用于 EEG 伪迹去除的双平滑函数型独立成分分析
统计方法学
2021-06-08 v3 应用统计
摘要
受绘制脑电图（EEG）信号中由身体运动引起的不良伪迹事件所驱动，我们提出一种基于平滑主成分展开之峰度算子谱分解的函数型独立成分分析。在协方差特征函数的正交归一约束中引入离散粗糙度惩罚，以获得所提独立成分模型的平滑基。为选择调谐参数，采用一种结合收缩的交叉验证方法，以提升在大基维数函数表示上的性能。该方法提供一种估计策略以确定惩罚参数与最优成分数。我们的独立成分方法应用于真实 EEG 数据，从受污染信号中估计真实脑电位。结果可控制与伪迹源重叠的神经源性高频残留，以优化其从信号中的去除。实现我们方法的 R 包可在 CRAN 获取。
引用
@article{arxiv.2101.05769,
title = {Bi-Smoothed Functional Independent Component Analysis for EEG Artifact Removal},
author = {Marc Vidal and Mattia Rosso and Ana M. Aguilera},
journal= {arXiv preprint arXiv:2101.05769},
year = {2021}
}
备注
9 pages, 3 figures, 1 table