Nhƣợc điểm của SOBI là không thể có đƣợc thông tin về thứ tự của các nguồn [2], vì thế không thể khôi phục các tín hiệu bị nhiễu một cách chính xác. Trong nghiên cứu gần đây, chúng tôi đề xuất phƣơng pháp SOBI kết hợp kĩ thuật nhận dạng nguồn nhiễu để loại bỏ nhiễu mắt và nhiễu cơ ra khỏi tín hiệu EEG nhiễu [9].
Khai triển phƣơng trình (2.4) thành:
𝑥1 𝑘 = 𝑎11𝑠1 𝑘 + 𝑎12𝑠2 𝑘 + ⋯ +𝑎1𝑁𝑠𝑀 𝑘 𝑥2 𝑘 = 𝑎21𝑠1 𝑘 + 𝑎22𝑠2 𝑘 + ⋯ +𝑎2𝑁𝑠𝑀 𝑘 … 𝑥𝑀 𝑘 = 𝑎𝑀1𝑠1 𝑘 + 𝑎𝑀2𝑠2 𝑘 + ⋯ +𝑎𝑀𝑁𝑠𝑀 𝑘 (2.7 Sử dụng SOBI, có thể ƣớc lƣợng đƣợc ma trận A. Giả sử rằng chúng ta có thể xác định đƣợc 2 nguồn s1 và s2 là nhiễu EOG và EMG. Tín hiệu EEG sẽ đƣợc khôi phục nhƣ sau: 𝑥′1 𝑘 = 𝑥1− 𝑎11𝑠1 𝑘 + 𝑎12𝑠2 𝑘 𝑥′ 2 𝑘 = 𝑥2− 𝑎21𝑠1 𝑘 + 𝑎22𝑠2 𝑘 … 𝑥′𝑀 𝑘 = 𝑥𝑀− 𝑎11𝑠1 𝑘 + 𝑎12𝑠2 𝑘 (2.8)
Với 1 cửa sổ kích thƣớc cố định N, năng lƣợng của mọi tín hiệu đầu ra của SOBI là giới hạn [2]. Trong miền tần số, năng lƣợng của tín hiệu EOG là lớn nhất tại các tần số thấp [18], trong khi năng lƣợng của tín hiệu EMG là cao nhất trong miền tần số cao [1, 18]. Do đó, đặc tính này đƣợc khai thác để xác định tín hiệu EOG và EMG.
Phƣơng án của chúng tôi có thể tổng hợp lại ở Thuật toán 1.
Thuật toán 1: Xác định EOG và EMG sử dụng của sổ dịch chuyển
Bƣớc 1: Khởi tạo một của sổ dịch chuyển với kích thƣớc N=1000 mẫu.
Bƣớc 2: Tính toán tham số trọng lƣợng cho tất cả các kênh
w=E(f>30Hz)/E(f<5Hz).
Bƣớc 3: Kênh tín hiệu EOG đƣợc xác định bởi giá trị nhỏ nhất của w và kênh tín hiệu EMG đƣợc xác định bởi giá trị lớn nhất của w.
Bƣớc 4: Khôi phục kênh tín hiệu EEG nhiễu bằng công thức (2.8) Bƣớc 5: Tiếp tục với cửa số tiếp theo.
Lý do sử dụng tỉ số w=E(f>30Hz)/E(f<5Hz) thay vì dùng năng lƣợng là vì năng lƣợng có thể biến đổi từ kênh này qua kênh khác.