换一批摘要脑电图(Electroencephalography,EEG)是通过精密放大仪器将脑部微弱的生物电位加以放大记录而获得的图形.因其具有安全无创、成本低廉、时间分辨率高等优点广泛应用于医疗诊断和神经科学研究等领域.然而脑电信号幅值微弱,在采集过程中容易受到外部环境和生理活动的影响,实际获得的脑电信号通常混有大量噪声,其中由被试者生理活动引起的噪声在时域或频域上与脑电信号存在重叠,简单的预处理手段难以将它们分离,因此能够有效去除这些噪声的脑电伪迹去除算法一直是脑机领域的研究热点.传统的伪迹去除算法包括回归、小波变换、经验模态分解、盲源分离等,它们通过信号自身的时频特征或信号间的统计特征进行伪迹分离,在脑电图的应用发展中发挥了重要的作用.然而由于伪迹成分复杂,脑电伪迹去除研究中尚不存在一种可以适用所有情况的去伪迹方法,为实际应用中目标和算法之间的匹配问题带来不必要的选择负担.为此,文中首先总结了伪迹的成因和类别,并探讨了不同生理伪迹的形态特点.之后,对现有的国内外脑电去伪迹方法进行了归纳总结,讨论了不同算法在去除伪迹方面的优缺点及适用性差异,为今后不同领域的研究人员选择适用的脑电伪迹去除算法提供理论依据.最后分析了当前研究存在的一些问题,展望了未来脑电去伪迹研究的发展方向.
更多相关知识
关键词
脑机接口伪迹去除独立成分分析经验模态分解深度学习brain-computer interfaceartifact removalindependent component analysisempirical mode decomposi-tiondeep learning
栏目名称
DOI
10.12466/xhcl.2025.06.003
发布时间
2025-07-08（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
