脑电信号中工频干扰去除的综合研究

被引:18
作者
王兵
王魁
梁晓霖
王柏祥
机构
[1] 浙江大学信息与电子工程学系电子电路与信息系统研究所
关键词
脑电信号; 工频干扰; 陷波器; 自适应滤波器; 独立成分分析;
D O I
暂无
中图分类号
TN713 [滤波技术、滤波器];
学科分类号
080902 ;
摘要
微弱的脑电信号中常混有工频干扰,严重影响到有用的脑电信号提取和分析。针对传统陷波器会削弱有用的脑电信号的缺陷,文中研究了三种稳健算法:基于零极点分布原理的陷波器、自适应滤波器以及独立成分分析算法,来抑制脑电信号中的工频干扰。仿真实验结果表明,三种算法都可以成功去除脑电信号中的工频干扰成分,并且较传统陷波器对工频附近频谱影响更小,从而有效地克服了传统陷波器的缺陷;此外,独立成分分析算法能更好地保留有用的脑电信息,具有更大的优越性。另外,三种算法都可以应用于其他需要陷波的场合,具有很好的扩展性。
引用
收藏
页码:87 / 92
页数:6
相关论文
共 6 条
[1]   基于独立成分分析的表面肌电信号工频去噪 [J].
席旭刚 ;
加玉涛 ;
罗志增 .
传感技术学报, 2009, 22 (05) :675-679
[2]   EEG Signal Denoising and Feature Extraction Using Wavelet Transform in Brain Computer Interface [J].
吴婷 ;
颜国正 ;
杨帮华 ;
孙虹 .
JournalofDonghuaUniversity(EnglishEdition), 2007, (05) :641-645
[3]  
ERP实验教程[M]. 天津社会科学院出版社 , 赵仑, 2004
[4]   Frequency-response-shaped LMS adaptive filter [J].
Kukrer, Osman ;
Hocanin, Aykut .
DIGITAL SIGNAL PROCESSING, 2006, 16 (06) :855-869
[5]   Independent component analysis using an extended infomax algorithm for mixed subgaussian and supergaussian sources [J].
Lee, TW ;
Girolami, M ;
Sejnowski, TJ .
NEURAL COMPUTATION, 1999, 11 (02) :417-441
[6]  
Validation of SOBI components from high density EEG .2 Tang,A.C.,Sutherland,M. T.,McKinney,C. J. NeuroImage . 2005