脑电信号特征提取算法c语言_如何用ICA去除脑电信号中的干扰？

最新推荐文章于 2023-04-12 13:00:13 发布

李三点儿

最新推荐文章于 2023-04-12 13:00:13 发布

阅读量584

点赞数

文章标签：脑电信号特征提取算法c语言

本文链接：https://blog.csdn.net/weixin_34343610/article/details/112776896

版权

独立成分分析(ICA)已经成为脑电信号预处理，特别是去除干扰信号过程中一个标准流程。ICA是一种盲源算法，其通过一定的方法把信号分解成相互独立的多个源信号。尽管ICA算法为研究者去除脑电信号中的干扰源提供了便利，但是在具体运用时带有一定的主观性，因此需要一定的经验才能够鉴别出干扰成分。当然，目前也有一些自动化鉴别干扰成分插件，但是这些插件也只能提供一个参考而已，最后还需要自己的判定。这里，笔者总结一些典型噪声成分的特点，希望对各位朋友有所帮助。 EEGlab中植入了最常用的ICA算法，建议采用EEGlab运行ICA。ICA跑完之后，可以画出每个成分的拓扑图、功率谱曲线等，我们可以依据这些信息鉴别出噪声成分，进而把这些成分去掉。 1.眨眼 眨眼引起的干扰最主要特点是：独立成分的拓扑图主要分布于前端眼部电极，如图1所示。此外，该成分的功率谱曲线没有明显的peak。