作者投稿和查稿 主编审稿 专家审稿 编委审稿 远程编辑

计算机工程

• 移动互联与通信技术 • 上一篇    下一篇

联合改进CEEMD与近似熵的脑电去噪方法

张欢 1,刘燕 2,3,佟宝同 2,赵凌霄 2,杨莹雪 4,王玉平 4,戴亚康 2   

  1. (1.南京理工大学 电子工程与光电技术学院,南京 210094; 2.中国科学院苏州生物医学工程技术研究所,江苏 苏州 215163;3.哈尔滨理工大学,哈尔滨 150080; 4.首都医科大学宣武医院 神经内科,北京 100053)
  • 收稿日期:2016-06-01 出版日期:2017-06-15 发布日期:2017-06-15
  • 作者简介:张欢(1991—),男,硕士研究生,主研方向为信号处理;刘燕,讲师、博士;佟宝同,副研究员、硕士;赵凌霄,研究员、博士;杨莹雪,住院医师、博士;王玉平,教授、博士;戴亚康(通信作者),研究员、博士。
  • 基金资助:
    国家“863”计划项目(2015AA020514);国家自然科学基金(61301042);中国科学院百人计划项目;江苏省自然科学基金(BK2012189);苏州市医疗器械与新医药专项(ZXY201426);2014年度中法“蔡元培”交流合作项目(201404490123);脑功能疾病调控治疗北京市重点实验室开放课题。

Electroencephalogram Denoising Method Combining Improved CEEMD and Approximate Entropy

ZHANG Huan1,LIU Yan2,3,TONG Baotong2,ZHAO Lingxiao2,YANG Yingxue4,WANG Yuping4,DAI Yakang2   

  1. (1.School of Electronic and Optical Engineering,Nanjing University of Science and Technology,Nanjing 210094,China;2.Suzhou Institute of Biological Engineering and Technology,Chinese Academy of Sciences,Suzhou,Jiangsu 215163,China;3.Harbin University of Science and Technology,Harbin 150080,China; 4.Department of Neurology,Xuanwu Hospital Capital Medical University,Beijing 100053,China)
  • Received:2016-06-01 Online:2017-06-15 Published:2017-06-15

摘要: 针对现有完备总体经验模态分解方法在脑电去噪中的模态筛选偏差问题,结合改进的完备总体经验模态分解(ICEEMD)与近似熵,提出一种新的脑电(EEG)信号去噪方法。对EEG信号进行ICEEMD分解,得到一系列本征模态函数(IMF),再对IMF分别计算近似熵,比较并选择近似熵值最大的IMF作为去噪后的信号。基于模拟信号和真实脑电信号的实验结果表明,与添加自适应噪声的完备总体经验模态分解方法相比,该方法能得到更清晰稳定的去噪结果,并且解决了IMF盲目选取导致的去噪失准及虚假模态等问题。

关键词: 脑电, 去噪, 本征模态函数, 完备总体经验模态分解, 近似熵

Abstract: Aiming at the problem of modal selection bias in Complete Ensemble Empirical Mode Decomposition(CEEMD),this paper proposes a new Electroencephalogram(EEG) signal denoising method by combining improved CEEMD(ICEEMD).First,the EEG signal is decomposed to several Intrinsic Mode Functions(IMF) by ICEEMD.Then,the approximate entropy of each IMF is calculated respectively.Finally,the IMF with the maximum approximate entropy is chosen as the denoised result.The experiments result based on analog signals and real EEG signals shows that,compared with Complete Ensemble Empirical Mode Decomposition with Adaptive Noise(ECCMDAN),the new method can give more clear and stable denoising results,and it also solves the problems such as inaccurate denoising and false mode caused by the blind selection of IMF.

Key words: Electroencephalogram(EEG), denoising, Intrinsic Mode Function(IMF), Complete Ensemble Empirical Mode Decomposition(CEEMD), approximate entropy

中图分类号: