用于自适应校正 EEG 信号伪迹的 WQN 算法
统计方法学
2022-08-04 v1 信号处理
摘要
小波分位数归一化（Wavelet quantile normalization, WQN）是一种非参数算法，旨在实时临床监测中高效去除单通道 EEG 中的瞬态伪迹。如今，EEG 监测机器在检测到信号中的伪迹时会暂停其输出。因此，去除不可预测的 EEG 伪迹将改善监测的连续性。我们分析了 WQN 算法，该算法将由伪迹的时段的小波系数分布迁移到无污染的参考信号分布。我们表明该算法对信号具有正则化作用。为确认该算法适用，我们研究了 EEG 与伪迹小波系数的经验分布。我们将 WQN 算法与经典的小波阈值方法进行比较，并研究它们对小波系数分布的影响。我们表明 WQN 算法保留分布，而阈值方法可能导致改变。最后，我们展示了如何使用 WQN 算法清洗由 EEG 信号计算出的谱图。
引用
@article{arxiv.2207.11696,
title = {The WQN algorithm to adaptively correct artifacts in the EEG signal},
author = {Matteo Dora and Stéphane Jaffard and David Holcman},
journal= {arXiv preprint arXiv:2207.11696},
year = {2022}
}