ICA đã chứng minh là một công cụ hiệu quả để loại bỏ nhiễu phát sinh từ EEG. Tuy nhiên, việc đánh giá các thành phần độc lập (IC) không mong muốn và loại chúng bỏ đôi khi vẫn làm mất thông tin hữu ích.
Nghiên cứu khoa học công nghệ TỔ HỢP WICA CÙNG MƠ HÌNH LỌC THÍCH NGHI NHẰM CẢI THIỆN KHẢ NĂNG LOẠI BỎ NHIỄU CƠ TỪ EEG Nguyễn Quốc Trung1, Bùi Huy Hải2*, Nguyễn Mai Anh2, Nguyễn Nam Phúc3 Tóm tắt: ICA chứng minh công cụ hiệu để loại bỏ nhiễu phát sinh từ EEG Tuy nhiên, việc đánh giá thành phần độc lập (IC) không mong muốn loại chúng bỏ làm thơng tin hữu ích Để khắc phục vấn đề này, WT sử dụng IC, IC tiếp tục phân rã thành hệ số wavelet, mức ngưỡng sử dụng cho hệ số wavelet nhằm loại bỏ biến dạng bất thường, sau đó, tái tổ hợp để thu lại tín hiệu (phương pháp wICA) Dù wICA cho kết khả quan, nhiên, với nhiễu có biên độ, tần số biến thiên liên tục bất thường, nhiễu cơ, wICA bắt đầu xuất hạn chế từ mức ngưỡng cố định Nhóm tác giả đề xuất tiếp cận mới, sử dụng mơ hình lọc thích nghi kết hợp với wICA nhằm linh hoạt mức ngưỡng theo biến thiên nhiễu Các thực nghiệm cho thấy kết khả quan, chất lượng triệt nhiễu cải thiện rõ rệt so với phương pháp wICA Từ khóa: Triệt nhiễu, Lọc thích nghi, Biến đổi wavelet, Wavelet nâng cấp ICA (wICA), EEG ĐẶT VẤN ĐỀ Tín hiệu EEG số quan trọng ứng dụng chuẩn đoán lâm sàng Như tất kỹ thuật khác hình ảnh não, cung cấp cho nhìn hoạt động não, EEG biểu lộ mẫu bất thường thay đổi biên độ, hay dịch chuyển tức thời mặt tần số Bằng cách quan sát hoạt động tín hiệu não, nhà nghiên cứu có nhìn sâu sắc sức khỏe trạng thái tâm sinh lý người [1] Tuy nhiên, việc thu nhận hoạt động não qua tín hiệu điện não đồ thu nhận nhiều hạn chế, hoạt động điện ghi nhận từ điện cực đặt bề mặt vỏ não, nguyên hoạt động điện ghi giữ từ điện cực đặt lớp da vỏ não phải đặt diện tích đủ rộng để ghi nhận tối đa lượng điện phát từ thể, vậy, việc thu nhận tín hiệu ln bị tác động nhiều thành phần điện y sinh xuất phát từ nguồn không mong muốn Cùng với việc ghi lại hoạt động điện cực thể đồng thời điện cực bị tác động tín hiệu điện y sinh khác điện mắt đồ, điện đồ, điện tâm đồ, đặc biệt nhiễu nhiễu xuất phát từ vận động hay dịch chuyển thể [2] Tuy nhiên, dạng nhiễu có ảnh hưởng lớn đến EEG nhiễu cơ, thành phần tín hiệu khơng mong muốn xuất phát từ mô hay hay dịch chuyển thể, nhiễu thường xuất với biên độ biến thiên dải rộng tần số biến dạng bất thường nên làm che mờ tín hiệu hữu ích Nhiều nhà nghiên cứu tập trung vào việc loại bỏ nhiễu với nhiều hướng tiếp cận khác kỹ thuật phân tích tương quan chia tách nguồn mù (BSSCCA), kỹ thuật phân tích thành phần độc lập (ICA), kỹ thuật wavelet mù (BWDA and WDA), kỹ thuật phân tích thành phần (PCA), phân tách tuyến tính (LDA) biến đổi hình thái (MCA), lọc thích nghi (AF), kỹ thuật kết hợp phân nguồn mù máy phân tích vec tơ, lọc thích nghi, lọc