汽車(chē)駕駛時(shí)腦電干擾的去除方法研究

引言 [1]

小波變換和獨(dú)立分量分析是近年來(lái)研究較多的兩種信號(hào)處理方法，在腦電信號(hào)的預(yù)處理和特征提取方面都有應(yīng)用。但是在腦電信號(hào)的測(cè)量過(guò)程中存在的不同的干擾信號(hào)，到底哪種信號(hào)處理方法處理效果更好，它們各自的應(yīng)用條件是什么，都需要在實(shí)際實(shí)驗(yàn)中進(jìn)行分析研究。本文在進(jìn)行汽車(chē)駕駛員腦電特性研究實(shí)驗(yàn)中，用兩種方法對(duì)駕駛中2類(lèi)常見(jiàn)的腦電干擾信號(hào)進(jìn)行了分析和去除，分析了兩種方法在腦電信號(hào)干擾去除中的優(yōu)缺點(diǎn)和各自的應(yīng)用條件。

1 小波變換和獨(dú)立分量分析

小波變換[1,2]（Wavelet Transform）是一種典型的時(shí)頻分析方法，其基本思想是用一組小波函數(shù)來(lái)表示或逼近信號(hào)，這組小波函數(shù)是通過(guò)一個(gè)小波基函數(shù)的平移和伸縮得到的，其分析窗口面積固定，但其形狀可改變，即時(shí)間窗和頻率窗都可以改變，在信號(hào)的低頻部分，小波變換具有較高的頻率分辨率和較低的時(shí)間分辨率，在信號(hào)的高頻部分，小波變換具有較高的時(shí)間分辨率和較低的頻率分辨率。近年來(lái)小波變換在腦電等非平穩(wěn)信號(hào)的分析中得到了廣泛的應(yīng)用。

獨(dú)立分量分析[3,4,5]（Independent Component Analysis 簡(jiǎn)稱(chēng)ICA）是近年來(lái)發(fā)展起來(lái)的一種新的盲源分離方法（BlindSource Separation 簡(jiǎn)稱(chēng)BSS）。該方法在信號(hào)處理的很多領(lǐng)域都有很大的應(yīng)用潛力，其理論的發(fā)展可追溯到上個(gè)世紀(jì)80年代初期。但直到90年代中期，ICA 理論和算法的研究才真正得以發(fā)展并受到國(guó)際信號(hào)處理界的廣泛關(guān)注，并且在生物醫(yī)學(xué)信號(hào)處理、混合語(yǔ)音信號(hào)分離、圖象的消噪等方面也已取得了較好的應(yīng)用效果。ICA 處理的對(duì)象是相互統(tǒng)計(jì)獨(dú)立的信源經(jīng)線(xiàn)性組合而產(chǎn)生的一組混合信號(hào)。最終目的是從混合信號(hào)中提取出各獨(dú)立的信號(hào)分量。

在EEG信號(hào)的記錄過(guò)程中往往會(huì)混入非腦電活動(dòng)所引起的信號(hào)，這些信號(hào)稱(chēng)為偽差。EEG中的偽差有很多種類(lèi)型，較常見(jiàn)的有心電、肌電、眨眼、眼動(dòng)、出汗，以及工頻干擾等。因?yàn)槟X電信號(hào)是由大腦皮層神經(jīng)元活動(dòng)產(chǎn)生的，而眼活動(dòng)、肌肉活動(dòng)、工頻干擾、心電信號(hào)等通常是不受腦活動(dòng)限制的,所以滿(mǎn)足ICA可分離條件，對(duì)于腦電信號(hào)，從皮層內(nèi)部到頭皮電極處的傳導(dǎo)被認(rèn)為是近似線(xiàn)性的，所以也可以認(rèn)為腦電是各個(gè)獨(dú)立源信號(hào)線(xiàn)性組合到記錄電極處的。此時(shí)，應(yīng)用ICA方法能從多道腦電信號(hào)中分離出來(lái)自其它生物電信號(hào)的干擾成分，以及其它外界環(huán)境的干擾，達(dá)到消噪的目的。

