独立电极脑电信号处理：低通滤波与ICA在专注度识别中的应用

"这篇文章是关于弱脑电信号的特征提取与识别的研究，主要探讨了如何在使用无需涂抹胶泥膏的独立电极采集脑电信号时，克服干扰大和信号不稳定的问题。研究采用了低通滤波器去除工频干扰，使用独立成分分析(ICA)分离眼电伪迹，并通过设置阈值和空间分布特性识别眼电。通过对比β波能量和样本熵两种方法评估专注度，发现样本熵与专注度的相关性更高，更准确地反映了人脑注意力变化。该研究得到了多项基金资助，并由郇小宁和黄新林等人完成。" 文章详细内容： 近年来，基于脑机接口的脑电信号研究已经成为一个热门领域。尽管传统的脑电信号采集技术，如使用电极帽和胶泥膏，能提供高质量的信号，但其不适感限制了用户的接受度。因此，研究者转向探索使用独立电极进行无胶泥膏采集，但这引入了新的挑战，如信号干扰增大和稳定性降低。 为了改善这种情况，研究者提出了一种结合低通滤波和独立成分分析(ICA)的方法。首先，应用低通滤波器来滤除工频干扰，这种干扰通常会严重扭曲脑电信号的解析。接着，ICA用于分离出脑电信号中的眼电伪迹，这是由于眼动产生的电信号经常会混淆到脑电信号中。通过对水平眼电和垂直眼电阈值的设定，以及考虑各个独立成分在脑部位置的空间分布特性，可以有效地识别并去除这些伪迹。 在特征提取方面，研究者考察了两种指标，即β波能量和样本熵，用于量化人脑的专注度。β波通常与大脑的警觉状态和认知活动相关，其能量的增加往往表示更高的专注度。样本熵则是一种衡量信号复杂性和不规则性的指标，它能够反映大脑活动的动态变化。实验结果表明，这两种指标与专注度呈现正相关关系。 进一步的，研究以NeuroSky专注度作为基准，比较了β波能量法和样本熵法的性能。结果显示，样本熵法与NeuroSky算法的相关度相比β波能量法提高了26%，这表明样本熵法在跟踪人脑注意力变化上更为精确，更接近实际的专注度估计。 该研究受到多个项目的资助，包括国家自然科学基金、上海市浦江人才计划、上海市科学技术委员会项目、同济大学青年优秀人才培养行动计划、中央高校基本科研业务费专项资金以及“晨光计划”等。主要作者郇小宁和通信作者黄新林都在微弱信号研究与处理方面有深入研究，他们的工作为改进脑电信号处理提供了新的视角和方法。