khơng gian…vv Mỗi phương pháp mạnh riêng nó, cơng cụ liên Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 51 Kỹ thuật điều khiển & Điện tử quan đến việc đánh giá phân tách nguồn mù (BSS) tỏ đặc biệt hiệu để tách thành phần nhiễu phát sinh từ tổ hợp tín hiệu ghi EEG, đặc biệt phương pháp ICA sử dụng rộng rãi năm gần Tuy nhiên, hoạt động ICA lại phụ thuộc vào kích cỡ hệ liệu Thơng thường số nguồn phát tín hiệu thể ln vượt qua số kênh ghi liệu trường hợp ICA khơng có khả tách nhiễu khỏi thành phần lại, thành phần bị coi nhiễu, bị loại bỏ chứa đựng thơng tin hữu ích Việc kết hợp ICA WT (wICA) giải vấn đề này, giải pháp kết hợp, thành phần độc lập (IC) tiếp tục phân rã thành hệ số wavelet, giá trị ngưỡng sử dụng cho hệ số wavelet để loại bỏ biến dạng bất thường, sau đó, tái tổ hợp wavelet ICA để thu lại tín hiệu giảm tượng mép phổ gây thông tin Phương pháp sử dụng rộng rãi năm gần đây, nhiên, EEG bị tác động nhiễu với biên độ lớn, đồng thời, có thay đổi liên tục tần số biên độ nhiễu wICA bắt đầu xuất hạn chế việc cố định mức ngưỡng phân tích Một hướng tiếp cận nhóm tác giả đưa ra, sử dụng mơ hình lọc thích nghi kết hợp wICA (wICAAF) để linh hoạt mức ngưỡng theo biến thiên biên độ nhiễu Phương pháp tỏ đạt đươc hiệu khả quan khắc phục hạn chế phương pháp wICA [5] NỘI DUNG CẦN GIẢI QUYẾT 2.1 Cơ sở liệu Tín hiệu y sinh ghi 14 chủ thể tham gia thí nghiệm (bao gồm 06 nam 08 nữ), lứa tuổi từ 22 đến 40 tuổi Chủ thể không sử dụng thuốc kháng sinh hay thức khuya vòng tuần trước thời giam tham gia thí nghiệm Tần số lấy mẫu thiết lập 200 Hz, thiết bị model NEC‖SYNAFIT1000 sử dụng để thu nhận tín hiệu sóng não, thời gian ghi nhận tín hiệu kéo dài với hoạt động thu tín hiệu triển khai đồng thời 16 kênh, bao gồm kênh C3, C4, F3, F4, F7, F8, Fp1, Fp2, O1, O2, F3, F4, T3, T4, T5, T6 [3] Trong q trình thí nghiệm, trạng thái chủ thể ghi nhận đánh giá cẩn thận để đảm bảo chiết xuất liệu chủ thể trạng thái hoàn toàn tỉnh táo Một số phân đoạn liệu triết xuất thủ công chuyên gia kỹ thuật 16 kênh với chủ thể tham gia thí nghiệm, liệu sử dụng làm tín hiệu tham chiếu hay hồi đáp lý tưởng cho hệ thống lọc thích nghi 2.2 Triệt nhiễu ICA Hoạt động ICA dựa ba giả định sau: (a) liệu thực nghiệm tổ hợp ổn định tín hiệu y sinh nguồn nhiễu khác; (b) tín hiệu ghi xuất phát từ nguồn thể vùng đầu, vùng da thể tuyến tính điện cực, thời gian trễ tín hiệu từ nguồn phát đến điện cực không đáng kể; (c) số nguồn phát tín hiệu khơng lớn số điện cực nhiều Phương pháp ICA dựa ngun tắc mơ tả sơ đồ hình Tín hiệu ghi nhận mơ hình hóa tổ hợp tuyến tính tín hiệu từ nguồn khác mà có phân bố độc lập thống kê phi Gauss theo công thức x = A.s (1) 52 N Q Trung, B H Hải, …, “Tổ hợp wICA mơ hình lọc… bỏ nhiễu từ EEG.” Nghiên cứu khoa học công nghệ với x x1 , x2 , s n vector biến quan sát hay gọi tín hiệu tổ T hợp s s1 , s , s3 s n véc tơ biến mà gọi thành phần độc lập hay nguồn tín hiệu từ thể; A (ma trận n x n) ma trận tương ứng với ma trận trộn tín hiệu độc lập từ nguồn khác Với phương pháp ICA có x quan sát Giá trị s tính tốn cơng thức: T Mơ hình tách nhiễu ICA Mơ hình nhiễu tác động A11 s1 x1 s1 w21 A12 Cực2 s2 x2 A21 A1n sn w11 Cực1 Ann w31 wnn Cực n xn sn Hình Mơ hình nhiễm nhiễu điện cực cấu trúc tách nhiễu ICA Với s1, s2, …, sn: nguồn tín hiệu bản; Cực1, Cực2, …, Cực n: điện cực ghi tín hiệu y sinh từ thể; x1, x2, …, xn: kênh ghi liệu; A ma trận tổ hợp tín hiệu W ma trận nghịch đảo ma trận A s = W.x với W = A−1 (2) −1 Tuy nhiên tính A cách trực tiếp thực khơng có thơng tin A s Thuật tốn FastICA đề xuất để đánh giá thành phần độc lập [4] Bởi nguồn tín hiệu “si” cần phải chứa đựng thành phần Gauss nên phép đo Cực đại hóa tính phi Gauss chìa khóa để đánh giá trọng số ma trận A hay thành phần độc lập Do đó, ước lượng ICA nhắm đến cực tiểu hóa tính Gauss tức cực đại hóa tính phi Gauss điều cho ta thành phần độc lập Một phép đo cực đại hóa tính phi Gauss hệ số nhọn “kurtosis”, thông số sử dụng để đo độ nhọn hay bẹt phân phối so với phân phối bình thường (có độ nhọn 0) Một giá trị J(Y) “negentropy” sử dụng phép đo cực đại hóa tính phi Gauss Negentropy đại lượng dựa lý thuyết thông tin gọi entropy vi sai J (Y ) H (Ygauss ) H (Y ) (3) Với Y biến ngẫu nhiên, H(Ygauss) giá trị entropy biến Gauss tương ứng với ma trận tương quan Y Bởi negentropy khó tính tốn nên người ta xây dựng số phương pháp tính tốn xấp xỉ (4) J ( y ) E G (Y ) E G (Y gauss) Với Hàm phi tuyến G(.) chọn theo hai biểu thức sau: G (u ) Và log[cos au ] với a a G (u ) e u2 Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 (5) (6) 53 Kỹ thuật điều khiển & Điện tử u2 g (u ) tanh(au ) g (u ) ue tương ứng với (5) (6) Trong g(.) đạo hàm hàm G(.) Cơng thức tính tốn giá trị trọng số “wi” mô tả công thức (7) (7) wi E Xg ( wiT X ) E g ' ( wiT X ) wi wi w i w i (8) Sau tách thành phần độc lập, thành phần đánh giá nhiễu loại bỏ mơ tả hình 2, tín hiệu sau tái tổ hợp tín hiệu với tổ hợp nhiễu bị loại bỏ w-1 Hình Mơ hình triệt nhiễu dựa phương pháp ICA 2.3 Wavelet nâng cấp ICA Hoạt động ICA dựa q trình chia tách thơng tin loại bỏ thành phần độc lập (IC) mà đánh giá nhiễu hình 1, việc gây thơng tin hữu ích [5] Để khắc phục tượng này, thực triệt nhiễu phạm vi tần số định Mỗi thành phần độc lập phân rã nhờ biến đổi wavelet 2.3.1 Biến đổi wavelet: Kỹ thuật bắt đầu với sóng nhỏ (Wavelet) chứa dao động tần số thấp, sóng nhỏ so sánh với tín hiệu phân tích để có tranh tồn cục tín hiệu độ phân giải thơ Sau đó, sóng nhỏ nén lại để nâng cao tần số dao động Quá trình gọi làm thay đổi tỉ lệ (scale) phân tích; Khi thực tiếp bước so sánh, tín hiệu nghiên cứu chi tiết độ phân giải cao hơn, giúp phát thành phần biến thiên nhanh ẩn bên tín hiệu [5] 2.3.2 Phân rã wavelet: Biến đổi wavelet rời rạc (DWT) dựa việc mã hóa băng phát triển để thu tính tốn nhanh biến đổi wavelet Bước hiểu phép biến đổi DWT áp dụng tập lọc thông cao thông thấp Thiết kế lọc tương đương với kỹ thuật mã hóa băng con, nhiên, có khác biệt với mã hóa băng lọc DWT thiết kế phải có đáp ứng phổ trắng, trơn trực giao Tín hiệu qua lọc thông cao ta thu hệ số chi tiết qua lọc thông thấp ta thu hệ số 54 N Q Trung, B H Hải, …, “Tổ hợp wICA mơ hình lọc… bỏ nhiễu từ EEG.” Nghiên cứu khoa học công nghệ tồn cục tương ứng, sau chúng phải lấy mẫu xuống (down sampling) hệ số tạo thành biến đổi DWT mức mơ tả hình 2.3.3 Triệt nhiễu dựa kết hợp ICA biến đổi wavelet: Tín hiệu đầu vào qua hệ thống ICA phân tích thành thành phần độc lập, khác với phương pháp triệt nhiễu ICA, thành phần độc lập không bị loại bỏ mà tiếp tục phân rã biến đổi wavelet Quá trình sau phân rã wavelet, thu hệ số phân rã (aij), mô tả hình Lọc thơng thấp ↓2 Lọc thông thấp ↓2 x(n) ~ IC ↓2 Lọc thông cao ↓2 Lọc thông cao ↓2 ↓2 Lọc thông cao ↓2 Lọc thông thấp ↓2 Hệ số ij x(n) IC Hệ số Hệ số Hệ số Hình Cấu trúc phân rã wavelet x(n) tín hiệu vào (chính thành phần độc lập), i: hệ số phân rã wavelet thứ i Với tần số lấy mẫu tín hiệu 200Hz (tương ứng với dải tần tín hiệu ~ 100Hz), phân rã wavelet khuyến nghị thực mức phân rã Với mức phân rã này, việc phân tích wavelet thu hệ số wavelet (aij) tương ứng băng tần tín hiệu EEG, băng delta, theta, alpha, spindle beta, nhằm tăng hiệu trình triệt nhiễu Việc triệt nhiễu thực hệ số (aij) dựa mức ngưỡng tính tốn theo công thức: (9) T log(k ) Trong đó, median( a ij ) đánh giá độ lớn phần tín hiệu phân tích, hệ c số c = 0.6745 [6][7] k chiều dài liệu phân tích, median giá trị trung bình Mức ngưỡng T giới hạn giá trị biên độ hệ số (aij) theo công thức: (10) sign(a jk )( a jk T ) if a jk T ˆa jk if a jk T Sau loại bỏ thành phần tín hiệu đột biến từ hệ số wavelet, bước biến đổi wavelet ngược (IWT) để thu thành phần IC Biến đổi ICA ngược cho ta thu tín hiệu loại bỏ thành phần nhiễu 2.4 Lọc thích nghi Khả lọc thích nghi hoạt động hiệu mơi trường chưa biết trước hay ln có biến động bất thường phát thời điểm thay đổi đầu vào, điều làm cho trở thành thiết bị mạnh mẽ xử Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 55 Kỹ thuật điều khiển & Điện tử lý tín hiệu điều khiển ứng dụng Dù ứng dụng khác đa dạng, chúng có đặc điểm chung, vector đầu vào tín hiệu tham chiếu ln sử dụng để tính tốn lỗi ước định, mà sử dụng để điều khiển, kiểm soát giá trị tập hệ số lọc điều chỉnh Bộ lọc thích nghi có nhiều mơ hình hoạt động ứng với ứng dụng khác [8, 9] Các hệ số có khả hiệu chỉnh đặt dạng trọng số tiếp hợp, hệ số phản xạ, hay thơng số vòng quay, dựa cấu trúc lọc sử dụng Tín hiệu tham chiếu e Tín hiệu vào u Lọc thích nghi + d - ∑ y e Đầu hệ thống Hình Mơ hình triệt nhiễu sử dụng lọc thích nghi Với y = tín hiệu lọc thích nghi; u = Tín hiệu vào lọc; d = hồi đáp lý tưởng; e = d – y = lỗi ước định Tuy nhiên, khác biệt chủ yếu ứng dụng khác lọc thích nghi khởi nguồn từ dạng hay cách thức mà hồi đáp lý tưởng chiết xuất Trong yêu cầu loại bỏ nhiễu phát sinh tín hiệu EEG, mơ hình triệt nhiễu lọc thích nghi hình sử dụng để phối hợp hệ thống wICA 2.5 Cấu trúc tổ hợp wICA với mơ hình lọc thích nghi Tuy ICA phát loại bỏ hầu hết nhiễu phát sinh biên độ lớn, nhiên chúng thường bị nghi ngờ rằng, loại bỏ số tín hiệu hữu ích từ vỏ não Phân rã wavelet áp dụng để phân tích thành phần nhỏ thành phần độc lập (IC), việc loại bỏ nhiễu phát sinh thực hệ số wavelet (aij) để thu thành phần độc lập IC Tuy nhiên, hiệu việc triệt nhiễu phát sinh bị suy giảm nhiễu xuất với biên độ thay đổi liên tục dải rộng Từ (9), dễ dàng nhận thấy rằng, giá trị ngưỡng (T) liên quan đến hai thơng số, giá trị biên độ trung bình hệ số wavelet (ajk) chiều dài đoạn liệu xử lý (k), thay đổi giá trị “k” khơng có nhiều tác động lên giá trị “T” Tác động chủ yếu lên “T” giá trị biên độ “ajk” (Nếu aij thành phần nhiễu phát sinh, thay đổi biên độ trung bình nhiễu có tác động làm thay đổi đáng kể giá trị T) Trong số trường hợp, tín hiệu ghi EEG bị nhiễm nhiều thành phần nhiễu với biên độ thay đổi dải rộng Trong khoảng thời gian, giá trị tín hiệu hữu ích ổn định, gia tăng giá trị mức ngưỡng gây việc bỏ qua số thành phần nhiễu biên độ chúng thấp giá trị ngưỡng Tổ hợp phương pháp wICA mô hình lọc thích nghi khắc phục vấn đề [9, 10] Tuy nhiên, [10], nhóm tác giả sử dụng tín hiệu tham chiếu r(n) để đánh giá tương quan với thành phần nhiễu i(n), nghiên cứu 56 N Q Trung, B H Hải, …, “Tổ hợp wICA mơ hình lọc… bỏ nhiễu từ EEG.” Nghiên cứu khoa học công nghệ chúng tơi, tín hiệu tham chiếu di sử dụng để đánh giá tương quan với tín hiệu sau triệt nhiễu yi Từ phương pháp chúng tôi, giá trị ngưỡng ‘T values” hiệu chỉnh cho phụ hợp với thay đổi nhiễu phát sinh Hồi đáp lý tưởng áp dụng để đánh giá lỗi ước định (estimation errors - e) tín hiệu đầu từ hệ thống sau làm nhiễu, từ đây, đưa phương thức hiệu chỉnh mức ngưỡng phù hợp qua thông số lỗi e Cấu trúc tổng quát hệ thống mơ tả hình Lỗi ước định tính tốn giá trị trung bình của hàm lỗi kênh đầu (11) i ( e i ) với i {1 …n} e mean ( e i ) n Lỗi ước định áp dụng cho lọc thích nghi hệ thơng, lọc thích nghi lọc danh nghĩa Từ (10) ta có hồi đáp xung danh nghĩa lọc thích nghi là: (12) if a jk T h a ij if a jk T Nếu số hệ số wavelet m (ajk = m), đó, có từ ÷ m lọc thích nghi danh nghĩa thành phần độc lập Vì nhiễu phát sinh hội tụ số băng tần hẹp IC nguyên nhân chủ yếu độ sai lệch tín hiệu đầu so với hồi đáp lý tưởng, sai số ước định phân bổ để hiệu chỉnh giá trị T hệ số wavelet nơi thành phần nhiễu tập trung [5] Với hệ số wavelet mà không hội tụ nhiễu phát sinh, mức ngưỡng không