基于InfomaxICA算法少次自動提取事件相關(guān)電位.pdf

1、事件相關(guān)電位(ERP)是受試者在主動參與的情況下獲得的一種長潛伏期誘發(fā)電位，具有高時間分辨率的特點，能鎖時性地反映認知動態(tài)過程。但ERP信號很微弱，由實際采集的腦電記錄可發(fā)現(xiàn)，它總是淹沒在自發(fā)腦電中，并伴隨有眼動偽跡、50Hz工頻干擾以及其它電生理信號成分等。如何從強大的自發(fā)腦電信號背景中提取出穩(wěn)定的ERP信號是它在認知神經(jīng)科學等領(lǐng)域中應(yīng)用的關(guān)鍵問題之一。
　　本文提出了一種基于Infomax ICA少次自動提取ERP的方法，并應(yīng)

2、用于實際腦電信號的 ERP成分提取。為了增強 ICA分解的有效性，對原始數(shù)據(jù)中的自發(fā)腦電信號和ERP信號進行了均衡?；旌闲盘柦?jīng)過ICA分解后，根據(jù)IC的固定時間模式的標準差來自動選擇代表ERP信號的獨立分量(IC)，重構(gòu)后得到ERP信號。
　　本論文主要有兩點創(chuàng)新：首先提出了利用各IC的固定時間模式的相關(guān)特性來自動選取ERP信號IC，以達到利用ICA方法實現(xiàn)自動少次提取ERP成分的目的；其次提出了信號均衡的方法，以解決ERP成分與

3、自發(fā)腦電在混合信號中的能量不均衡的問題。
　　研究了三種ERP信號的提取過程及其影響因素，即：視覺誘發(fā)電位(VEP)、視覺 P300以及聽覺 P300。并采用皮爾遜相關(guān)系數(shù)(Pearson)對提取出的信號波形進行了評價。實驗結(jié)果驗證了算法的有效性，并表明該算法具有較好的實用性，增強了ERP信號少次提取的客觀性。
　　對于視覺誘發(fā)電位(VEP)，采用6試次的原始腦電數(shù)據(jù)經(jīng)過算法處理后能自動得到VEP信號，與205試次平均結(jié)果(

4、標準信號)相比，它們之間的Pearson相關(guān)系數(shù)達到0.9106，而6試次平均結(jié)果與標準信號之間的Pearson相關(guān)系數(shù)為0.3066。
　　對于視覺 P300，采用6試次的原始腦電數(shù)據(jù)經(jīng)過算法處理后自動提取出視覺P300成分，與29試次平均結(jié)果(標準信號)相比，它們之間的Pearson相關(guān)系數(shù)達到0.9035，而6試次實驗數(shù)據(jù)平均的結(jié)果與標準信號之間的Pearson相關(guān)系數(shù)為0.5105。
　　對于聽覺 P300，采用5試