基于偏最小二乘法的事件相关电位单次提取研究

发布时间：2020-12-15 04:11

　　为满足脑-机接口特征提取实时性以及临床脑电检测高效性的要求,探讨事件相关电位的单试次高效提取技术尤为重要。将小波分析、经验模态分解、极限学习机以及偏最小二乘（PLS）应用于仿真和真实脑电信号,完成特征提取。结果显示:仿真实验中,不同信噪比下PLS提取性能稳定,P300潜伏期误差小于4 ms;真实脑电中,PLS少次迭代,特征提取更为精确,峰值误差0.551μV,峰值潜伏期偏移量27 ms,均小于小波、经验模态分解以及极限学习机多试次迭代结果（P<0.01）。结果表明偏最小二乘法在事件相关电位单试次提取中具有显著优势。 

【文章来源】：计算机应用与软件. 2020年03期 北大核心

【文章页数】：6 页

【部分图文】：

模拟脑电信号

提取诱发电位的过程实际上就是从记录的脑电信号中去除自发脑电和其他噪声信号。小波分解与经验模态分解都是信号去噪的常用方法,在诱发电位的提取中也应用广泛。极限学习机是神经网络新方法。将偏最小二乘方法与以上三种方法的效果进行对比可验证其有效性。总体流程如图2所示。1.2.1 小波变换

对于模拟的含噪脑电信号,首先使用PLS方法迭代共12次得到最佳提取模型,之后利用该模型提取模拟含噪脑电信号中的N100、P300成分。观察提取信号的时域波形可以直观反映提取效果,图3为信噪比为-7 dB模拟信号的理想ERP与PLS方法提取波形的对比图。实线波形为理想ERP信号,虚线波形为PLS方法提取波形。从图中可以直观看出,PLS方法提取的诱发电位与理想ERP波形相似性很高,N100与P300成分也都很明显。为了衡量PLS方法的稳定性,对不同信噪比的模拟含噪脑电信号用PLS方法进行成分提取。将提取后的成分潜伏期与理想ERP成分潜伏期作差,该差值即为PLS方法成分提取的潜伏期偏移量。对信噪比为0 dB至-9 dB的模拟脑电信号进行成分提取,N100、P300的潜伏期偏移量如图4所示。可以看出N100、P300潜伏期偏移量都在7 ms之内,误差较小。其中N100潜伏期偏移量较P300偏大,P300潜伏期最大偏移量为4 ms而N100与真实位置偏差最大达到6.2 ms。但最后噪声再增加而N100、P300偏移量将保持稳定。


本文编号：2917634