thay đổi, sử dụng theo cơng thức (9) Với hệ số wavelet mà nhiễu hội tụ, mức ngưỡng đánh giá theo công thức sau: T log(k ) T ~ 2 mean( a jk ) c → t 1 mean( a jk t 1 (13) et ) c T t 1 t 1 log k , Với et giá trị trung bình lỗi ước định thời gian t, mean( a jk t 1 (14) ) , T t 1 giá trị tuyệt đối hệ số wavelet giá trị ngưỡng thời điểm (t+1) Với số IC mà không bị nhiễm thành phần nhiễu, khơng có hồi đáp lỗi ước định để hiệu chỉnh giá trị ngưỡng Như vậy, bước đánh giá thành phần nhiễu hệ số wavelet thực hệ thống trước thủ tục triệt loại bỏ nhiễu phát sinh Giá trị ngưỡng hiệu chỉnh hệ số wavelet trường hợp có nhiễu xuất KẾT QUẢ VÀ THẢO LUẬN Dữ liệu y sinh thu nhận từ 14 chủ thể tham gia thí nghiệm, liệu đánh giá thực liệu ghi chủ thể trạng thái hoàn Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 57 Kỹ thuật điều khiển & Điện tử toàn tỉnh táo Trước đưa vào hệ thống wICA để triệt nhiễu, liệu đưa qua lọc thông dải với tần số cắt từ 0,5 đến 45Hz nhằm loại bỏ trước số thành phần nhiễu nhiễu mồ hôi, nhiễu điện cực, nhiễu bề mặt da …[8] để hệ thống tập trung chủ yếu loại bỏ thành phần nhiễu phức tạp, có đột biến cao nhiễu Một hệ thống tín hiệu gồm 100 phân đoạn kênh chiết xuất thủ công chuyên gia giấc ngủ, chúng coi hồi đáp lý tưởng sử dụng làm tín hiệu tham chiếu Việc đánh giá hiệu trình triệt nhiễu dựa hệ số tương quan R tín hiệu đầu hệ thống wICA tín hiệu tham chiếu (Rmax= 1) Để tạo điều kiện thuận lợi cho việc xử lý hệ thống, chiều rộng cửa số k thiết lập với độ dài tương đương với phân đoạn cần xử lý (epoch) thiết lập 2000 mẫu với hàm wavelet sử dụng Daubechies Mơ hình hoạt động thực mơ tả hình Hình Cấu trúc tổng qt wICA tổ hơp mơ hình lọc thích nghi Với e1 ….en lỗi ước định n kênh tính sai lệnh di yi hay (di – yi), emean: giá trị trung bình lỗi ước định n kênh; C1 ….Cn: kênh tín hiệu EEG; y1….yn: n kênh đầu sau triệt nhiễu Chất lượng đầu hệ thống triệt nhiễu đánh giá hệ số tương quan giá trị đầu (yi) với tín hiệu tham chiếu (di) Có nhiều thơng số sử dụng để đánh giá hiệu việc triệt nhiễu hệ số SNR (đo tỷ lệ tín hiệu nhiễu), hệ số tương quan (đo tương quan tín hiệu sau triệt nhiễu với tín hiệu lý tưởng) …vv [11] Tuy nhiên, phương pháp kết hợp với mô hình lọc thích nghi, việc sử dụng hệ số tương quan R thuận lợi việc so sánh đáp ứng và hồi đáp lý tưởng, đồng thời đơn giản hóa việc đánh giá hiệu q trình triệt nhiễu méo phổ đầu hệ thống Hệ số tương quan đầu sau triệt nhiễu với tín hiệu tham chiếu (hồi đáp lý tưởng) hai phương pháp wICA, wICAAF được so sánh để đánh 58 N Q Trung, B H Hải, …, “Tổ hợp wICA mơ hình lọc… bỏ nhiễu từ EEG.” Nghiên cứu khoa học công nghệ giá hiệu hai hệ thống Giá trị trung bình hệ số tương quan tính dựa 360 epochs liệu, tổng số 16 kênh cho thấy, chất lượng triệt nhiễu phát sinh hệ thống wICAAF cải thiện đáng kể với giá trị R đạt đến 0,9918, với hệ thống wICA 0,9804 Các giá trị tương quan chi tiết kênh mô tả bảng Về mặt trực quan, kết triệt nhiễu cải thiện đáng kể hình Bảng Bảng giá trị tương quan tín hiệu đầu hệ thống wICA, wICAAF tín hiệu tham chiếu wICA wICAAF Số wICA wICAAF Số Kênh Kênh TT TT ghi ghi Giá trị R Giá trị R Giá trị R Giá trị R C3 0,9845 0,9865 O1 0,9424 0,9894 C4 0,9851 0,9936 10 O2 0,9438 0,9938 F3 0,9892 0,9962 11 P3 0,9885 0,9887 F4 0,9918 0,9949 12 P4 0,9852 0,9914 F7 0,9886 0,9897 13 T3 0,9921 0,9903 F8 0,9883 0,9896 14 T4 0,9954 0,9936 Fp1 0,9657 0,9932 15 T5 0,9909 0,9938 Fp2 0,9662 0,9894 16 T6 0,9887 0,9947 Trung bình 0,9804 0,9918 C xy Hệ số tương quan tính R với C xy E ( x x )( y y ), x y Ex x , Ey y , x E ( x x ) y E ( y y ) [8] (a) (b) Hình Hình ảnh triệt nhiễu 16 kênh mô Matlab (a) kết loại bỏ nhiễu wICA, (b) kết loại bỏ nhiễu wICAAF Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 59 Kỹ thuật điều khiển & Điện tử KẾT LUẬN Từ phân bổ tần số EEG nhiễu đề cập trên, phân rã wavelet mức áp dụng cho thành phần độc lập (IC) Như vậy, biên độ trội nhiễu dễ dàng quan sát hệ số wavelet, tạo thuận lợi cho trình triệt nhiễu nâng cao chất lượng hệ thống Tiếp cận chứng tỏ giải pháp khả quan cho vấn đề loại bỏ nhiễu phát sinh dựa số liệu khả quan kết thực nghiệm hình thái tín hiệu sau triệt nhiễu Mơ hình triệt nhiễu áp dụng hiệu cho việc triệt nhiễu tín hiệu y sinh áp dụng để triệt nhiễu cho hệ thống ghi liệu đa kênh tương tự TÀI LIỆU THAM KHẢO [1] J Dauwels, F Vialatte, A Cichocki, “Diagnosis of Alzheimer’s Disease from EEG Signals: Where Are We Standing?,” Journal of Bentham Science, Vol No 6, pp 487-505, 2010 [2] S Saeid, J A Chambers, “EEG Signal Processing,” John Wiley and Sons, New York, NY, USA, pp 1-34, 2008 [3] D M Suresh, “High-frequency brain activity and muscle artifacts in MEG/EEG: a review and recommendations,” US National Library of Medicine National Institutes of Health, pp 7-138, 2013 doi: 10.3389/fnhum.2013.00138 [4] L Shok`er, S Sanei, J A Chambers, “Artifact removal from electroencephalograms using ahybrid BSS-SV Malgorithm,” IEEE Signal Process, Vol.12, No 10, pp 721-724, 2005 [5] A Jia, M Wang, F Liu, C Bao, X Zhang, “Wavelet-based denoising algorithm for EEG signals using scale dependent threshold based on median,” Journal of biomedical engineering, Vol 26, No 6, pp 1227-1235, 2009 [6] M Zima, P Tichavský, K Paul, V Krajča, “Robust removal of shortduration artifacts in long neonatal EEG recordings using wavelet-enhanced ICA and adaptive combining of tentative reconstructions,” Physiological Measurement, Vol 33, No 8, pp 39-49, 2012 [7] B H Hải, “Nghiên cứu hiệu phương pháp kết hợp ICA WT triệt nhiễu tín hiệu y sinh,” Khoa học & Cơng nghệ, Trường Đại học Kinh tế, Kỹ thuật Công nghiệp, Vol 8, No.7, pp 38-44, 2015 [8] C.C Chiu, B.H Hai, S.J Yeh, K.Y.K Liao, “Recovering EEG