换一批摘要脑机接口(Brain-Computer Interface,BCI)是一种不依赖于外周神经和肌肉,直接将中枢神经活动转化成人工输出的系统,脑电图(Electroencephalogram,EEG)作为BCI实现的重要手段,因其具有无创、时间分辨率高等优势,成为当前应用最广泛的脑信息采集技术之一.然而,在头皮记录的EEG经过颅骨等介质的传导和衰减,信号幅值微弱且信噪比低,易受到心电、眼电、肌电等生理噪声和工频干扰等非生理噪声的干扰.尤其是随着脑电采集设备的小型化、便携化,EEG应用范围逐渐扩展至更为多元动态的环境.在非实验室环境的实际运动场景中,采集的EEG信号通常会混杂大量的运动伪迹.此运动伪迹干扰频率低、幅值大,谐波范围广,其频率范围易与脑电频带重合,因此消除或减少运动伪影较为困难.运动伪迹会严重影响EEG的信号质量,给脑电解码带来挑战,针对此问题,国内外众多研究学者已开展了对脑电信号中运动伪迹去除方法的深入研究,但当前缺乏对这些研究的系统性归纳与总结,因此该文围绕脑电信号运动伪迹去除技术,调研总结了去除运动伪迹的主要评价指标,梳理归纳了无参考和以姿态数据为参考的两类运动伪迹去除算法,系统对比了现有算法的优缺点及其适用场景,最后展望了运动伪迹去除的发展方向,以期推动EEG技术在现实场景中的广泛应用.
更多相关知识
关键词
脑机接口运动伪迹运动伪迹评价指标运动伪迹去除算法姿态数据brain-computer interfacemotion artifactmotion artifact evaluation indexmotion artifact removal algo-rithmposture data
栏目名称
DOI
10.12466/xhcl.2025.04.017
发布时间
2025-05-09（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引1
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
