獨立分量分析在基于雨課堂生物醫學信號處理中的應用

趙添羽 李靖宇 戴航 郝利國 劉雅楠

摘 ? 要：隨著我國科學技術水平的提升，醫學信號處理的相關問題也漸漸引起了人們的重視。在對醫學信號進行處理的領域，信號往往會受到不同種類因素的干擾，這種情況無法避免，但如果不能夠合理的對其進行消除，就會產生對醫學具體工作產生影響，例如，通道間可能會出現串擾、心電、腦電、工頻干擾等。由于這些具體的噪聲以及干擾來自于具備獨立性的生理源、噪聲源，所以只有從原始信號采集中對有用的信息進行獲取，才可以更好的解決問題。獨立分量分析是一種統計學方法，將其應用于雨課堂生物醫學信號處理中具備必要性，據此，本文對相關問題進行研究，希望能夠對現實有所裨益。

關鍵詞：獨立分量 ?生物醫學信號處理 ?雨課堂

中圖分類號：G642 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2020）04（c）-0215-02

隨著我國經濟的發展，社會的進步，信息技術水平的提升，獨立分量分析在國內也開始得到了一定程度上的應用，但相比較于國外我國在獨立分量分析技術水平方面還較為遜色，同時發展時間也不長，作為一種創新式的統計學方法，想要真正對其進行應用就必須要先進行細致的分析。獨立分量分析的目的在于對非高斯分布數據進行合理的表示，使其各個分量能夠在統計學中進行獨立，即便不能完全獨立，也需要盡可能保證其獨立。據此，本文分析了獨立分量分析在基于雨課堂生物醫學信號處理中的應用問題，具有較強的現實意義。

1 ?獨立分量分析的基本原理

獨立分量分析是一種信號處理方法，以信號高階統計量為基礎，其具體的含義主要就是將多道不同的觀測信號根據統計獨立的原則通過對算法進行優化，之后分解成相關的獨立成分，前提也就是各源信號為彼此統計獨立的非高斯信號。相比較于主分量分析，獨立分量分析不僅能對信號的去相關進行實現，同時還要求各高階統計量獨立。

目前對獨立分量分析的研究較少，同時具體的內容也不夠嚴謹，在僅有的研究成果中，獨立分量分析中對獨立性的判決主要包括兩個方面，無論是基于信息量的判決準則還是基于估計理論的判決準則都需要包括在其中。對于基于估計理論的判決準則而言，其主要涉及最大似然估計理論，此外還包括非高斯性最大化度量的理論，而基于信息量的判決準責包括最小互信息以及信息最大化信息理論。

2 ?雨課堂的概念

從雨課堂的具體概念來看，其是一種教學工具，由清華大學與學堂在線共同設計、研究、推出，由于其具備創新性與可行性，所以如今在世界范圍內有很多的國家和學者、學生都對其進行了應用，在國內，雨課堂具有較強的可行性，同時適合開展生物醫學教學，但是從目前的檢索情況來看，很少有學者分析雨課堂生物醫學信號處理的相關問題，更不要說將獨立分量分析應用到雨課堂生物醫學信號處理當中，因此，在極度缺乏直接相關參考資料的困難情況下，本文分析了相關問題，希望能為相關人士提供參考。

3 ?獨立分量分析在基于雨課堂生物醫學信號處理中的應用

基于雨課堂，在生物醫學對信號進行處理的過程中往往會涉及腦電的相關問題，正如前文所說，在對醫學信號進行處理的領域，信號往往會受到不同種類因素的干擾，這種情況無法避免，但如果不能夠合理地對其進行消除，就會產生對醫學具體工作產生影響，例如，通道間可能會出現串擾、心電、腦電、工頻干擾等。從腦電的角度來看，其噪聲與干擾來自于具備獨立性的大腦生理源，所以只有從原始信號采集中對有用的信息進行獲取，才可以更好的解決問題。除此之外腦電也是大腦神經元突觸后電位的綜合結果，通過頭皮電機對腦電信號進行采集可以看作是獨立信源與大腦區域固定位置的共同作用結果。經現代腦科學研究表明，對于多導腦電信號來說，其存在著很多的生理現象以及心理現象，同時可以對多種不同的動態信息進行反映，對腦電中預案信號的分離與識別等處理措施是雨課堂生物醫學信號處理中的難點。