Signals: Muscle Artifact Suppression Using Wavelet-Enhanced, Independent Component Analysis Integrated with Adaptive Filter,” Biomedical Engineering: Applications, Basis and Communications, Vol 26, No.5, 2014 [9] H Simom, “Adaptive Filter Theory,” Pearson Education Taiwan, pp.23-25, 2008 [10] C Guerrero-Mosquera, A N Vazquez, “Automatic removal of ocular artifacts from EEG data using adaptive filtering and Independent Component Analysis,” 17th European Signal Processing Conference, pp 2317-2321, 2009 60 N Q Trung, B H Hải, …, “Tổ hợp wICA mơ hình lọc… bỏ nhiễu từ EEG.” Nghiên cứu khoa học công nghệ [11] M F Bear, B W Connors, M A Paradiso, “NeuroScience-Exploring the Brain - Book,” Lippincott Williams & Wilkins, Phidelphia, PA 19106 USA, 2007 ABSTRACT wICA COMBINED WITH ADAPTIVE FILTER MODEL TO IMPROVE THE MUSCLE ARTIFACT SUPPRESSION FROM EEG SIGNAL ICA has been proven to be a powerful tool for removing artifacts from EEG However, the assessment and rejection of unwanted independent components (IC), sometimes cause loss of useful information To overcome this problem, wavelet transform was applied on each IC, the IC continue to decompose into wavelet coefficients, a threshold was used for each wavelet coefficient to eliminate the abnormal deformation, then the inverse transform would be implemented to obtain the clean signal (wICA method) wICA showed a positive results, but if the amplitude and frequence's artifacts vary continuously and abnormally, particularly EMG, wICA began appearing limitations from fixed thresholds A new approach using adaptive filter model combined with wICA (wICAAF) to flexible thresholds according to the variation of the artifact is proposed in this paper The experiment showed positive results, the artifact removal quality is more significantly improved than the wICA is Keywords: Artifact removal, Adaptive filters, Wavelet transform, Wavelet enhanced ICA (wICA), EEG Nhận ngày 09 tháng năm 2016 Hoàn thiện ngày 30 tháng 12 năm 2016 Chấp nhận đăng ngày 20 tháng 02 năm 2017 Địa chỉ: Đại học Bách Khoa Hà nội; Đại học Kinh tế Kỹ thuật Công nghiệp; Viện Điện tử - Viện KH CN Quân sự; * Email : bhhai@uneti.edu.vn Tạp chí Nghiên cứu KH&CN quân sự, Số 47, 02 - 2017 61 ... khác lọc thích nghi khởi nguồn từ dạng hay cách thức mà hồi đáp lý tưởng chiết xuất Trong yêu cầu loại bỏ nhiễu phát sinh tín hiệu EEG, mơ hình triệt nhiễu lọc thích nghi hình sử dụng để phối hợp. .. thống wICA 2.5 Cấu trúc tổ hợp wICA với mơ hình lọc thích nghi Tuy ICA phát loại bỏ hầu hết nhiễu phát sinh biên độ lớn, nhiên chúng thường bị nghi ngờ rằng, loại bỏ số tín hiệu hữu ích từ vỏ... trúc lọc sử dụng Tín hiệu tham chiếu e Tín hiệu vào u Lọc thích nghi + d - ∑ y e Đầu hệ thống Hình Mơ hình triệt nhiễu sử dụng lọc thích nghi Với y = tín hiệu lọc thích nghi; u = Tín hiệu vào lọc;