基于变分模态分解的脑电锁相刺激方法

发布时间：2021-03-05 10:47

　　锁相刺激技术在神经机制研究及临床治疗中具有很好的应用前景,但需解决脑电信号（EEG）和刺激信号之间相位锁定的问题。由于EEG复杂的时变性,目前还缺乏用于实现与EEG锁相的有效刺激算法。为此,提出基于变分模态分解（VMD）和自回归（AR）预测的锁相刺激方法。首先对采集的EEG进行VMD处理,得到多个本征模态信号;然后对每个本征模态信号采用AR模型进行预测,将所有模态对应的预测值叠加;最后依据叠加结果的频率和相位特征,生成与EEG锁相的刺激。分别对模拟EEG和20名受试者（年龄20～36岁,男性12名,女性8名）的睁、闭眼静息态EEG进行测试。结果表明,VMD-AR方法能很好地克服EEG非平稳性的影响而生成具有更高锁相值（PLV）的刺激;预测时长从0.01 s增大至0.4 s时,睁眼EEG的PLV从0.99减小至0.39,闭眼EEG的PLV从0.99减小至0.65;建模时长从0.25 s增大至2.5 s时,睁眼EEG的PLV从0.64增大至0.83,闭眼EEG的PLV从0.53增大至0.65;在所有测试条件下,VMD-AR方法的锁相性能均优于AR和基于经验模态分解的AR方法EMD-AR。该... 

【文章来源】：仪器仪表学报. 2020,41(05)北大核心

【文章页数】：9 页

【部分图文】：

EEG采集系统

对1名受试者3 s时长的睁眼EEG进行窄带滤波后,剔除前0.2 s,余下2.8 s的数据。从2.8 s的数据中取前0.7 s用于AR建模(建模时长为待处理数据长度的1/4,以下计算相同)。预测时长为0.2 s。各部分的计算结果如图2所示。为显示清晰,仅展示1 s的结果。EEG 经过EMD和VMD分解后得到多个本征模态分量,对多个模态分量进行叠加就得到重构信号。图 2(a)所示为滤波EEG和由EMD、VMD得到的重构EEG波形。可以看到,重构EEG与滤波EEG基本吻合。说明两种方法分解出的多模态分量均能很好地还原出原信号,后续可以采用这两种方法进行EEG分解。

不同预测时长下,AR、EMD-AR和VMD-AR的

【参考文献】：
期刊论文
[1]变分模态分解和同步挤压小波变换识别时变结构瞬时频率[J]. 刘景良,郑锦仰,林友勤,邱仁辉,骆勇鹏.  振动与冲击. 2018(20)
[2]基于变分模态分解和FABP的短期电力负荷预测[J]. 张淑清,宿新爽,陈荣飞,刘婉,左一格,张赟.  仪器仪表学报. 2018(04)
[3]基于总体经验模态分解的多类特征的运动想象脑电识别方法研究[J]. 杨默涵,陈万忠,李明阳.  自动化学报. 2017(05)
[4]癫痫发作瞬态带宽特征自适应检测方法[J]. 张鹏博,王雪,张蔚航,戴逸翔.  仪器仪表学报. 2016(06)
[5]一种闭环式神经电刺激系统的设计[J]. 封洲燕,陈丹,肖乾江.  仪器仪表学报. 2012(02)



本文编号：3065073