结合经验模态分解（EMD）的编码器以去除 EEG 信号中的肌电伪影
人工智能
2024-09-24 v1
摘要
本文介绍了一种通过将经验模态分解（EMD）方法与机器学习架构相结合，有效去除 EEG 信号伪影的新方法。所提出的方法通过插值上下包络线来增强 EMD 方法，从而解决了现有伪影去除技术的局限性。对于传统的伪影去除方法，通常采用 EMD 技术。然而，挑战在于如何在保留信号固有频率成分的同时，准确插值信号的缺失成分。为了克服这一限制，我们引入了机器学习技术，使我们能够仔细处理插值过程而无需直接操纵数据。我们方法的关键优势在于在去除伪影期间保留了 EEG 信号的自然特征。通过利用机器学习进行插值，我们确保通过 EMD 方法获得的平均成分保留了原始信号的关键频率成分。这种保留对于维持 EEG 数据的完整性和保真度至关重要，从而允许进行准确的分析和解释。我们的评估结果验证了该方法的有效性，并为 EEG 信号处理和分析的进一步发展铺平了道路。
引用
@article{arxiv.2409.14571,
title = {Encoder with the Empirical Mode Decomposition (EMD) to remove muscle artefacts from EEG signal},
author = {Ildar Rakhmatulin},
journal= {arXiv preprint arXiv:2409.14571},
year = {2024}
}