３Ｏ卷４期 ２０１１年８月 中 国 生物 医学工程学报 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏ１．３０ Ｎｏ．４ Ａｕｇｕｓｔ ２０１１
独立分量分析在神经元锋电位分类中的一种新应用
杨彭举封洲燕 孙静
（浙江大学生物医学工程与仪器科学学院生物医学工程教育部重点实验室，杭州 ３１００２７）
摘要：爆发式锋电位（Ｂｕｒｓｔ）是大脑神经元动作电位发放的一种常见形式，它在增强神经信号传递的可靠性以及 形成突触可塑性变化等方面具有重要的作用。在细胞外记录的锋电位信号中，同源Ｂｕｒｓｔ也表现为幅值和波形都 明显变化的一串高频发放序列，这给神经元序列的正确分类提出了难题。为了解决这个问题，本研究设计了一种 四极电极记录的锋电位信号检测和分类方法。在阈值法检出锋电位的基础上，首先根据锋电位时间间隔指标检出 候选Ｂｕｒｓｔ信号小段，然后利用独立分量分析（ＩＣＡ）的盲源分离特性，区分每个小段信号中所包含的不同来源的锋 电位，再用于最后的整体信号的锋电位聚类。实验记录数据和仿真数据的检验结果表明，该方法不仅能够将来自 不同神经元的Ｂｕｒｓｔ和单发放锋龟位正确分类；而且，由于ＩＣＡ应用的对象是短时间的候选Ｂｕｒｓｔ信号，因此，即使 对于４通道信号也能够满足ＩＣＡ源信号数量小于记录信号通道数的限制条件，同时，短信号处理又避免了ＩＣＡ计 算量大等问题，为Ｂｕｒｓｔ的正确检测与分类提供了一种新方法。
关键词：爆发式发放；锋电位；独立分量分析；四极电极；分类 中图分类号Ｒ３３８．ＴＰ３９１ 文献标识码Ａ 文章编号０２５８－８０２１（２０１１）０４－０５００－０９
Ｎｏｖｅｌ Ａｐｐｌｉｃａｔｉｏｎ ｏｆ Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ ｏｎ Ｎｅｕｒｏｎａｌ Ｓｐｉｋｅ Ｓｏｒｔｉｎｇ
ＹＡＮＧ Ｐｅｎｇ－Ｊｕ ＦＥＮＧ Ｚｈｏｕ－Ｙａｎ’ ＳＵＮ Ｊｉｎｇ （Ｃｏｌｌｅｇｅ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ Ｓｃｉｅｎｃｅ，Ｋｅｙ Ｌａｂ ｆｏｒ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ｏｆ Ｅｄｕｃａｔｉｏｎ Ｍｉｎｉｓｔｒｙ，Ｚｈｅｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ ３ １００２７，Ｃｈｉｎａ）
２０１３年２月 第１３卷第１期 廊坊师范学院学报（自然科学版） Ｊｏｕｒｎａｌ ｏｆ Ｌａｎｇ￣ｎｇ Ｔｅａｃｈｅｒｓ Ｃｏｌｌｅｇｅ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｅｄｉｔｉｏｎ） Ｆｅｂ．２０１３ Ｖｏ１．１３ Ｎｏ．１
Ｗ Ｉ Ｃ Ａ算法在脑电 波增强中的应用
王亚，傅伟
（江苏财经职业技术学院，江苏淮安２２３００３）
【摘要】 随着脑电信号处理技术的发展，脑诱发电位的提取更广泛地应用于神经精神科以及其他领域。但是， 目前一系列脑电分析方法都存在一定的缺陷。而根据脑电信号以及信号分析方法各自的特点，把小波变换（ｗＴ） 和独立分量（ＩＣＡ）结合的方法（ＷＩＣＡ）应用到脑电ａ波增强中，小波变换可以增强待检测信号成分，削弱非目标信 号成分和噪声的干扰，经过小波变换后子带重组的多道ＩＣＡ输入信号中，非目标信号成分和干扰信号成分己变得 较弱，因此，Ｗ／ＣＡ算法能有效地分离出相对较强的目标信号成分。实验结果表明，ＷＩＣＡ算法在脑电ａ波增强中 可取得比较好的效果。 【关键词】小波变换；独立分量分析；脑信号；特征增强
Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ａＷａｖｅ Ｅｎｈａｎｃｅｍｅｎｔ ｆｒｏｍ ＥＥＧ Ｂａｓｅｄ ｏｎ
ｕｎｉｔｉｎｇ Ｗａｖｅｌｅｔ Ｔｒａｎｓｆｏｒｍ、 ｔｈ Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ
ＡⅣＧ Ｙａ．ＦＵ Ｗｅｉ