2 汽車(chē)駕駛時(shí)的腦電干擾

汽車(chē)駕駛環(huán)境下的腦電測(cè)量不同于醫(yī)院和實(shí)驗(yàn)室環(huán)境下的腦電測(cè)量，傳統(tǒng)的腦電測(cè)量一般都是在專(zhuān)門(mén)的電磁屏蔽的環(huán)境下進(jìn)行，同時(shí)要求環(huán)境的安靜，要求被試者保持靜止不動(dòng)。但是在實(shí)際的汽車(chē)駕駛時(shí)進(jìn)行腦電測(cè)量卻不能達(dá)到這樣的要求，實(shí)際駕駛時(shí)的腦電干擾主要有周?chē)h(huán)境的電磁干擾，如手機(jī)干擾，還有駕駛員自身的干擾，如眼電干擾。

本文用實(shí)際的駕駛腦電實(shí)驗(yàn)中得到的干擾腦電信號(hào)作為分析對(duì)象，說(shuō)明兩種信號(hào)處理方法的處理效果和應(yīng)用范圍。圖1中（a）和（b）分別給出了受到手機(jī)干擾和眼電干擾的腦電信號(hào)。

（a）受到手機(jī)干擾的腦電信號(hào) （b）受到眼電干擾的腦電信號(hào)

圖1 干擾腦電信號(hào)

圖中共給出了10個(gè)腦電通道的信號(hào)，每個(gè)通道均為6秒的數(shù)據(jù)，采樣頻率500Hz，共3000個(gè)數(shù)據(jù)點(diǎn)。橫坐標(biāo)為腦電采樣的時(shí)間（s），縱坐標(biāo)為各個(gè)腦電通道的腦電幅值（μv）。

下面用小波變換和獨(dú)立分量分析兩種方法對(duì)上面的兩種干擾信號(hào)分別進(jìn)行分析和去除。

3 小波變換去除干擾

小波變換首先涉及到小波的選取問(wèn)題。腦電信號(hào)處理中用的最多的是db（Daubechies）小波，通常Daubechies 系中的小波基記為dbN，N為序號(hào)，N = 1 , 2 , , 10。dbN系列小波中，N越小，也就是支撐長(zhǎng)度越小，可以檢測(cè)的尺度越小，所以要針對(duì)腦電信號(hào)的實(shí)際頻率范圍選擇合適的尺度來(lái)進(jìn)行檢測(cè)，通過(guò)對(duì)比，本文使用db5小波對(duì)腦電信號(hào)進(jìn)行分析。

再就是小波分解層數(shù)的確定。腦電信號(hào)的采集頻率為500Hz，根據(jù)采樣定理，腦電信號(hào)的表示范圍為0～250Hz。所以對(duì)腦電進(jìn)行6層分解，可以得到7個(gè)分解后的信號(hào)，按照頻率從高到低的順序，依次為：cd1：125～250Hz；cd2：64～125Hz；cd3：32～64Hz；cd4：16～32Hz；cd5：8～16Hz；cd6：4～8Hz；ca6：0～4Hz。

最后分析分解后的小波分量，去除干擾。因?yàn)檎n題實(shí)驗(yàn)中腦電儀器設(shè)定的采集頻率為0.53～60Hz，所以cd1和cd2分量為虛假分量，可以直接去掉。手機(jī)信號(hào)對(duì)腦電的干擾主要是高頻干擾，集中在cd3分量上，但這一頻段的數(shù)據(jù)也許還有需要用到的腦電信息，因此，應(yīng)選取適當(dāng)?shù)拈撝颠M(jìn)行處理。對(duì)比無(wú)干擾時(shí)腦電的小波分解的cd3分量的均值，確定閾值hcd3，大于hcd3的認(rèn)為是高頻干擾，常用的閾值函數(shù)有硬閾值和軟閾值兩種[6]，本文采取硬閾值的方法，直接置零，因此，去除手機(jī)干擾后的腦電信號(hào)為y=cd4+cd5+cd6+ca6+cd3，其中當(dāng)cd3絕對(duì)值超過(guò)hcd3時(shí)為零。眼電的干擾頻率一般為4Hz左右，一般處于ca6分量，但如果眨眼速度比較快，可能大于4Hz，所以也可能處于cd6分量，所以，利用小波變換對(duì)眨眼的干擾去除需要對(duì)ca6和cd6兩個(gè)分量進(jìn)行閾值的設(shè)置，同樣根據(jù)沒(méi)有干擾時(shí)腦電小波分解的ca6和cd6分量的均值，確定閾值分別為hca6和hcd6。同樣采取硬閾值的方法，去除眼電干擾后的腦電信號(hào)為y=cd3＋cd4+cd5+cd6＋ca6，其中當(dāng)ca6和cd6分別超過(guò)閾值hca6和hcd6時(shí)為零。

