脑电信号(EEG)是微伏量级的生物电信号,特别容易受到心电(ECG)、肌电(EMG)及眼电信号(EOG)的干扰。这些干扰给阅读和分析脑电信号带来了很大的困难,因此降低并消除脑电中的干扰也越来越引起研究人员的重视。在这些干扰信号中,眼电信号是干扰脑电的主要信号源。眼电信号能够改变脑电的头表电位分布,改变实际脑电(尤其是眼睛附近区域脑电)的信号特征。脑电中包含的眼电信号通常称为眼电伪迹,它源自眨眼活动或眼球运动。在采集脑电信号时,眼电信号从其源发出,弥散到整个头皮,导致采集到的EEG信号产生畸变,形成伪迹,其幅度可达到100微伏。为了减少眼电伪迹的影响,在脑电测量过程中常要求受试者长时间保持眼部不动。但这通常会引起眼部不适,而一些特定受试人群(如患有多动症的儿童、精神分裂症患者等)的无意识眼球运动是难以控制的。因此用信号处理方法去除脑电信号中的眼电伪迹不仅是认知神经科学研究关心的问题,在实际临床应用中也十分重要。目前,在各种脑电数据采集任务中都必须对眼电伪迹予以考虑,在脑电的相关应用研究中,都必须说明眼电伪迹去除情况。本文在分析眼电的产生机制和相关特征的基础上,研究独立分量分析方法在去除脑电观测信号中眼电伪迹的应用。　　 在头皮上记录到的眼电伪迹有两个(或更多)不同的产生机制。第一种是眨眼,它是由眼睑与角膜接触引起的电导变化所产生的电信号,这一信号的幅度随着传播的距离增大而迅速减小。第二种称为眼动,它是由视网膜运动所产生另一种类型的动作电信号。由于在眼球运动中视网膜-角膜轴的旋转,相当于一个偶极子在三维空间中的转动,从而产生电位的变化。这两种电信号在头部的传播中受许多因素的影响,如受试者的头骨、头皮和神经组织的电导特性以及传播距离。其中传播距离最为重要,某点的电压值与该点到眼睛的距离平方负相关。例如,垂直方向的眼球运动在Fz处的电压可达到0.20 mV,但其在枕骨后部下降至约0.05 mV左右。　　 独立分量分析(Independence Component Analysis,ICA)是由盲源信号分离技术发展来的多道信号处理方法。其基本思想是将多道观察信号按照统计独立的原则通过优化算法分解为若干独立成分,从而实现信号的增强和分离。因为采集到的脑电信号可以近似看作为包括真正脑电和各种伪迹的线性组合,而且信号源独立,满足ICA方法的应用条件。ICA不需要参考信号的参与,广泛地应用在脑电信号中独立源分离和噪声剔除上。大多数的盲源信号分离技术方法只适合亚高斯或超高斯信号单独存在的情况,而联合近似对角化(JointApproximative Diagonalization of Eigenmatrix)算法对两类信号单独或同时存在的盲信号都具有一定的分离作用。JADE算法是一种基于四阶累计量的ICA算法,是比较基础的ICA算法,尤其对低维数据更加有效。　　 眼电是存在于脑电信号中的一种最主要的伪迹成分,由于其源自眼睛的相关活动从而独立于脑电的发生源,利用独立分量分析方法可以将混合在观测信号中的眼电信号分离出来。实验中我们记录了3个正常人自然眨眼和眼动条件下的7道脑电信号和2道眼电信号；我们选取7道脑电信号进行处理,2道眼电信号用来指示干扰源的情况。通过联合近似对角化算法将脑电信号分解成独立分量,我们利用伪迹脑地形图的特征,将伪迹分量分离,从而成功地得到去除伪迹的脑电信号。　　 本文用实验证明ICA的JADE算法可以实现对脑电信号中眨眼和水平眼动干扰的去除。通过对分离结果的时域和频域分析,我们发现主要存在于前额电极的眼电干扰被消除了,而各通道上的脑电信号的细节成分较好地被保留了下来。本研究还发现JADE算法对两种类型眼电干扰去除上的表现(主要反映在相对均方根误差上)有些不同--眨眼条件下相对均方根误差的值较小；提示在肉眼观测到该算法能明显降低两种干扰的情况下,定量分析表明其去除脑电信号中眨眼干扰比去除眼动干扰的表现更好。产生这种结果的原因可能与两种EOG的产生机制、幅值大小、眼睛的活动时序(eye movement timing)、持续时间和频率等有关。其中最重要的原因可能是眨眼是一个相对短暂和简单的眼部运动,同时记录到的信号保持着一个比较清晰地形状特点。而水平眼动是一个相对长久和复杂的眼部运动,其中包含着眨眼等一系列相当简单的运动。文中的方法已经较好地实现了眨眼条件下脑电中绝大部分眼电伪迹的去除,然而该方法只能去除水平眼动条件下脑电中的部分眼电伪迹。因此,需要进一步研究出针对于水平眼动干扰条件下脑电中眼电伪迹的消除方法。　　 本文提出一种利用独立分量分析的联合近似对角化算法来去除脑电信号中的眼电伪迹。眨眼和眼动这两种类型的眼电伪迹就作为单独的独立分量都被成功地剔除出来,在“真正”的脑电信号重建之前。本文证明了独立分量分析的联合近似对角化算法是一个去除多通道的脑电信号中的眼电干扰的有效工具。