• 41 • ELECTRONICS WORLD•探索与观察 ICA与小波去噪相结合提取听觉诱发电位研究 广东工业大学自动化学院 温冰冰 谭程豪 【摘要】听觉诱发电位信号(BAEP)是一种人脑部微弱的电生理信号，能反映人体中枢神经系统的相关情况，对神经疾 病诊断、康复工程等领域具有十分重要的意义，诱发电位的相关提取算法现己成为学术界研究热点；本文提出一种基 于独立分量分析与小波去噪相结合方法，能够有效提取强背景噪声中微弱的脑干听觉诱发电位信号，并使用基于小波 阈值的滤噪方法将诱发电位诱残留的一些高频噪声滤除，解决了传统算法残留高频噪声、叠加次数过多等缺点。文章 成功地进行了脑干听力诱发电位(BAEP)的提取测试，获得听觉诱发电位特征波形，并与单独使用独立分量分析算法得 到的波形进行对比，结果表明本文算法能够有效地提取听觉诱发电位，无论波形还是相关系数指标都更加精确，对诱 发电位信号领域的相关研究具有一定的应用价值。 【关键词】独立分量分析；小波去噪；阀值处理；听觉诱发电位 1 引言 诱发电位信号(evoked potential ,EP)是指外界给 予人体以适当刺激，诱发人体脑部产生的电生理信号， 目前己成为神经疾病诊断和评价脑功能常使用的重要手 段和工具，并广泛应用于人体神经系统电生理活动检 测。诱发电位提取研究，对现代神经学科、临床神经生 理学、神经系统康复治疗等领域都具有重大意义。 目前临床上使用最广泛的诱发电位提取算法即平均 叠加算法。其认为背景噪声是高斯分布，并通过施加数 百次重复刺激，来提高性噪比。但平均叠加的缺陷在 于，长时间重复刺激使人体感官神经产生不耐受性，导 致神经疲劳，诱发波形发生变化，产生误差。为实现快 速提取，不受采集过程时变之影响，少次提取或单次提 取诱发电位，己成为业界重要研究方向。随着信号处理 学科的发展，诱发电位的提取出现了各种各样的方法。 独立分量分析ICA、希尔伯特-黄变换、小波变换、人工 神经网络是比较常见的几种方法。但都存在一定的局限 性和缺点。ICA算法在临床医学上可以成功的进行盲源 分离，但由于不能彻底去除高频噪声，提取的信号会出 现毛刺。小波变换对信噪比较高的信号有较好的去噪效 果，但对信噪比低的信号去噪效果不好。本文就提出一 种基于独立分量分析(ICA)与小波去噪相结合的诱发电位 单次提取算法研究，运用于对听觉诱发电位进行提取， 并对数据其进行了仿真测试并且比较了单独使用ICA算法 和ICA算法与小波去噪算法相结合所的到的提取信号在波 形、频谱、和功率谱密度三方面进行了比较分析。 2 脑干听觉诱发电位信号概述 听觉脑干诱发电位(BAEP)，是指在给予声音刺激 后，在头皮上可记录到由耳蜗至脑干听觉神经通路电位 变化。可用于麻醉昏迷检测、临床检查、判断听觉神经 网络损伤、颅内动脉瘤手术等。临床上最常用的是评估 患者从外耳到脑干听通路的功能正常情况，受外界刺激 后，约10ms内颅骨皮肤表面会连续呈现6到7个正电位， 这些点位按顺序命名为I、II、III、IV、V、VI、VII， 一般前五个波比较稳定。 I波：蜗神经。高强度刺激甚至交替的刺激方式才能 分辨I波。反映了耳蜗到脑干耳蜗核电位。 II波：起源于蜗神经核。与耳蜗核神经元和听神经 颅内段电位相关。 III波：与内上橄榄神经核和内上橄榄场电位相关。 IV波：属于外侧丘系。短声刺激更容易产生IV波。 V波：下丘，可以可靠地反应出双耳交互功能的强弱 并且有学者认为V波与IV波有着共同的起源(脑桥)。 3 自适应非线性盲源分离算法原理 3.1 ICA算法原理 ICA算法处理中表示观测信号，观测信号由独 立信号源和线性系统A混合在一起的 其中观测信号与A均未知，所以CIA通 过一定的算法求出解混信号N分理出独立信号。从而得出在 的情况下就有可能通过寻找解混矩阵ω取得使 矢量y逼近于s。 上述分解过程中，本文认为信源s的各个分量之间是 相互独立的，并且假定： (1)源信号的分量个数m小于观察信号分量个数n。 也就是说，n个观察信号最多能分解出m个源信号分量。 (2)源信号s的各个分量最多只能有一个高斯信 号。这是因为高斯信号的线性组合仍然是高斯信号，两 个以上的高斯信号的解混问题是病态的。 • 42 • ELECTRONICS WORLD•探索与观察 因为源信号s的各个分量之间是相互独立的，又要求 y近似于s，因而，解混求出的y的分量之间也必须是相互 独立的。采用ICA方法测量生理信号中独立成份的过程可 由图1表示： 图1 ICA方法测量生理信号过程分析 3.2 小波去噪算法 小波变换是将时域和频域结合起来分析的方法，是 在傅里叶变换的基础上发展起来的。主要利用积分将信 号按不同频段、不同时段分解开，通过分析信号的性质 和噪声的奇异性，将信号提取出来。基于小波去噪算法 主要有分解和重构法、软阀值和硬阈值方法，而本文主 要去除ICA处理之后残留的高频信号，所以采用处理高频 小波的阀值处理方法。 小波去噪算法的阀值处理方法主要是是对小波系数 进行门限处理即设置阀值，保留系数高于阈值的信号， 置零系数比阈值低的信号，然后再利用新系数对信号进 行信号重构。所以其关键在于对阀值的选取。 假设测量信号为： (式1) 其中代表引入的外来噪声，服从的高斯 分布。代表有用信号。