【Ａｂｓｔｒａｃｔ】Ｗｉｔｈ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｂｒａｉｎ ｄｅｃｔｆｉｃａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ，ｔｈｅ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｂｒａｉｎ ｅｖｏｋｅｄ ｐｏ— ｔｅｎｔｉａｌ ｈａｓ ｂｅｅｎ ｗｉｄｅｌｙ ｕｓｅｄ ｉｎ ｔｈｅ ｎｅｕｒｏｌｏｇｙ ｄｅｐａｒｔｍｅｎｔ ａｎｄ ｏｔｈｅｒ ｄｏｍａｉｎｓ．Ｂｕｔ ａ ｓｅｒｉｅｓ ｏｆ ｒｅｃｅｎｔｌｙ ｅｌｅｃｔｒｉｃａｌ ｓｉｇｎａｌ ｐｒｏ— ｃｅｓｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｈａｖｅ ｎｏｔ ｅｎｏｕｇｈ ｐｅｒｆｅｃｔ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｒｅｓｐｅｃｔｉｖｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｏｆ ｔｈｅ ｂｒａｉｎ ｅｌｅｃｔｒｉｃａｌ ｓｉｇｎａｌ ａｎｄ ｔｈｅ ｓｉｇｎａｌ ａｎａｌｙｓｉｓ ｍｅｔｈｏｄ，ａｐ ｅｓ ｉｎ ｅｘｔｒａｃｔｉｎｇ ｂｒａｉｎ ｅｖｏｋｅｄ ｐｏｔｅｎｔｉａｌ ｂｙ ｗａｖｅｌｅｔ（ＷＴ）ａｎｄ ｔｈｅ Ｉｎｄｅｐｅｎｄｅｎｔ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ（ＩＣＡ）ｕｎｉｏｎ ｍｅｔｈｏｄ（ＷＩＣＡ）．Ｔｈｅ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍａｔｉｏｎ ｍａｙ ｓｔｒｅｎｇｔｈｅｎ ｔｈｅ ｅｘａｍｉｎａｔｉｏｎ ｓｉｇｎａｌ ｉｎｇｒｅｄｉｅｎｔ， ｗｅａｋｅｎｓ ｔｈｅ ｎｏｎ・－ｔａｒｇｅｔ ｓｉｇｎａｌ ｉｎｇｒｅｄｉｅｎｔ ａｎｄ ｔｈｅ ｎｏｉｓｅ ｄｉｓｔｕｒｂａｎｃｅ；Ｉｎ ａｆｔｅｒ ｔｈｅ ｓｕｂ——ｂｅｌｔ ｒｅｏｒｇａｎｉｚａｔｉｏｎ ｍｕｌｔｉ－－ｃｈａｎｎｅｌ ＩＣＡ ｉｎｐｕｔ ｓｉｇｎａｌ，ｔｈｅ ｎｏｎ—ｔａｒｇｅｔ ｓｉｇｎａｌ ｉｎｇｒｅｄｉｅｎｔ ａｎｄ ｔｈｅ ｕｎｗａｎｔｅｄ ｓｉｇｎａｌ ｉｎｇｒｅｄｉｅｎｔ ｇｅｎｅｒａｌｌｙ ｃｈａｎｇｅｓ ｗｅａｋｌｙ，ｔｈｅｒｅ— ｆｏｒｅ，ｔｈｅ ＩＣＡ ａｌｇｏｒｉｔｈｍ ｃａｎ ｅｆｆｅｃｔｉｖｅｌｙ ｓｅｐａｒａｔｅ ｓｔｒｏｎｇｅｒ ｔａｒｇｅｔ ｓｉｇｎａｌ ｉｎｇｒｅｄｉｅｎｔ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ，ｔｈｅ ＷＩＣＡ ａｌ— ｇｏｒｉｔｈｍ ｉｓ ｖｅｒｙ ｅｆｆｉｃｉｅｎｔ ｏｎ ｔｈｅ ｂｒａｉｎ ｅｌｅｃｔｒｉｃａｌ ｓｉｇｎａｌ￣ｗａｖｅ ｅｎｈａｎｃｅｍｅｎｔ． 【Ｋｅｙ ｗｏｒｄｓ】 ｗａｖｅｌｅｔ ａｎａｌｙｓｉｓ；ＩＣＡ；ｂｒａｉｎ ｅｌｅｃｔｒｉｃａｌ ｓｉｇｎａｌ；ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｅｎｈａｎｃｅｍｅｎｔ
收稿日期:2007209225;修回日期:2007212219 基金项目:国家自然科学基金资助项目(30470459);西北工业大学基础研究基金资助项目(2006NF08B0)作者简介:谢松云(19682),女,福建人,教授,博士,主要研究方向为生物信息与图像处理、模式识别(syxie@);潘辉(19822),男,陕西人,硕士研究生,主要研究方向为信号与信息处理;张伟平(19832),女,湖南人,硕士研究生,主要研究方向为生物信息与图像处理.结合小波包和ICA的脑电信号特征波提取方法3
谢松云,潘 辉,张伟平
(西北工业大学电子信息学院,西安710072)
摘 要:为了更有效地提取脑电信号特征波,结合小波包和ICA(独立分量分析),提出了一种脑电特征波提取
方法。首先对脑电信号进行小波包分解,然后进行相关频段信号的重构,从而提取出特征波的概貌作为初次提
取的特征波;再利用ICA分离技术,以初次提取的特征波为参考信号对其进行增强。实验结果表明,对比于独立
地应用某一种方法,两种方法相结合更能有效地提取脑电信号特征波。
关键词:小波包;独立分量分析;特征提取;脑电信号
中图分类号:TP391 文献标志码:A 文章编号:100123695(2008)0922671203
FeatureextractionofEEGsignalbasedonwaveletpackageandICA
XIESong2yun,PANHui,ZHANGWei2ping
(SchoolofElectronic&Information,NorthwesternPolytechnicalUniversity,Xi’an710072,China)
