无标度不变性下用于 EEG 伪迹去除的 WQN 算法
统计方法学
2023-07-11 v1 信号处理
摘要
脑电图（EEG）信号反映了不同大脑状态下的脑活动，其特征是不同的频率分布。通过多重分形分析工具，我们研究了不同类别 EEG 信号与伪迹的标度行为。我们表明，与睡眠和全身麻醉相关的大脑状态一般不以标度不变性为特征。标度不变性的缺失促使我们开发能够在每个尺度上独立运行的伪迹去除算法。我们在此考察小波分位数归一化（WQN）算法的性质，这是一种最近提出的用于 EEG 信号瞬态伪迹实时校正的自适应方法。我们建立了关于 WQN 算法正则化性质的一般结果，展示了它如何消除由伪迹引入的奇异性，并将其与传统阈值算法进行比较。此外，我们表明算法性能与小波基无关。我们最后考察了其连续性和有界性性质，并通过病理示例说明了其对小波系数的独特非局部作用。
引用
@article{arxiv.2307.04155,
title = {The WQN algorithm for EEG artifact removal in the absence of scale invariance},
author = {Matteo Dora and Stéphane Jaffard and David Holcman},
journal= {arXiv preprint arXiv:2307.04155},
year = {2023}
}