采用Mallat进行信号的小波变 换，进一步得出重构函数为： (式2) 本文采用的小波系数估算公式为： (式3) 其它加权因子为： 式中 (式4) 4 诱发电位提取测试 4.1 诱发电位提取概述 在听觉诱发电位采集过程中，本文测试是在测试者 头部皮肤清洁(用来减小皮肤与电极之间的阻值，皮肤 与电机之间阻值=2KΩ)后通过导电膏联结导联，并将 头顶电极作为参考电极，两耳电极作为活动电极通过耳 机给测试者耳朵某侧以80-90dBHL、10HZ声音刺激(爆破 声、滴答声、白噪声)。电极放置图如图2所示： 图2 听觉诱发电位采集电极接法 对测试者进行听觉诱发电位采集，并将采集到的数 据分别通过经过MATLAB处理。 4.2 ICA与小波去噪算法结合和ICA算法提取信号比较 图3是采集信号通过MATLAB分别经过ICA算法和ICA与 小波去噪相结合算法处理后的结果如图3所示： ICA算法处理过后虽可以清晰显示PAEP波形，但是在 潜伏期和波形的准确度上还是不够精确。并且由于信号 中依然存在大量高频噪声未被滤除导致波形不够光滑， 所以需要对数据进行小波滤噪去除高频噪声。 图3 ICA与小波去噪相结合测试结果 • 43 • ELECTRONICS WORLD•探索与观察 由上图可以看出与单独使用ICA算法处理结果相比， 经过小波滤噪之后的图像能更清晰的显示出经听觉刺激 后的5个波峰，并且出现的波形比较平滑，无论是潜伏期 时间和峰值都与理想BAEP波形更加接近。 图4(a)(b)两种算法频谱比较 图5(c)(d)两种算法功率谱密度比较 4.3 ICA与小波去噪结合与ICA算法提取BAEP频谱功率谱 密度比较 对于信号提取算法来讲，频谱与功率谱密度是两个很 重要的参数，频谱是频率的分布曲线，反映出各个频率的 信号震荡幅值和强度。功率谱密度是每单位频率波携带的 功率。这两个参数可以判断出滤波效果和滤波后的信号的 准确度，下图是对两种方法处理的结果进行频谱比较分析 和功率谱密度比较分析如图4所示： 由图4中(a)、(b)两图可以看出两种方法处理后 的频谱图可以看出，只经过ICA算法处理过后依然存在大 量的高频信号，经过小波去噪处理后5000Hz以上的高频 信号基本被滤除。而由图5(c)、(d)两图可以看出经 ICA算法处理后的数据在1HZ～3000HZ这个频带的功率谱 密度保持在-75dB～-45dB之间，而再经过小波去噪后， 功率谱密度保持在-55dB～-25dB之间，说明小波滤噪之 后去除了更多无效的的信号。由此可以提高所得信号的 信噪比。 5 结论 本文运用ICA与小波去噪相结合算法成功的提取了诱 发脑电中脑干听觉诱发电位(BAEP)。并通过对ICA算法 和ICA与小波去噪相结合算法分别从从BAEP波形、频谱、 功率谱密度三方面进行比较实验结果表明单独用独立分 量分析算法(ICA算法)虽然能够成功显示出BAEP波形， 过多高频信号的存在使得波形状不够标准，并且存在毛 刺。但是通过ICA算法对诱发电位处理之后，再利用小波 去噪去除高频噪声，得到的信号就更加光滑，并且与标 准的BAEP波形更加接近由功率谱密度比较也可以看出， 后者更好的保留了所需信号。为临床医学提取了更加准 确的听觉诱发电位，也为听觉神经疾病的检测和治疗提 供了更强的技术支持。也为其它诱发电位(视觉、体 感)的提取提供了新的思路。 参考文献 [1]王磊.脑干听觉诱发电位和中脑形态对重型颅脑损 伤昏迷患者预后评估的临床研究[D].南方医科大学,2012. [2]Kidmose P,Looney D,Ungstrup M,et al.A Study of Evoked Potentials From Ear-EEG[J].Biomedical Engineering,IEEE Transactions on,2013,60(10):2824-2830. [3]Mahajan R,Morshed B I.Unsupervised Eye Blink Artifact Denoising of EEG Data with Modified Multiscale Sample Entropy,Kurtosis,and Wavelet-ICA[J].Biomedical and Health Informatics,IEEE Journal of,2015,19(1):158-165. [4]王永轩.基于小波分析的脑电诱发电位单导少次提 取[J].中国生物医学工程报,2011.2. [5]Casta X F,Eda-Villa N,James C J.Independent Component Analysis for Auditory Evoked Potentials and Cochlear Implant Artifact Estimation[J].Biomedical Engineering,IEEE Transactions on,2011,58(2):348-354. [6]陈静.听觉诱发电位提取技术进展[J].北京生物医学工 程,2013.6. [7]师黎.基于虚拟通道ICA-WT大鼠视觉诱发电位少次 提取[J].中国生物医学工程报,2010. [8]崔丽英,刘明生.肌电图与诱发电位[J].中国现代神经 疾病杂志,2010.10. 作者简介： 温冰冰(1990—)，女，河南许昌人，硕士研究 生，主要研究方向：医疗器械设备与嵌入式系统设计。

展开阅读全文