技术领域
[0001] 本
发明涉及一种利用异常值检测精确确定脑电或眼电中眨眼区间的方法。
背景技术
[0002] 脑电(electroencephalogram,EEG)和眼电
信号(electroopticgraph,EOG)是人体
生物电信号,可以作为
控制信号应用于一些
人机交互系统,这样可为
运动障碍患者的生活提供方便。但是无意识眨眼作为一种正常的生理反应,其幅值较大且无法避免,眨眼信号会成为
干扰信号使得系统产生误操作,因此需要去除脑电或眼电中的眨眼信号。目前已经发表的文献研究中,去除脑电或眼电信号中眨眼信号的方法主要有以下几种方法。(1)使用独立成分分析(Independent ComponentCorrelationAlgorithm,ICA)方法从原始多通道EEG,EOG信号中分离出眨眼信号并将此通道置零,之后将信号进行重构从而去除眨眼信号。或者使用离散
小波变换与
盲源分离结合的方法,将分解后与眨眼信号相关系数最高的通道置零,最后将信号进行重构得到去眨眼信号。上述方法是将原始信号分解,找到与眨眼信号相关性最大的通道直接置零,这样会造成原始信号中部分有意义的信号损失。(2)使用原始信号在滑动窗口内求导从而确定眨眼的
位置,但导数数值作为眨眼的判别比较粗糙,并且滑窗的大小也会影响结果。(3)使用小波包将原始信号在频域上进行分解,结合统计学理论确定
阈值,对小波包分解的低频分量采用阈值判定准则和重构策略去除眨眼信号,但是由于样本数目有限,基于统计信息确定的阈值有效性差,无法准确确定眨眼区域。
[0003] 脑电或眼电信号应用在
疾病诊断,
脑机接口和人机接口等领域时,高
质量的脑电或眼电的测量是重要的。为了避免眨眼信号的干扰,因此要将脑电和眼电信号中的眨眼干扰去除,但是在去除眨眼干扰的过程中不能干扰或者丢失有意义的脑电或眼电信号,所以精确确定出眨眼信号的区间,减少有意义脑电或眼电信号的损失是重要的。
发明内容
[0004] 本发明的目的在于提供一种利用异常值检测精确确定脑电或眼电中眨眼区间的方法,该方法能够精确的确定脑电或眼电信号中眨眼信号中的起点和终点;且能够保证原始脑电或眼电信号的损失尽可能的小;便于脑电或眼电信号进行后续研究。
[0005] 为实现上述目的,本发明的技术方案是:一种利用异常值检测精确确定脑电或眼电中眨眼区间的方法,包括如下步骤:
[0006] 步骤S1、将采集的原始信号进行预处理,去除采集信号中的工频50Hz噪声干扰,去除基线漂移以及去除高频噪声;
[0007] 步骤S2、对预处理后的信号通过异常值检测方法确定阈值;
[0008] 步骤S3、找到预处理信号中的所有局部极大值及局部极大值的位置,用相邻局部极大值进行相减,再将相邻两个局部极大值差值的绝对值与异常值检测方法确定的阈值相比较,精确确定眨眼信号的起点和终点。
[0009] 在本发明一
实施例中,所述步骤S2中,异常值检测方法采用Chauvenet Criterion标准、Peirce标准或调整
框图法。
[0010] 在本发明一实施例中,所述Chauvenet Criterion标准和Peirce标准均包括以下四步:
[0011] (1)计算信号的平均值和标准差;
[0012] (2)计算 的值,其中di代表绝对误差,xi代表点的信号值,代表x的平均值;
[0013] (3)计算di/σx的值,其中σx是x的标准差;
[0014] (4)查阅Chauvenet Criterion标准的置信区间表或Peirce标准的R值表,确定阈值dmax/σx。
[0015] 在本发明一实施例中,所述调整框图法实现如下:
