孙晓娟,王 利

(宝鸡文理学院电子电气工程学院,陕西 宝鸡 721013)

0 引 言

脑电信号(Electroencephalograph, EEG)是一种能够揭示大脑活动状态的生物电信号。人体的许多生理与病理信息都能通过脑电信号反映出来[1]，因而脑电信号在大脑功能的开发与临床疾病的诊断等方面应用非常广泛[2]。但是，由于脑电信号具有十分微弱的特性，在采集时很容易受到噪声的干扰，从而对后续脑电信号的信息提取与特征分析产生极大的影响，因此对脑电信号进行降噪已经成为脑电信号分析中不可或缺的组成部分。

目前，EEG的降噪方法主要包括独立分量分析(Independent Component Analysis, ICA)[3-4]、小波变换(Wavelet Transform, WT)[5-7]和经验模态分解(Empirical Mode Decomposition, EMD)[8-9]。独立分量分析可以把脑电信号中的理想信号与噪声作为独立成分进行分离，从而实现降噪，但是仅适用于脑电信号通道数大于所分离的信号源数的情况[10-11]。小波变换则是通过先将脑电信号进行多尺度分解，然后对得到的小波系数进行处理来完成降噪的过程，但是这种方法的计算量较大，且小波基的选择需要大量的先验知识[12-13]。而经验模态分解方法不受上述问题的限制，它只需结合信号的特性，将脑电信号自适应地分解成多个固有模态函数(Intrinsic Mode Function, IMF)分量，从中选出部分IMF分量进行去除或者阈值处理，再进行信号重构就可以获取降噪后的脑电信号[8,14-15]。然而在使用过程中，EMD方法会出现模态混叠的现象[16-17]，为了解决此类问题，文献[18]提出了集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)，通过添加白噪声来修正EMD的模态混叠问题。……