独立分量分析在基于雨课堂生物医学信号处理中的应用

赵添羽 李靖宇 戴航 郝利国 刘雅楠

摘   要：随着我国科学技术水平的提升，医学信号处理的相关问题也渐渐引起了人们的重视。在对医学信号进行处理的领域，信号往往会受到不同种类因素的干扰，这种情况无法避免，但如果不能够合理的对其进行消除，就会产生对医学具体工作产生影响，例如，通道间可能会出现串扰、心电、脑电、工频干扰等。由于这些具体的噪声以及干扰来自于具备独立性的生理源、噪声源，所以只有从原始信号采集中对有用的信息进行获取，才可以更好的解决问题。独立分量分析是一种统计学方法，将其应用于雨课堂生物医学信号处理中具备必要性，据此，本文对相关问题进行研究，希望能够对现实有所裨益。

关键词：独立分量  生物医学信号处理  雨课堂

中图分类号：G642                                   文献标识码：A                       文章编号：1674-098X（2020）04（c）-0215-02

随着我国经济的发展，社会的进步，信息技术水平的提升，独立分量分析在国内也开始得到了一定程度上的应用，但相比较于国外我国在独立分量分析技术水平方面还较为逊色，同时发展时间也不长，作为一种创新式的统计学方法，想要真正对其进行应用就必须要先进行细致的分析。独立分量分析的目的在于对非高斯分布数据进行合理的表示，使其各个分量能够在统计学中进行独立，即便不能完全独立，也需要尽可能保证其独立。据此，本文分析了独立分量分析在基于雨课堂生物医学信号处理中的应用问题，具有较强的现实意义。

1  独立分量分析的基本原理

独立分量分析是一种信号处理方法，以信号高阶统计量为基础，其具体的含义主要就是将多道不同的观测信号根据统计独立的原则通过对算法进行优化，之后分解成相关的独立成分，前提也就是各源信号为彼此统计独立的非高斯信号。相比较于主分量分析，独立分量分析不仅能对信号的去相关进行实现，同时还要求各高阶统计量独立。

目前对独立分量分析的研究较少，同时具体的内容也不够严谨，在仅有的研究成果中，独立分量分析中对独立性的判决主要包括两个方面，无论是基于信息量的判决准则还是基于估计理论的判决准则都需要包括在其中。对于基于估计理论的判决准则而言，其主要涉及最大似然估计理论，此外还包括非高斯性最大化度量的理论，而基于信息量的判决准责包括最小互信息以及信息最大化信息理论。

2  雨课堂的概念

从雨课堂的具体概念来看，其是一种教学工具，由清华大学与学堂在线共同设计、研究、推出，由于其具备创新性与可行性，所以如今在世界范围内有很多的国家和学者、学生都对其进行了应用，在国内，雨课堂具有较强的可行性，同时适合开展生物医学教学，但是从目前的检索情况来看，很少有学者分析雨课堂生物医学信号处理的相关问题，更不要说将独立分量分析应用到雨课堂生物医学信号处理当中，因此，在极度缺乏直接相关参考资料的困难情况下，本文分析了相关问题，希望能为相关人士提供参考。

3  独立分量分析在基于雨课堂生物医学信号处理中的应用

基于雨课堂，在生物医学对信号进行处理的过程中往往会涉及脑电的相关问题，正如前文所说，在对医学信号进行处理的领域，信号往往会受到不同种类因素的干扰，这种情况无法避免，但如果不能够合理地对其进行消除，就会产生对医学具体工作产生影响，例如，通道間可能会出现串扰、心电、脑电、工频干扰等。从脑电的角度来看，其噪声与干扰来自于具备独立性的大脑生理源，所以只有从原始信号采集中对有用的信息进行获取，才可以更好的解决问题。除此之外脑电也是大脑神经元突触后电位的综合结果，通过头皮电机对脑电信号进行采集可以看作是独立信源与大脑区域固定位置的共同作用结果。经现代脑科学研究表明，对于多导脑电信号来说，其存在着很多的生理现象以及心理现象，同时可以对多种不同的动态信息进行反映，对脑电中预案信号的分离与识别等处理措施是雨课堂生物医学信号处理中的难点。

由于分布在头皮的电极距离较近，同时对于各个电极输出信号来说，其也存在着相关性，因此对于单导脑电信号而言，不仅能够对大脑活动进行有效反映，同时还含有不同种类的干扰信号。这些干扰在实际情况中会造成假象，不利于脑电分析，只有从原始采集的脑电中获取有用信号，才可以对大脑的状态进行翻译，这也需要应用到独立分量分析技术。

在雨课堂生物医学信号处理过程中，多道脑电信号的分析问题也具备较大的难度，因为脑电信号本身就较为复杂，同时具有较强的随机性，另外不同的干扰信号也会对脑电分析的处理难度进行提升，所以在对脑电信号进行处理时必须要合理地进行消噪。在不同的脑电消噪技术方法中，虽然可以对噪声进行消除，但可能也会损失有用的信号成分，这些方式包括即时频率波方法等，立足于滤波原理层面，其只能够在较为有限的范围内对信噪比进行改善，同时传统的方法也不适合对多道信号进行处理，所以无法对存在于导联脑电之间的互信息进行合理利用，但是应用独立分量分析方式则可以为多道脑电信号处理提供创新式的手段。

在雨课堂生物医学研究脑电信号时，很多学生的学习过程都不够合理，因为他们无法较好地从被干扰因素污染的电脑信号中提取出有效的信号，对于工频干扰以及脑电信号来说，二者从不同的相互独立源而产生，所以可以使用独立分量分析的方式对其进行分离，在对其阀值进行具体的处理后，就可以对信号进行重构，在重构信号的过程中，由于其伪迹能够被抑制，因此能够直接利用独立分量分析将工频分离为独立的分量。这种直接分离的方式具备可行性，适合在雨课堂生物医学信号处理中应用。

在一般的情况下，对脑电信号进行采集的系统并不会对采集工频信号进行同步。而如果能够对工频的频率进行确定，就可以对工频信号进行人为的构建，本研究对两个正交的频率为工频的正弦信号进行了构建，目的在于对60Hz I频干扰源进行代替：P1=sin（120 n t）与P2=cos（120n t），之后将其与脑电信号一起构成多路信号。在构成多路信号之后，主要采用扩展ICA算法对其进行分离操作，并将分离出的工频干扰置零，最后对原信号进行重构，这种方式重构的信号可以对工频干扰进行抑制。

4  结语

综上所述，独立分量分析的目的在于对非高斯分布数据进行合理的表示，使其各个分量能够在统计学中进行独立，即便不能完全独立，也需要尽可能的保证其独立。对于各个电极输出信号来说，其也存在着相关性，因此对于单导脑电信号而言，不仅能够对大脑活动进行有效反映，同时还含有不同种类的干扰信号。这些干扰在实际情况中会造成假象，不利于脑电分析，所以可以使用独立分量分析的方式对其进行分离，在对其阂值进行具体的处理后，就可以对信号进行重构，在重构信号的过程中，由于其伪迹能够被抑制，因此能够直接利用独立分量分析将工频分离为独立的分量。

参考文献

[1] 张玉梅，乔媛媛，吴玉龙，等.基于虚拟仿真平台的翻转课堂在医学微生物学实验教学中的应用[J].卫生职业教育，2019，37（5）：90-91.

[2] 王金冬，吴晓燕，王红艳，等.翻转课堂在留学生医学微生物学教学中的应用探讨[J].中国高等医学教育，2018（2）：16-17.

[3] 孙世妍.基于独立分量分析的松动部件信噪分离算法研究[A].中国核学会.中国核科学技术进展报告（第四卷）——中国核学会2015年学术年会论文集第3册（核能动力分卷（下））[C].中国核学会：中国核学会，2015：31-38.