由于分布在頭皮的電極距離較近，同時對于各個電極輸出信號來說，其也存在著相關性，因此對于單導腦電信號而言，不僅能夠對大腦活動進行有效反映，同時還含有不同種類的干擾信號。這些干擾在實際情況中會造成假象，不利于腦電分析，只有從原始采集的腦電中獲取有用信號，才可以對大腦的狀態進行翻譯，這也需要應用到獨立分量分析技術。

在雨課堂生物醫學信號處理過程中，多道腦電信號的分析問題也具備較大的難度，因為腦電信號本身就較為復雜，同時具有較強的隨機性，另外不同的干擾信號也會對腦電分析的處理難度進行提升，所以在對腦電信號進行處理時必須要合理地進行消噪。在不同的腦電消噪技術方法中，雖然可以對噪聲進行消除，但可能也會損失有用的信號成分，這些方式包括即時頻率波方法等，立足于濾波原理層面，其只能夠在較為有限的范圍內對信噪比進行改善，同時傳統的方法也不適合對多道信號進行處理，所以無法對存在于導聯腦電之間的互信息進行合理利用，但是應用獨立分量分析方式則可以為多道腦電信號處理提供創新式的手段。

在雨課堂生物醫學研究腦電信號時，很多學生的學習過程都不夠合理，因為他們無法較好地從被干擾因素污染的電腦信號中提取出有效的信號，對于工頻干擾以及腦電信號來說，二者從不同的相互獨立源而產生，所以可以使用獨立分量分析的方式對其進行分離，在對其閥值進行具體的處理后，就可以對信號進行重構，在重構信號的過程中，由于其偽跡能夠被抑制，因此能夠直接利用獨立分量分析將工頻分離為獨立的分量。這種直接分離的方式具備可行性，適合在雨課堂生物醫學信號處理中應用。

在一般的情況下，對腦電信號進行采集的系統并不會對采集工頻信號進行同步。而如果能夠對工頻的頻率進行確定，就可以對工頻信號進行人為的構建，本研究對兩個正交的頻率為工頻的正弦信號進行了構建，目的在于對60Hz I頻干擾源進行代替：P1=sin（120 n t）與P2=cos（120n t），之后將其與腦電信號一起構成多路信號。在構成多路信號之后，主要采用擴展ICA算法對其進行分離操作，并將分離出的工頻干擾置零，最后對原信號進行重構，這種方式重構的信號可以對工頻干擾進行抑制。

4 ?結語

綜上所述，獨立分量分析的目的在于對非高斯分布數據進行合理的表示，使其各個分量能夠在統計學中進行獨立，即便不能完全獨立，也需要盡可能的保證其獨立。對于各個電極輸出信號來說，其也存在著相關性，因此對于單導腦電信號而言，不僅能夠對大腦活動進行有效反映，同時還含有不同種類的干擾信號。這些干擾在實際情況中會造成假象，不利于腦電分析，所以可以使用獨立分量分析的方式對其進行分離，在對其閡值進行具體的處理后，就可以對信號進行重構，在重構信號的過程中，由于其偽跡能夠被抑制，因此能夠直接利用獨立分量分析將工頻分離為獨立的分量。

參考文獻

[1] 張玉梅，喬媛媛，吳玉龍，等.基于虛擬仿真平臺的翻轉課堂在醫學微生物學實驗教學中的應用[J].衛生職業教育，2019，37（5）：90-91.

[2] 王金冬，吳曉燕，王紅艷，等.翻轉課堂在留學生醫學微生物學教學中的應用探討[J].中國高等醫學教育，2018（2）：16-17.

[3] 孫世妍.基于獨立分量分析的松動部件信噪分離算法研究[A].中國核學會.中國核科學技術進展報告（第四卷）——中國核學會2015年學術年會論文集第3冊（核能動力分卷（下））[C].中國核學會：中國核學會，2015：31-38.