在實(shí)驗(yàn)信號(hào)中共有10個(gè)通道的腦電信號(hào)，小波變換方法對(duì)每一個(gè)通道的處理方法都是相同的，方便起見(jiàn)，本文只給出了F4通道信號(hào)的小波去除結(jié)果。圖2中（a）（b）分別給出了小波變換對(duì)手機(jī)干擾和眼電干擾腦電信號(hào)的去除結(jié)果。

（a）手機(jī)干擾去除結(jié)果

（b）眼電干擾去除結(jié)果

圖2 小波變換去除結(jié)果

4獨(dú)立分量分析去除干擾

獨(dú)立分量分析方法需要用到多個(gè)通道的腦電信號(hào)，然后把各個(gè)通道的信號(hào)分成各自獨(dú)立的信號(hào)，根據(jù)干擾的特點(diǎn)，找出干擾信號(hào)的獨(dú)立分量進(jìn)行去除，剩余獨(dú)立分量再重新組合，得到去除干擾后的信號(hào)。圖3中（a）（b）分別給出了用獨(dú)立分量分析方法對(duì)電磁干擾和眼電干擾腦電信號(hào)的去除結(jié)果。

（a）電磁干擾去除結(jié)果 （b）眼電干擾去除結(jié)果

圖3 獨(dú)立分量分析去除結(jié)果

5 兩種方法去除結(jié)果對(duì)比和分析

比較手機(jī)干擾的去除效果：對(duì)比圖2（a）和圖3（a），小波變換方法去除效果要好于獨(dú)立分量分析方法。原因在于手機(jī)干擾屬于高頻干擾，小波變換方法可以比較明確的把腦電中的高頻部分提取出來(lái)，然后進(jìn)行去除。而獨(dú)立分量分析方法分解得到的各個(gè)獨(dú)立分量中，不能明確的判斷哪個(gè)分量是手機(jī)干擾引起的，因此效果不太理想。

比較眼電干擾的去除效果：從圖2（b）中看到，小波變換在眼電干擾的去除過(guò)程中把腦電原來(lái)的一些低頻波也去除了，顯然這些并不是眼電干擾；從圖3（b）中看到，獨(dú)立分量分析方法則較好的把各個(gè)通道的眼電干擾都去除了，而且沒(méi)有對(duì)其它腦電產(chǎn)生影響。原因在于眼電干擾的頻率是不太固定的，和腦電的有用頻帶是重合的，所以在去除的時(shí)候不可避免的會(huì)出現(xiàn)誤去除現(xiàn)象，而眼電干擾在獨(dú)立分量分析方法分解出來(lái)的獨(dú)立分量中是很明確的一個(gè)分量，所以可以很準(zhǔn)確的把眼電干擾去除。

通過(guò)分析可以得到如下結(jié)論：

（1）小波分析和獨(dú)立分量分析都可以應(yīng)用于腦電信號(hào)干擾的去除。

（2）小波變換對(duì)于手機(jī)等電磁干擾的去除效果要好于獨(dú)立分量分析方法，而對(duì)于眼電干擾的去除是獨(dú)立分量分析的效果要好于小波變換。

（3）小波分析優(yōu)點(diǎn)在于算法成熟，計(jì)算量小，但需要分別處理每一腦電通道數(shù)據(jù)。適用于所需腦電通道少，而實(shí)時(shí)性要求高的情況。

（4）獨(dú)立分量分析的優(yōu)點(diǎn)在于利用了腦電的空間信息，可以同時(shí)去除多通道的干擾，但計(jì)算量大。因此適用于所需腦電通道多的情況。

6 結(jié)論

本文通過(guò)對(duì)汽車(chē)駕駛時(shí)腦電的手機(jī)干擾和眼電干擾信號(hào)同時(shí)用小波變換和獨(dú)立分量分析方法進(jìn)行分析比較，得到了兩種方法在汽車(chē)駕駛時(shí)腦電干擾去除中的特點(diǎn)和應(yīng)用條件。為駕駛員腦電信息的提取和進(jìn)一步應(yīng)用打下了基礎(chǔ)。

本文作者創(chuàng)新點(diǎn)：

通過(guò)對(duì)比小波分析和獨(dú)立分量分析兩種方法在汽車(chē)駕駛時(shí)腦電干擾信號(hào)去除中的效果，明確了兩種方法在腦電信號(hào)預(yù)處理中應(yīng)用的優(yōu)缺點(diǎn)和各自的適用范圍。