(3)去除眼电、肌电伪差
查阅相关文献资料
[10-14]
,本实验采用两种去除伪差的方法:协方差法和小波去噪法。
协方差法借助脑电数据中提供的参考导联水平眼电(HEO)和垂直眼电(VEO)数据,
首先寻找眼电的最大绝对值,以超过最大值的 10%来定义眼电伪迹,然后根据协方差法,
如下公式(2.2—1),来估计眼电导联的数据和其它脑电导联数据之间的传递系数 b,
其中 cov 表示协方差(covariance), var 表示方差(variance)。
最后,根据传递系数 b 对受眼电影响的脑电数据进行校正,及从采集的脑电信号中
减去眼电数据与权重的乘积,如下公式(2.2—2)所示:
小波阀值去噪的基本思想是将信号通过小波变换(采用 Mallat算法,如下公式 2.2—3
所示)后,产生的小波系数含有信号的重要信息,将纯净信号经小波分解后小波系数较
大,噪声的小波系数较小,并且噪声的小波系数要小于信号的小波系数,通过选取一个
合适的阀值,大于阀值的小波系数被认为是有信号产生的,应予以保留,小于阀值的则
认为是噪声产生的,置为零从而达到去噪的目的。
其中近似分量 A 中含有信号的低频信息,而细节分量 D 中包含信号的高频信息。
在本实验中,借助 MATLAB 的 Wavelet Analyzer Toolbox 对脑电数据进行 5 层 Marr
小波分解,然后借助工具箱的去噪功能,对不同实验数据选择不同的阈值来对伪迹去除。
2.3 工作记忆特征频段提取
脑电信号按照频率可划分为以下 5 个频段:δ(0~4Hz), θ(4~8Hz), α(8~13Hz),
β(13~30Hz), γ(30~50Hz),不同频段的脑电能量能够反映出不同的脑电信息。
对于预处理之后的数据,应用傅里叶变换计算每一次实验延迟阶段 32 通道脑电数
据的频谱,提取每一通道在不同频段的能量,并将其在频带范围内平均。计算 4 例受试
者共 40 次实验的傅里叶变换结果,将每一次实验同一频段下 32 通道的能量平均,计算
每一个频段占总能量的比例,并将最高能量的频段与其它频段之间两两进行配对 t 检验,
确定工作记忆 EEGs 的主要频段。
配对 t 检验借助 MATLAB 中的 ttest 函数,格式为[H,P]=ttest(A,B),输入为 A,B 两
个频段的各 40 个值,输出为 H 和 P,置信区间设置为 0.05。当 H=0 时,说明在 5%的
置信度下 A 和 B 来自同一个分布;当 H=1 时,说明在 5%的置信度下 A 和 B 来自不同
的分布,即 A 与 B 之间有区分度,区分度的大小以 P 来衡量,一般以 P < 0.05 为有统
计学差异,P<0.01 为有显著统计学差异,P<0.001 为有极其显著的统计学差异。