Để loại nhiễu cơ trong tín hiệu điện não, chúng ta có thể sử dụng nhiều phương pháp. Phương pháp đơn giản nhất là ta sử dụng các bộ lọc thông thấp với các tần số cắt khác nhau. Mặc dù phương pháp này có thể loại bỏ được nhiều thành phần nhiễu cơ tuy nhiên nó cũng loại bỏ rất nhiều tín hiệu điện não mà quan trọng là có thể loại bỏ cả các gai động kinh. Một phương pháp khác là sử dụng các kỹ thuật phân tích thành phần độc lập ICA, và phân tích nguồn mù kết hợp phân tích quy tắc tương quan chính tắc BSS-CCA. Tuy nhiên, khi so sánh hiệu quả của hai phương trong việc loại nhiễu cơ trong tín hiệu điện não một số nghiên cứu đã chứng minh phương pháp BSS-CCA hiệu quả hơn ICA khá nhiều. Chính vì thế trong luận văn này chúng tôi đã sử dụng thuật toán BSS-CCA để loại nhiễu cơ.
Hình 4.21. Sự phụ thuộc của tỉ số RRMSE vào tỉ số SNR của các thuật toán [3]
Trong phần này, chúng tôi mô phỏng loại đồng thời nhiễu mắt (sử dụng thuật toán TV) và nhiễu cơ (sử dụng thuật toán BSS-CCA) trong tín hiệu điện não có chứa gai động kinh nhằm đánh giá ảnh hưởng của hai thuật lên tín hiệu.
Hình 4.22 Các đoạn tín hiệu mô phỏng (a) nhiễu mắt, (b) nhiễu cơ, (c) kênh tham chiếu.
Hình 4.23 (a) tín hiệu EEG có cả nhiễu mắt và nhiễu cơ, (b) tín hiệu EEG sau khi loại nhiễu mắt kênh 1
Hình 4.24. 20 kênh tín hiệu EEG sau khi loại nhiễu mắt bằng thuật toán H-TV
Hình 4.25. 20 kênh tín hiệu EEG sau khi loại nhiễu cơ bằng thuật toán BSS-CCA
Các kết quả loại đồng thời cả nhiễu mắt và nhiễu cơ trong tín hiệu EEG cho ta thấy với việc sử dụng thuật toán TV loại nhiễu mắt trước rồi mới loại nhiễu cơ bằng BSS-CCA là hợp lý. Do khi ta loại nhiễu mắt bằng thuật toán lọc thích nghi TV trước sẽ đảm bảo được rằng các kênh EEG không bị xáo trộn và biên độ của chúng vẫn tương ứng với tỉ lệ với ảnh hưởng của nhiễu mắt ban đầu.