 业 时 的 脑 电 信 号 特 征 ， 实 现心 理 作 业 分 类 ， 进 而 为 脑#机 接 口 技 术 以 及 脑 认 知 方面 的 研 究 提 供 新 的 较 为 可 靠 的 依 据 。 但 由 于 不 同 人 脑的 电 生 理 结 构 以 及 认 知 过 程 都 存 在 一 定 的 差 异 性 ， 本文 只 对 同 一 个 测 试 者 进 行 相 同 的 心 理 作 业 的 实 验 ， 以找 出 在 进 行 相 同 心 理 作 业 时 脑 电 信 号 中 一 些 相 对 稳 定的 独 立 分 量 成

7、 分 ， 作 为 心 理 作 业 分 类 的 特 征 量）是去除*9+、*.+干扰信号后恢复的原始信号。去除伪迹的方法是将分离结果中我们不想要的干扰成分所对应的独立分量!、-置零，其他独立分量保持不变，再由!%;#，!?!“#*=A2B0:4),);中国生物医学电子学学术年会论文集。 张毅锋，杨绿溪，何振亚*联想记忆混沌神经元网络*应用科学学报6*“;，（!）：=S;=*“ 任晓林，胡光锐，徐 雄*基于混沌神经网络的语音识别方法6*上海交通大学学报，“;，（“=）：“S“?“S=T*“= 曹志彤，陈宏平*基于混沌神经网络动态联想记忆的电机故障诊断6*电工技术学报，=TTT，（!）：S!S，（“

8、）：S?）：!?!? 王 凌，郑大钟，李清生*混沌优化方法的研究进展6*计算技术与自动化，=TT“，（“）：“S*“; 曹志彤，陈宏平，金进生*神经网络的混沌运动与控制6*信息与控制，=TT“，（“）：=S=;*=THF，X:,R84%，Y:N,6*;T，（“）：“;）：=“=#*;!=TT=年第期 微 机 发 展ICA在思维脑电特征提取中的应用作者： 郭晓静， 吴小培， 张道信作者单位： 张道信,安徽大学,计算智能与信息处理教育部重点实验室,安徽,合肥,230039刊名： 微机发展英文刊名： MICROCOMPUTER DEVELOPMENT年，卷(期)： 2002，12(6)被引用次数：

9、4次参考文献(6条)1.Comon Independent component analysis: A new concept? 1994(03)2.Hyvarinen A Independent Component Analysis: A Tutorial3.Scott Makeig Developments in Neural Human-System Interface Design4.Scott Makeig Independent Component Analysis of Electroencephalographic Data5.杨福生 独立分量分析及其在生物医学工程中的应用会议

10、论文 19996.吴小培.冯焕清 独立分量分析及其在脑电信号预处理中的应用期刊论文-北京生物医学工程 2001(01)相似文献(10条)1.学位论文 郭晓静 基于独立分量分析的思维脑电和诱发脑电的特征提取 2003在脑电信号处理中,从头皮电极采集的脑电信号可看作是由大脑中不同区域神经细胞的电活动共同作用的结果,其中还包含来自人体其他器官组织产生的生物电信号(如心电、肌电和眼电等)以及各种外界因素引起的干扰信号.我们对脑电信号处理的目的就是为了从复杂的背景噪声中分离出有用的脑电信号,进而从中提取出具有明确生理意义的脑电特征,并应用于临床医学和脑认知科学的研究. 传统上对脑电信号进行特征提取主要是

11、从时域和频域两方面进行的.但由于脑电信号随机性和非平稳性都很强,这些时、频分析方法就有其各自的局限性,很难得到今人满意的结果,独立分量分析(ICA)是90年代中期发展起来的一种多维统计分析方法,它的研究对象是相互独立的非高斯信号,在满足一定的条件下,ICA能够从同步测量的多路线性混合信号(如思维脑电和诱发脑电)中分离出相互独立的源信号,根据所提取出的独立分量,我们可以进一步获取和分析隐含在原始信号数据中的重要特征. 近年来的研究成果表明,ICA是一种非常有价值的盲源分离新方法,已引起了国际信号处理领域的广泛关注.该文分别以对思维脑电和诱发脑电的消噪和特征提取为目标,对独立分量分析基本理论、代表

