基于K均值与SG-SSA混合算法的单通道脑电信号眨眼伪迹去除技术

为解决单通道脑电(EEG)信号中眨眼伪迹(EOG)干扰诊断的问题，研究人员提出了一种结合K均值聚类与Savitzky Golay-奇异谱分析(SG-SSA)的混合去噪方法。实验表明，该方法在保留原始EEG信号的同时显著降低了MAE和RRMSE误差，性能优于FBSE-EWT、SSA-ICA等现有技术，为脑机接口(BCI)及院外神经监测提供了更精准的分析工具。

　　

脑电图(EEG)采集系统常用于监测人类神经状态以诊断疾病，但眼睑运动产生的眨眼伪迹(EOG)会严重干扰信号质量。单通道EEG系统因缺乏空间信息，在院外(OOH)监测和脑机接口(BCI)应用中面临更大挑战。这项研究创新性地将K均值聚类与Savitzky Golay-奇异谱分析(SG-SSA)结合，通过提取并剔除伪迹成分，有效保留了眨眼时段的真实EEG信号。实验采用合成和实时EEG数据验证，结果显示该混合方法在平均绝对误差(MAE)和相对均方根误差(RRMSE)上显著优于傅里叶-贝塞尔级数展开经验小波变换(FBSE-EWT)、SSA-独立成分分析(SSA-ICA)等现有技术，为单通道EEG的精准分析开辟了新途径。