仪器仪表学报

作者：陈妮1

单位：陈妮1,2，覃玉荣3，熊艳婷3，李卓然3 .txt,（1?广西大学电气工程学院南宁530004；2广西医科大学生物医学工程系南宁530021；3?广西大学计算机与电子信息学院南宁530004） .txt,

关键词：关键词：变分模态分解;自回归模型;脑电;锁相刺激.txt

基金：*基金项目：广西自然科学基金（2016GXNSFAA380068）项目资助 .txt

摘要：锁相刺激技术在神经机制研究及临床治疗中具有很好的应用前景，但需解决脑电信号（EEG）和刺激信号之间相位锁定的问题。由于EEG复杂的时变性，目前还缺乏用于实现与EEG锁相的有效刺激算法。为此，提出基于变分模态分解（VMD）和自回归（AR）预测的锁相刺激方法。首先对采集的EEG进行VMD处理，得到多个本征模态信号；然后对每个本征模态信号采用AR模型进行预测，将所有模态对应的预测值叠加；最后依据叠加结果的频率和相位特征，生成与EEG锁相的刺激。分别对模拟EEG和20名受试者（年龄20~36岁，男性12名，女性8名）的睁、闭眼静息态EEG进行测试。结果表明，VMD?AR方法能很好地克服EEG非平稳性的影响而生成具有更高锁相值（PLV）的刺激；预测时长从0?01s增大至0?4s时，睁眼EEG的PLV从0?99减小至0?39，闭眼EEG的PLV从0?99减小至0?65；建模时长从0?25s增大至2?5s时，睁眼EEG的PLV从0?64增大至0?83，闭眼EEG的PLV从0?53增大至0?65；在所有测试条件下，VMD?AR方法的锁相性能均优于AR和基于经验模态分解的AR方法EMD?AR。该方法同样适用于其他非平稳信号的闭环锁相系统。.txt

来源：2020年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第5期