联合改进CEEMD与近似熵的脑电去噪方法
发布时间：2018-09-10 18:45
【摘要】：针对现有完备总体经验模态分解方法在脑电去噪中的模态筛选偏差问题,结合改进的完备总体经验模态分解(ICEEMD)与近似熵,提出一种新的脑电(EEG)信号去噪方法。对EEG信号进行ICEEMD分解,得到一系列本征模态函数(IMF),再对IMF分别计算近似熵,比较并选择近似熵值最大的IMF作为去噪后的信号。基于模拟信号和真实脑电信号的实验结果表明,与添加自适应噪声的完备总体经验模态分解方法相比,该方法能得到更清晰稳定的去噪结果,并且解决了IMF盲目选取导致的去噪失准及虚假模态等问题。
[Abstract]:Aiming at the problem of modal screening deviation in EEG denoising by existing complete population empirical mode decomposition (EMD) methods, a new method of EEG (EEG) signal de-noising is proposed by combining the improved complete total empirical mode decomposition (ICEEMD) and approximate entropy. The EEG signal is decomposed by ICEEMD and a series of intrinsic mode functions (IMF), are obtained. Then the approximate entropy of IMF is calculated respectively. The IMF with the largest approximate entropy is compared and selected as the denoised signal. The experimental results based on analog signals and real EEG signals show that the proposed method can obtain more clear and stable denoising results than the complete empirical mode decomposition method with adaptive noise. It also solves the problems of denoising and false mode caused by blind selection of IMF.
【作者单位】： 南京理工大学电子工程与光电技术学院;中国科学院苏州生物医学工程技术研究所;哈尔滨理工大学;首都医科大学宣武医院神经内科;
【基金】：国家“863”计划项目(2015AA020514) 国家自然科学基金(61301042) 中国科学院百人计划项目 江苏省自然科学基金(BK2012189) 苏州市医疗器械与新医药专项(ZXY201426) 2014年度中法“蔡元培”交流合作项目(201404490123) 脑功能疾病调控治疗北京市重点实验室开放课题
【分类号】：R318;TN911.7
本文编号：2235297
[Abstract]:Aiming at the problem of modal screening deviation in EEG denoising by existing complete population empirical mode decomposition (EMD) methods, a new method of EEG (EEG) signal de-noising is proposed by combining the improved complete total empirical mode decomposition (ICEEMD) and approximate entropy. The EEG signal is decomposed by ICEEMD and a series of intrinsic mode functions (IMF), are obtained. Then the approximate entropy of IMF is calculated respectively. The IMF with the largest approximate entropy is compared and selected as the denoised signal. The experimental results based on analog signals and real EEG signals show that the proposed method can obtain more clear and stable denoising results than the complete empirical mode decomposition method with adaptive noise. It also solves the problems of denoising and false mode caused by blind selection of IMF.
【作者单位】： 南京理工大学电子工程与光电技术学院;中国科学院苏州生物医学工程技术研究所;哈尔滨理工大学;首都医科大学宣武医院神经内科;
【基金】：国家“863”计划项目(2015AA020514) 国家自然科学基金(61301042) 中国科学院百人计划项目 江苏省自然科学基金(BK2012189) 苏州市医疗器械与新医药专项(ZXY201426) 2014年度中法“蔡元培”交流合作项目(201404490123) 脑功能疾病调控治疗北京市重点实验室开放课题
【分类号】：R318;TN911.7
【相似文献】
相关期刊论文 前9条
1 赵丽,万柏坤,綦宏志,杨春梅;近似熵应用于老年性痴呆患者脑电研究[J];北京生物医学工程;2003年02期
2 江朝晖,冯焕清,谢丹;睡眠脑电的信息熵和近似熵[J];中国医疗器械杂志;2004年02期
3 董国亚,吴祈耀;近似熵和复杂度应用于睡眠脑电研究的比较[J];中国医疗器械杂志;1999年06期
4 陈琳;黄江;潘海鸿;;培养神经元网络自发活动规律性和复杂度分析[J];湖北大学学报(自然科学版);2009年04期
5 徐进,郑崇勋,和卫星;基于脑电近似熵分析的麻醉深度监测研究[J];航天医学与医学工程;2004年03期
6 田絮资;王伟荣;黄力宇;;不同脑负荷脑电特征的近似熵表征研究[J];西北大学学报(自然科学版);2007年04期
7 李永强;逯鹏;王治忠;;近似熵在大鼠状态识别中的应用[J];华侨大学学报(自然科学版);2010年04期
8 朱志茹,隋建峰,高洁,熊鹰,张长城,张光辉,李希成;猕猴海马参与痛觉感受与调制过程中的非线性信息编码探索[J];第三军医大学学报;2003年03期
9 ;[J];;年期
相关会议论文 前1条
1 刘慧;和卫星;陈晓平;;生物时间序列的近似熵和样本熵方法比较[A];第二届全国信息获取与处理学术会议论文集[C];2004年
相关硕士学位论文 前1条
1 徐秋晶;基于脑电熵参数的视觉注意力分级研究[D];天津大学;2009年
，本文编号：2235297
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2235297.html