12、性算法及应用进行了较深入的研究.2.学位论文 黄日辉 思维脑电及P300脑电的特征提取与识别 2008脑-机接口(BCI)是一种连接大脑和外部设备的实时通信系统。脑电信号(EEG)作为该系统中传输的信号，通常会混叠了多种不同的伪迹成份：如眼电、心电、肌电和工频干扰等，对微弱的P300而言，由自发脑电a波、波等构成的背景噪声也是其中的一部分干扰信号。如何从采集到的原始脑电信号中提取有用的信息是脑电信号处理的一个重点及难点；另一个难点是寻求有效的分类特征和分类算法。近年来的研究表明，独立分量分析(ICA)是一种非常有效的盲源分离方法；小波变换在滤波方面也得到很好的应用；两者逐渐被应用到生物医学信号

13、处理领域中。论文应用上述两种方法到思维脑电信号和P300脑电消噪上，并对运动想象脑电信号和P300脑电信号的分类进行了探讨，主要做了以下研究工作：1.在思维脑电信号消噪上，利用独立分量分析方法，先通过引入两路正交的同工频正弦信号，通过置零相应的独立分量去除原始脑电信号中的工频干扰；再将眼电(EOG)干扰从中去除，得到较干净的脑电信号。实验证明，该方法能从原始脑电信号中分离出有用的信号。2.通过计算运动想象脑电信号的二阶矩(能量)，以此作为相应信号的分类特征。根据mu脑电波的特性，当人们真实或想象进行单侧肢体运动时，如左手运动，大脑对侧主感觉运动皮层的节律幅度明显减小，而同侧主感觉运动皮层的节律

14、幅度明显增大。二阶矩的计算相对简单，适合于BCI系统的在线分析使用，而且经对原始脑电信号动态情况分析证实，该特征能得到较高的正确分类率，当窗口长度选为448点(3.5s)时，分类正确率可达86.43。3.结合独立分量分析和小波多分辨率分析两种算法对事件相关电位P300信号进行分析。独立分量分析能从多导脑电信号中分离出隐含其中的独立源成份，从而可以去除眼电、肌电等生理干扰信号和a波、波等自发脑电背景噪声，再通过小波多分辨率分析，保留P300脑电所在有效频带中的信号，得到有用的P300脑电信号。实验证明，该方法能较好地消除P300中的噪声。最后，对P300脑电分类进行了探讨。3.学位论文 李佰敏

15、独立分量分析及其在脑机接口技术中的应用 2006脑一机接口(BrainComputer Interface，BCI)是连接大脑和计算机或其它电子设备的通信系统，其特点是能够使人在完全不依赖肌肉和外围神经的情况下实现人脑与外界的通信与交流。由于这种技术有助于身体严重残疾的患者恢复与外界的交流能力，在提高患者的生活质量方面具有重要的现实意义，因此，以脑电在各种外界刺激下产生的变化特征作为BCI的输入信号进行脑一机接口技术的研究，已成为了各相关领域的科学家和医学专家的研究热点问题之一。BCI系统由信号的产生、处理、转换、输出等单元组成。其中，信号的处理和转换算法是BCI的关键技术。信号处理包括脑电消

16、噪、特征提取、识别分类等过程。脑一机接口技术中的关键问题就是从复杂的背景噪声中分离出有用的脑电信号，也就是从中提取出具有明确生理意义的脑电特征，然后对这种特征进行分类识别，确定患者的意图，并通过电子设备代替人的语言器官或者肢体器官完成与外界的交流和对外部环境的控制。传统的脑电信号分析处理方法是以时域分析和简单的频域滤波为主。由于脑电信号具有很强的随机性和非平稳性，应用传统的时域和频域分析方法处理脑电信号，很难得到令人满意的结果。独立分量分析是20世纪90年代发展起来的一种多维统计方法，它的研究对象是相互独立的非高斯信号。在满足一定条件的情况下，ICA能够从同步测量的多路线性混和信号中分离出相互

