基于新型小波包分解结合典型相关分析的单通道 EEG 与 fNIRS 信号运动伪影校正
机器学习
2022-04-12 v1
摘要
脑电图(EEG)和功能性近红外光谱(fNIRS)信号本质上高度非平稳,在使用可穿戴传感器记录时深受运动伪影之苦。本文提出两种鲁棒方法:i) 小波包分解(WPD),以及 ii) WPD 结合典型相关分析(WPD-CCA),用于单通道 EEG 和 fNIRS 信号的运动伪影校正。使用基准数据集测试了这些所提技术的功效,并使用两个公认的性能矩阵衡量所提方法的性能:i) 信噪比差异({\Delta}SNR)和 ii) 运动伪影百分比减少量({\eta})。所提出的基于 WPD 的单阶段运动伪影校正技术在使用 db2 小波包时产生最高平均 {\Delta}SNR (29.44 dB),而使用 db1 小波包对所有可用的 23 个 EEG 记录获得最大平均 {\eta} (53.48%)。我们提出的两阶段运动伪影校正技术即利用 db1 小波包的 WPD-CCA 方法显示出最佳去噪性能,对所有 EEG 记录分别产生平均 {\Delta}SNR 和 {\eta} 值 30.76 dB 和 59.51%。另一方面,两阶段运动伪影去除技术即 WPD-CCA 产生最佳平均 {\Delta}SNR (16.55 dB,利用 db1 小波包)和最大平均 {\eta} (41.40%,使用 fk8 小波包)。使用单阶段伪影去除技术(WPD)对所有 fNIRS 信号利用 fk4 小波包得到的最高平均 {\Delta}SNR 和 {\eta} 分别为 16.11 dB 和 26.40%。在 EEG 和 fNIRS 两种模态中,采用两阶段 WPD-CCA 技术时运动伪影百分比减少量分别提高了 11.28% 和 56.82%。
引用
@article{arxiv.2204.04533,
title = {Motion Artifacts Correction from Single-Channel EEG and fNIRS Signals using Novel Wavelet Packet Decomposition in Combination with Canonical Correlation Analysis},
author = {Md Shafayet Hossain and Muhammad E. H. Chowdhury and Mamun Bin Ibne Reaz and Sawal H. M. Ali and Ahmad Ashrif A. Bakar and Serkan Kiranyaz and Amith Khandakar and Mohammed Alhatou and Rumana Habib and Muhammad Maqsud Hossain},
journal= {arXiv preprint arXiv:2204.04533},
year = {2022}
}
备注
25 pages, 10 figures and 2 tables