[0016] 首先计算信号的中值,并依据从小到大的顺序将信号分为四个部分,每个部分称为四分位数,其中,A1是最小值与信号中值之间的中位数,A2是信号的中值,A3是信号中值与最大值之间的中位数,A4是A3和A1的差值;MC是信号的偏度估计,通过A1,A2,A3,A4和MC可以确定信号的阈值:
[0017] 如果MC≥0,则
[0018] 如果MC<0,则
[0019] 如果信号中的值高于上限或低于下限则标记为异常值。
[0020] 在本发明一实施例中,所述步骤S3具体实现如下:
[0021] 找到预处理信号中所有的局部极大值M={m1,m2,…,mn,…,mN}以及局部极大值的位置P={p1,p2,…,pn,…,pN},将两个相邻的局部极大值进行相减:Δm=mn+1-mn,其中,1≤n≤N,且n为整数,N为局部极大值的总数;
[0022] 将差值的绝对值|Δm|与异常值检测方法确定的阈值相比较,如果Δm为正且大于阈值,则找到mn的位置标记为眨眼信号的起点;如果Δm为负且绝对值大于阈值,则找到mn+1的位置标记为眨眼信号的终点。
[0023] 相较于
现有技术,本发明具有以下有益效果:本发明利用异常值检测精确确定脑电或眼电中眨眼干扰区间的方法,具有以下优点:本发明可以精确确定脑电或眼电信号中眨眼信号的起点和终点,从而在去除眨眼干扰的时候,将该区间置零,可以使得原始信号的损失尽可能的小;本发明主要应用于脑电或眼电信号中眨眼干扰的去除;在脑电或眼电信号的采集和应用过程中,由于眨眼作为一种正常的生理反应,其幅值较大且无法避免,会使基于脑电或眼电的控制系统产生误操作;本发明能够精确确定脑电或眼电信号中眨眼信号的起点和终点,使原信号损失尽可能的小。
附图说明
[0024] 图1为本发明眨眼区间确定过程
流程图。
[0025] 图2为CC标准,PC标准,调整框图法结果图。
具体实施方式
[0026] 下面结合附图,对本发明的技术方案进行具体说明。
[0027] 本发明的一种利用异常值检测精确确定脑电或眼电中眨眼区间的方法,包括如下步骤:
[0028] 步骤S1、将采集的原始信号进行预处理,去除采集信号中的工频50Hz噪声干扰,去除基线漂移以及去除高频噪声;
[0029] 步骤S2、对预处理后的信号通过异常值检测方法确定阈值;
[0030] 步骤S3、找到预处理信号中的所有局部极大值及局部极大值的位置,用相邻局部极大值进行相减,再将相邻两个局部极大值差值的绝对值与异常值检测方法确定的阈值相比较,精确确定眨眼信号的起点和终点。
[0031] 所述步骤S2中,异常值检测方法采用Chauvenet Criterion标准、Peirce标准或调整框图法。
[0032] 所述Chauvenet Criterion标准和Peirce标准均包括以下四步:
[0033] (1)计算信号的平均值和标准差;
[0034] (2)计算 的值,其中di代表绝对误差,xi代表点的信号值,代表x的平均值;
[0035] (3)计算di/σx的值,其中σx是x的标准差;
[0036] (4)查阅Chauvenet Criterion标准的置信区间表或Peirce标准的R值表,确定阈值dmax/σx。
[0037] 所述调整框图法实现如下:
[0038] 首先计算信号的中值,并依据从小到大的顺序将信号分为四个部分,每个部分称为四分位数,其中,A1是最小值与信号中值之间的中位数,A2是信号的中值,A3是信号中值与最大值之间的中位数,A4是A3和A1的差值;MC是信号的偏度估计,通过A1,A2,A3,A4和MC可以确定信号的阈值:
[0039] 如果MC≥0,则
[0040] 如果MC<0,则
[0041] 如果信号中的值高于上限或低于下限则标记为异常值。
[0042] 所述步骤S3具体实现如下:
[0043] 找到预处理信号中所有的局部极大值M={m1,m2,…,mn,…,mN}以及局部极大值的位置P={p1,p2,…,pn,…,pN},将两个相邻的局部极大值进行相减:Δm=mn+1-mn,其中,1≤n≤N,且n为整数,N为局部极大值的总数;
[0044] 将差值的绝对值|Δm|与异常值检测方法确定的阈值相比较,如果Δm为正且大于阈值,则找到mn的位置标记为眨眼信号的起点;如果Δm为负且绝对值大于阈值,则找到mn+1的位置标记为眨眼信号的终点。
[0045] 以下为本发明的具体实施例。
[0046] 脑电和眼电信号都是低频的复杂信号,
硬件采集过程之中会受到比较严重的工频50Hz干扰,因此信号预处理部分需要进行工频50Hz去噪,另外还需要去除基线漂移以及一些高频噪声。
[0047] 由于眨眼信号是一个明显的尖峰信号,而脑电和眼电信号中的其他信号都是相对平稳的不会出现明显的尖峰,而异常值检测方法可以找到数据中明显偏离的值,眨眼在脑电或眼电信号中就是一个明显偏离原始信号的区间。因此,眨眼信号可以通过异常值检测的方法确定出精确区间。利用异常值检测精确确定脑电或眼电中眨眼干扰区间的方法,首先对预处理后的信号通过异常值检测的方法确定合适的阈值,然后找到预处理信号中所有的局部极大值M={m1,m2,…,mn,…,mN}(1≤n≤N,且n为整数,N为局部极大值的总数)以及局部极大值的位置P={p1,p2,…,pn,…,pN},将两个相邻的局部极大值进行相减(Δm=mn+1-mn),将差值的绝对值(|Δm|)与异常值检测方法确定的阈值相比较,如果Δm为正且大于阈值,则找到mn的位置标记为眨眼信号的起点;如果Δm为负且绝对值大于阈值,则找到mn+1的位置标记为眨眼信号的终点。这些步骤应用于剩余的Δm值,并且将满足条件的局部极大值点的位置标记为起点或终点。这样便可以准确找到连续脑电或眼电信号中所有眨眼信号区间的起点和终点。流程图如图1所示:
[0048] 异常值检测方法可以使用Chauvenet Criterion标准(CC),Peirce(PC)标准和调整框图法(Adjustedbox plot,ADJBP)。CC标准和PC标准的主要运算过程分为以下四步:(1)计算信号的平均值和标准差。(2)计算 的值。(其中di代表绝对误差,xi代表点的信号值,代表x的平均值)。(3)计算di/σx的值。(σx是x的标准差)。(4)查阅CC标准的置信区间表或PC标准的R值表,确定合适的阈值(dmax/σx)。
[0049] 调整框图法是一种基于中位数的运算方法。首先计算信号的中值,并依据从小到大的顺序将信号分为四个部分,每个部分称为四分位数。A1是最小值与信号中值之间的中位数,A2是信号的中值,A3是信号中值与最大值之间的中位数,A4是A3和A1的差值。MC是信号的偏度估计,通过A1,A2,A3,A4和MC可以确定信号的阈值:
[0050] 如果MC≥0,则
[0051] 如果MC<0,则
[0052] 如果信号中的值高于上限或低于下限则标记为异常值。
[0053] 将实验采集的一例垂直眼电数据进行预处理,并分别采用CC标准,PC标准和调整框图法确定眨眼信号的阈值,利用图1流程图确定所有眨眼信号的起点和终点结果如图2所示。图2中0-1.6s眼睛处于静止状态,1.6s左右是一次无意识眨眼,2-6s眼睛处于静止状态,6-7s
水平扫视,9s左右是无意识眨眼,9-10s是静止状态。可以发现,利用异常值检测方法可以精确确定脑电或眼电中眨眼干扰区间。
[0054] 以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。