17、独立的源信号，然后进一步分析所提取的独立分量，从而获取隐含在原始信号数据中的重要特征，为实现脑一机接口提供了条件。 本文在前人研究的基础上，以事件相关电位的提取为目标，对独立分量分析理论、算法及应用进行了较为深入的研究，主要成果和创新点如下：(1)探讨了独立分量提取的非高斯性极大理论。对非高斯性度量方法、独立分量提取算法和算法性能分析等问题进行了较为全面细致的研究。内容包括：1)基于峭度和负熵的非高斯性度量方法及比较；2)独立分量提取的梯度算法和固定点算法的实现和比较。(2)对基于信息极大原理的Infomax盲源分离算法进行了研究。通过模拟实验和结果分析，分别对传统Infomax和扩展Info

18、max算法的盲源分离性能进行了分析验证和比较。所得结果对Infomax算法的改进和实际应用具有一定的指导意义。(3)讨论了ICA)用于思维脑电特征提取的可行性。通过对不同心理作业的思维脑电进行分析处理，总结心理作业和脑电独立分量的对应关系，发现一定的心理作业对应着一些稳定的独立分量特征，这些稳定的独立分量特征可以为心理作业的分类和脑认知科学的研究提供新的实现方法。(4)对视觉诱发时间相关电位的ICA分析进行了研究。实验结果表NICA可以明确地分离出有一定生理意义的脑电特征，这对脑一机接口的发展和临床应用具有重要的意义。本文工作对于推进独立分量分析理论和算法研究，促进其在脑电信号分析中的应用将起

19、到积极的作用，部分研究成果可以推广到其它类型信号的分析和处理中。4.期刊论文 胡人君.李坤.吴小培.HU Ren-jun.LI Kun.WU Xiao-pei 基于脑电信号的思维任务分类 -计算机技术与发展2007,17(5)脑电信号(EEG)是研究脑活动的一种重要的信息来源,基于脑电信号的人与计算机的通信已成为一种新的人机接口方式.文中主要对不同心理作业的思维脑电信号运用独立分量分析进行预处理,然后采用AR模型提取特征,最后应用BP神经网络对AR系数特征进行训练和分类.实验表明,此方法可以达到很好的分类效果.5.学位论文 刘大路 思维脑电分析及其在精神负荷评估中的应用 2005本论文针对思维

20、活动产生的多维脑电信号，研究它们的处理和分析新方法，并试图将这些方法应用到基于脑电的精神负荷评估中。提出了将独立分量分析和时频分析相结合进行脑电消噪的具体步骤和方法，并进一步对独立分量进行匹配和分析，实现思维脑电的特征提取。提出了一种脑电信号特征提取的新方法。该方法结合小波分析和主分量分析，在保留信号主要信息的基础上实现了信号特征的压缩。针对多维脑电信号的非线性分析，提出了一种基于时间延迟和序列相关性的相空间重构方法，算法通过多维脑电数据的相关性和数据稳定性来选择时间延迟和嵌入维数参数。采用脑电的空间不对称分布的分析方法进行思维脑电的特征提取，并应用神经网络完成思维任务的分类，所提取的脑电特征

21、能有效揭示思维任务与脑活动状态之间的关系，分类效果较满意。设计了不同的思维实验用于仿真精神负荷水平，并结合自我评估和性能评估结果，对实验数据进行多方法分析比较。对思维脑电和精神负荷关系进行了有意义的探索，研究脑电频谱、导联位置、关联维数等与负荷水平的关联。精神负荷的测评结果验证了该方法的可行性。6.期刊论文 郭晓静.吴小培.张道信.孔敏.冯焕清 基于独立分量分析的脑电消噪与特征提取 -系统仿真学报2003,15(2)先简要介绍了独立分量分析的基本思想及算法,再将其应用于脑电信号的消噪和思维脑电的特征提取两个方面.实验结果表明:ICA可以将脑电信号中包含的心电(ECG)、眼电(EOG)等多种干扰

22、信号成功地分离出来.另外,通过使用ICA方法对进行不同心理作业的脑电信号进行分析处理后,发现了与心理作业相对应的脑电独立分量特征,这些稳定的独立分量特征将可以为心理作业的分类和脑-机接口技术(BCI)提供新的实现方法.7.学位论文 吴小培 独立分量分析及其在脑电信号处理中的应用 2002该文以脑电信号的消噪和特征提取为目标,对独立分量分析理论、算法及应用进行了较深入的研究,成果和创新点如下:1.介绍并讨论了信息极大传输原理的基本思想.在此基础上,对基于信息极大原理的Infomax盲源分离算法进行研究.通过模拟实验和结果分析,分别对传统Infomax和扩展Infomax算法的盲源分离性能进行了分