Abstract:InordertoextractthefeatureofEEGsignalsefficiently,putforwardthemethodcombinedwaveletpackagewithICA.Firstly,decomposedtheoriginalEEGsignalsbyusingwaveletpackagetransformation,andextractedtheroughfeaturewavebyrecomposingtherelateddecomposedcoefficientsasthepreliminaryextraction.Then,paredwithapplyingthetwomethodsseparately,methodcombinedwaveletpackageandICAismoreefficienttoextractfeaturewave.Keywords:waveletpackage;independentcomponentanalysis(ICA);featureextraction;electroencephalogram(EEG)signal
第２ ０７０ ７爹 期 年５月 计算机技术与发展 ＣＯＭＰＵＴＥＲ ＴＥＣＨＮＯＩ Ｘ Ｙ ＡＮＤ ＤＥＶＥＩ ＯＰＭＥＮＴ ＶＯ１．１７ Ｎｏ．５ Ｍａｖ ２００７
基于脑电信号的思维任务分类
胡人君，李 坤，吴小培
（安徽大学计算智能与信号处理教育部重点实验室，安徽合肥２３００３９）
摘要：脑电信号（ＥＥＧ）是研究脑活动的一种重要的信息来源，基于脑电信号的人与计算机的通信已成为一种新的人机 接口方式。文中主要对不同心理作业的思维脑电信号运用独立分量分析进行预处理，然后采用ＡＲ模型提取特征，最后应 用ＢＰ神经网络对ＡＲ系数特征进行训练和分类。实验表明，此方法可以达到很好的分类效果。 关键词：思维脑电；独立分量分析；特征提取；ＢＰ神经网络 中图分类号：ＴＰ１８ 文献标识码：Ａ 文章编号：１６７３—６２９Ｘ（２００７）０５—０１７３一Ｏ４
Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｆｏｒ Ｄｉｆｆｅｒｅｎｔ Ｍｅｎｔａｌ Ｔａｓｋｓ Ｂａｓｅｄ ｏｎ ＥＥＧ Ｓｉｇｎａｌｓ
ＨＵ Ｒｅｎ－ｊｕｎ，ＬＩ Ｋｕｎ，ＷＵ Ｘｉａｏ－ｐｅｉ （Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ Ｋｅｙ Ｌａｂ．ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｍｐｕｔｉｎｇ＆Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ａｎｈｕｉ Ｕｎｉｖ．，Ｈｅｆｅｉ ２３００３９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ（ＥＥＧ）ｓｉｇｎａｌ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｉｎｆｏｒｍａｔｉｏｎ ｓｏＨｒｅｅ ｏｆ ｕｎｄｅｒｌｙｉｎｇ ｂｒａｉｎ ｐｒｏｃｅｓｓｅｓ．Ｔｈｅ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ＥＥＧ ｂｅｔｗｅｅｎ ｈｕｍａｎ ｂｒａｉｎ ａｎｄ ｃｏｍｐｕｔｅｒ ｉｓ ａ ｎｅｗ ｍｏｄａｌｉｔｙ ｏｆ ｈｕｍａｎ—ｃｏｍｐｕｔｅｒ ｉｎｔｅｒａｃｔｉｏｎ．ＥＥＧ ｓｉｇｎａｌ ｏｆ ｄｉｆｆｅｒｅｎｔ ｍｅｎｔａｌ ｔａｓｋｓ ｉｓ ｐｒｅｐｒｏｅｅｓｓｅｄ ｂｙ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎｌｙｓｉｓ（ＩＣＡ）．ＡＲ ｍｏｄｅｌ ｃｏｅｆｆｉｃｉｅｎｔ ｉｓ ｅｘｔｒａｃｔｅｄ ａｓ ｆｅａｔｕｒｅ ｖｅｃｔｏｒ，ａｎｄ ｃｌａｓｓｉｆｉｅｓ ｔｈｅ ｍｅｎｔａｌ ｔａｓｋｓ ● ｂａｓｅｄ ｏｎ ＢＰ ｎｅｔｗｏｒｋ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ａｎａｌｙｓｉｓ ａｎｄ ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ，ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｇｅｔ ｈｉｇｈ ｃｏｒｒｅｃｔ ｒａｔｅ ｏｆ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ． Ｋｅｙ ｗｏｒｄｓ：ＥＥＧ；ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎｌｙｓｉｓ；ｆｅａｔｕｒｅ ｅｘｔｒａＣｔｉｏｎ；ＢＰ ｎｅｔｗｏｒｋ
