EWT算法在单通道脑电信号眼电伪迹自动去除中的研究

针对单通道脑电信号眼电伪迹去除算法中存在信息丢失和计算速度慢的问题,提出了一种基于经验小波变换(empirical wavelet transform,EWT)、小波变换(wavelet transform,WT)和近似熵的眼电伪迹去除方法.首先,采用EWT算法自适应分割脑电信号频谱,在分割的区间上构造合适的滤波器组提取具有紧支撑结构的经验模态分量.然后对各模态分量进行WT分解,计算分解后的近似熵,同时设置近似熵阈值对眼电伪迹自动识别并去除.最后采用WT和EWT的逆变换重构信号.采用公开的Klados数据集和Mohit Agarwal的EEG-VR数据集对算法进行实验,实验结果表明:该方法计算时间的平均值为0.199 5 s,Alpha波的功率失真均值和方差分别为0.128 4和0.151 1,Beta波的功率失真均值和方差分别为0.097 7和0.158 0.所提算法与EMD-ICA、CEEMDAN-ICA和WT算法相比,计算速度快,伪迹去除能力强,能够保留脑电信号有用信息更多.