23、析验证和比较.所得结果对Infomax算法的改进和实际应用将具有一定的指导意义.2.在对扩展Infomax算法的研究过程中,采用非线性切换矩阵的动态分析法,直观地揭示了扩展Infomax算法的收敛过程.在此基础上,探讨了高斯源和随机大样本(或随机脉冲干扰)对Infomax算法收敛性能的影响.所得结论是对现有Infomax理论算法的补充.3.提出了结合中值滤波消噪技术对概率模型切换矩阵进行估计的新思想.实验结果表明,该方法能有效地解决随机大样本所造成的算法不稳定问题.4.对扩展Infomax算法的在线实现技术进行了研究,提出了一种在线Infomax算法,并对在线算法的盲源分离性能进行了验证.模拟

24、实验结果表明,该文所提出的在线Infomax算法能较好地跟踪时变混合系统的参数变化,盲源分离效果良好.5.探讨了独立分量提取的非高斯性极大理论.对非高斯性度量方法、独立分量提取算法和算法性能分析等问题进行了较全面细致的研究.内容包括: 1)基于峭度和负熵的非高斯性度量方法及比较; 2)独立分量提取的梯度算法和固定点算法的实现和比较.6.对独立分量分析在脑电消噪和特征增强方面进行了研究.内容包括: 1)对基于噪声参考源的ICA脑电消噪方法进行了研究,并与传统的LMS自适应滤波算法进行了比较; 2)提出了一种基于ICA的脑电工频干扰消除新方法,实验结果证明了该方法的有效性; 3)对小波和ICA结合

25、方法用于脑电特征增强进行了探讨,为ICA与时频分析的结合提供了新的思路; 4)探讨了ICA用于思维脑电特征提取的可行性,取得了初步的研究结果,这是一项具有新意的研究工作.该文工作对于推进独立分量分析理论和算法研究,促进其在脑电信号分析中的应用将起积极作用,部分研究成果可推广到其他类型信号的分析和处理中.8.学位论文 赵浩 独立分量分析在医学信号处理中的应用 2005在医学信号处理领域，信号中常常不可避免的混叠有不同种类的干扰成分，如通道间的串扰、眼电、心电、肌电、工频干扰等。这些噪声和干扰来自于一些独立的生理源或者噪声源。如何从采集的原始信号中获取能够反映身体机理的有用信息，始终是一个比较棘手

26、的问题。独立分量分析(IndependentComponentAnalysis)是基于信号高阶统计量的一种信号处理方法，其基本含义是将多道观测信号按照统计独立的原则通过优化算法分解为若干独立成分，其前提条件是各个源信号为彼此统计独立的非高斯信号。自从1994年Comon系统地分析了瞬时混叠信号盲源分离问题，并提出了ICA的概念与基本假设条件之后，对ICA的研究日益加深，引起包括生物医学领域在内的众多研究人员的关注。实践证明，ICA方法能够用于包括脑电信号在内的生物医学信号的噪声消除，这是对传统处理手段的一种突破。此外，ICA的空间滤波特性不受信号频谱混叠的限制，在消除噪声的同时内能够很好的保留

27、有用信号的细节成分，很大程度上弥补了时频域方法的不足。本文研究了独立分量分析的部分理论，并在医学信号方面对ICA进行了部分应用研究，这在临床医学和脑科学认知领域具有一定的意义。本文介绍了独立分量分析的模型、优化判据和寻优算法，讨论了ICA的主要判据，包括非高斯性度量、互信息最小化、信息极大化及极大似然估计，论述了FastICA算法和InfoMax算法，并编写了Matlab仿真程序对医学图像和脑电信号进行了分析处理。本文在研究ICA的基础上，系统研究了盲分离效果评判的指标，对行元素占优指标、信噪比、相关系数和相似系数、峭度、近似熵和相平面进行了讨论，并对行元素占优指标进行了改进。本文对Noisy

