联合改进CEEMD与近似熵的脑电去噪方法

• 作者: 佟宝同 刘燕 张欢 戴亚康 杨莹雪 王玉平 赵凌霄
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 脑电 去噪 本征模态函数 完备总体经验模态分解 近似熵
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 移动互联与通信技术
• 页码范围: 53-58
• 页数: 6页
• 分类号: TN911.7
• 字数: 3465字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.06.009

摘要

针对现有完备总体经验模态分解方法在脑电去噪中的模态筛选偏差问题,结合改进的完备总体经验模态分解(ICEEMD)与近似熵,提出一种新的脑电(EEG)信号去噪方法.对EEG信号进行ICEEMD分解,得到一系列本征模态函数(IMF),再对IMF分别计算近似熵,比较并选择近似熵值最大的IMF作为去噪后的信号.基于模拟信号和真实脑电信号的实验结果表明,与添加自适应噪声的完备总体经验模态分解方法相比,该方法能得到更清晰稳定的去噪结果,并且解决了IMF盲目选取导致的去噪失准及虚假模态等问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王玉平	首都医科大学宣武医院神经内科	223	985	15.0	21.0
2	张欢	南京理工大学电子工程与光电技术学院	4	19	2.0	4.0
3	赵凌霄	中国科学院苏州生物医学工程技术研究所	5	19	2.0	4.0
4	戴亚康	中国科学院苏州生物医学工程技术研究所	17	66	4.0	7.0
5	刘燕	中国科学院苏州生物医学工程技术研究所	33	276	8.0	15.0
7	杨莹雪	首都医科大学宣武医院神经内科	4	7	1.0	2.0
8	佟宝同	中国科学院苏州生物医学工程技术研究所	5	12	2.0	3.0