• 1. 郑州大学 电气工程学院(郑州 450001);
  • 2. 郑州大学 河南省脑科学与脑机接口重点实验室(郑州 450001);
导出 下载 收藏 扫码 引用

多通道微电极阵列记录的锋电位(Spike)十分微弱,极易受干扰,其含噪的特性影响了 Spike 检出的准确率。针对 Spike 检测过程中通常存在的独立白噪声、相关噪声与有色噪声,本文结合主成分分析(PCA)、小波分析和自适应时频分析,提出 PCA-小波(PCAW)与整体平均经验模态分解(EEMD)联合的去噪新方法(PCWE)。首先,利用 PCA 提取多通道神经信号通道间的主成分作为相关噪声去除;然后利用小波阈值法对独立白噪声进行去除;最后利用 EEMD 把噪声分解到各层本质模态函数中,对有色噪声进行去除。仿真结果表明,PCWE 使信噪比约提高 2.67 dB,标准差约减小 0.4 μV,显著提高了 Spike 的检出精确率;实测数据结果表明,PCWE 能使信噪比约提高 1.33 dB,标准差约减小 18.33 μV,表现出良好的去噪性能。本文研究结果表明,PCWE 可以提高 Spike 信号的可靠性,或可为神经信号的编码解码提供一种新型有效的锋电位去噪方法。

引用本文: 周怡君, 胡一凡, 李蒙蒙, 杨莉芳, 尚志刚. 联合主成分分析-小波与整体平均经验模态分解的锋电位去噪方法. 生物医学工程学杂志, 2020, 37(2): 271-279. doi: 10.7507/1001-5515.201906048 复制

  • 上一篇

    基于功能性近红外光谱识别右脚三种想象动作研究
  • 下一篇

    小功率无线电能传输系统对小鼠记忆行为和部分生理特性影响的研究