一种面向脑电信号去噪的PSO-EEMD-ICA预处理方法

本发明涉及一种基于粒子群优化(PSO)、集合经验模态分解(EEMD)和独立成分分析(ICA)的脑电信号预处理方法，旨在提高脑电信号的质量，增强信号的可分析性。该方法包括以下步骤：首先，对原始脑电信号进行EEMD分解，通过添加不同强度的白噪声生成多个噪声辅助信号，并对每个噪声辅助信号进行经验模态分解(EMD)，然后对所有噪声辅助信号的内禀模态函数(IMF)进行平均，得到最终的IMF，从而减小模态混叠问题，初步分离出有用成分和噪声成分。其次，利用PSO算法优化EEMD参数。通过初始化粒子群，每个粒子代表一个可能的参数组合(如高斯白噪声标准差和添加噪声次数)，定义适应度函数，以信号的质量指标为目标，迭代更新粒子的位置和速度，优化参数组合，最终应用最优参数进行EEMD分解，得到优化后的IMF，从而避免了人工调参的繁琐，提高了分解的准确性和稳定性。然后，计算每个IMF的样本熵，设定样本熵阈值，筛选出样本熵值高于阈值的IMF，有效剔除了低信息量的IMF分量，保留了高信息量的有效分量，进一步提高了信号的可分析性。最后，将筛选出的有效IMF分量与原始脑电信号组合，生成虚拟多通道信号，并进行快速独立成分分析(FastICA)，分离出独立的脑电信号成分，进一步去除噪声，提高信号的纯净度和信噪比。通过上述步骤，本发明方法能够显著提升脑电信号的质量，为后续的信号分析和应用提供了坚实的基础。