28、ICA进行了初步研究，并结合小波阈值去噪分析方法，将FastICA算法应用于噪声混合图像分离，对独立分量分析在噪声环境下的应用方法进行了仿真研究。结果表明：对于含有传感器噪声的混合信号，无论噪声的强度如何，先对观测信号进行去噪，再进行独立分量分析，能有效的提升分离结果的峰值信噪比，效果良好。本文利用独立分量分析方法，结合AR模型参数，对思维脑电信号进行分析处理。首先利用InfomaxICA方法去除脑电信号中的这种干扰、噪声和干扰，然后利用ICA提出脑电信号的独立分量，提取分离出的脑电信号的AR系数，最后利用BP神经网络对思维脑电信号进行分类和识别，仿真试验取得了80-90的分类效果。9.期刊论

29、文 陈香.杨基海.朱硃.梁政.何为.冯焕清.Chen Xiang.Yang Jihai.Ye Zhu.Liang Zheng.He Wei.Feng Huanqing 高频成分在思维作业脑电信号分类中的应用 -生物医学工程学杂志2005,22(6)采用独立分量分析(ICA)去除脑电伪迹,AR模型提取信号特征、BP神经网络用于模式识别,对25种思维作业脑电信号进行了分类研究.研究结果的重要发现是:对于经过ICA去伪迹后的EEG信号,当分类特征取自20100 Hz的高频范围时,分类准确率很高,与特征取自整个信号频段的分类结果大致相等,且大大超过利用235 Hz的低频EEG节律进行的分类.对于这一现

30、象的解释是,不同思维作业过程中,大脑在工频电场作用下产生了不同的节律同化反应,致使EEG信号的高频部分带有更显著的思维调制信息,从而有利于提高分类准确率.这一现象的发现,为脑电节律同化反应提供了新的证据,也为思维脑电的高准确率分类和高精度脑-机接口的实现提供了新的方法.10.学位论文 周旭欣 独立分量分析算法的计算机仿真及其在多导脑电信号处理中的应用 2005计算机技术及信息科学的发展促进了数字信号处理这一学科的发展，产生了许多新的理论、技术和算法。独立分量分析(ICA)算法，正是近十年来伴随着盲信号分离技术的发展而出现的一种新的分析方法，它在许多领域都有应用，其中之一是在脑电信号处理中的应用

31、。论文首先概述了ICA和脑电信号的研究现状。然后介绍了ICA的定义、标准数学模型、假设条件及它的四个估计原理。指出ICA方法是通过一种学习法则，从观察信号中恢复出尽可能地逼近源信号的相互独立的信号。在算法方面介绍了三种ICA算法，即基于峭度(kurtosis)的ICA、信息最大化(Infomax)ICA和快速固定点ICA(FastICA)，并将这三种算法在计算机上实现了模拟仿真。仿真结果表明：FastICA因其不需要进行学习率的选择，故改善了基于峭度的ICA和信息最大化ICA因学习率选择不当而带来算法不收敛的问题。同时还验证了ICA的经典应用是它的多维信号的盲源分离。在脑电信号采集部分，介绍了

32、如何用优良的图形编程语言LabVIEW实现与C结合，通过非NI接口设备编程，采集脑电信号的方法；电极的安装及脑电信号的获得。在脑电信号处理方面，根据6导思维脑电信号中存在的60Hz工频干扰和眼动伪迹，介绍了通过人工构造两个相互正交的工频参考源，将工频干扰及眼动伪迹消除问题转化成ICA盲源分离问题。在确定观察脑电信号与分离脑电信号的对应关系上，作者将脑电信号与分离脑电信号矩阵相乘得到的矩阵，按各行(或各列)中的最大值来确定观察脑电与分离脑电的对应关系。这只是作者的一种探索性见解，其可用性还有待进一步探讨、分析及验证。引证文献(4条)1.张维平.张沙萨.陈仕华.段文燕.张瑞娟.景军 基于生理信号模式识别和针法电刺激的智能生物反馈系统期刊论文-北京生物医学工程 2009(2)2.马颖颖.张泾周.吴疆 脑电信号处理方法期刊论文-北京生物医学工程 2007(1)3.高楠.卓晴.王文渊 一种新型的人机交互方式-脑机接口期刊论文-计算机工程 2005(18)4.赵浩.周卫东.钟凌惠 独立分量分析在生物医学信号处理中的应用期刊论文-生物医学工程研究2003(4)本文链接：http:/