眼电伪影去除方法、装置及电子设备

摘要

本申请公开了一种眼电伪影去除方法、装置及电子设备，该方法包括：对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，其中，所述第一矩阵表征所述原始脑电信号的时间成分，所述第二矩阵表征所述原始脑电信号的空间成分；对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量；去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量；根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，其中，所述目标脑电信号为从所述原始脑电信号中去除眼电伪影后得到的脑电信号。该方法可以高效、准确的去除脑电信号中的眼电伪影。

权利要求

1.一种眼电伪影去除方法，包括：对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，其中，所述第一矩阵表征所述原始脑电信号的时间成分，所述第二矩阵表征所述原始脑电信号的空间成分；

对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量；

去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量；

根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，其中，所述目标脑电信号为从所述原始脑电信号中去除眼电伪影后得到的脑电信号；

其中，所述第二本征模态分量的数量为多个；所述根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，包括：对所述第二本征模态分量进行加和处理，获得第三矩阵，其中，所述第三矩阵表征所述原始脑电信号去除眼电伪影后的时间成分；

根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信号。

2.根据权利要求1所述的方法，所述对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，包括：对所述原始脑电信号进行预处理和归一化处理，获得与所述原始脑电信号对应的非负脑电信号；

对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵。

3.根据权利要求2所述的方法，所述对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵，包括：使用预设统计方法确定所述第一矩阵和所述第二矩阵的行列数；

根据所述确定的行列数，对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵。

4.根据权利要求1所述的方法，所述对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量，包括：计算所述第一矩阵的分形维数；

根据计算得到的所述分形维数，将所述第一矩阵中对应分形维数不大于预设阈值的成分确定为包含眼电的成分；

对所述包含眼电的成分进行集合经验模态分解，获得所述第一本征模态分量。

5.根据权利要求1所述的方法，所述去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量，包括：

获取预设眼动频率范围；

根据所述预设眼动频率范围，从所述第一本征模态分量中提取与眼电伪影对应的第三本征模态分量；

从所述第一本征模态分量中去除所述第三本征模态分量，获得所述第二本征模态分量。

6.根据权利要求5所述的方法，所述预设眼动频率范围为0.5赫兹至3赫兹。

7.根据权利要求1所述的方法，所述根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信号，包括：

将所述第三矩阵与所述第二矩阵相乘，获得第一脑电信号；

对所述第一脑电信号进行逆归一化处理，获得所述目标脑电信号。

8.一种眼电伪影去除装置，包括：脑电信号分解模块，用于对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，其中，所述第一矩阵表征所述原始脑电信号的时间成分，所述第二矩阵表征所述原始脑电信号的空间成分；

第一本征模态分量获得模块，用于对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量；

第二本征模态分量获得模块，用于去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量；

目标脑电信号获得模块，用于根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，其中，所述目标脑电信号为从所述原始脑电信号中去除眼电伪影后得到的脑电信号；

其中，所述第二本征模态分量的数量为多个；所述根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，包括：对所述第二本征模态分量进行加和处理，获得第三矩阵，其中，所述第三矩阵表征所述原始脑电信号去除眼电伪影后的时间成分；

根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信号。

9.一种电子设备，包括权利要求8所述的装置；或者，所述电子设备包括：

存储器，用于存储可执行的指令；

处理器，用于根据所述指令的控制运行所述电子设备执行如权利要求1‑7任意一项所述的方法。

说明书

眼电伪影去除方法、装置及电子设备

技术领域

[0001] 本公开涉及神经工程技术领域，更具体地，涉及一种眼电伪影去除方法、装置及一种电子设备。

背景技术

[0002] 脑电信号，即，脑电图(EEG，Electroencephalogram)信号可以用于反映大脑皮层或头皮表面神经细胞上的神经生理活动，其包含丰富的生理、心理和病例信息，在神经科
学、临床科学及康复工程等领域发挥着重要作用。

[0003] 在实现本申请的过程中，发明人发现，在采集脑电信号的过程中，往往会受到伪影(Artifacts)，尤其是眼电伪影的干扰；由于眼电伪影主要由眼球运动产生，而眼球运动在
通常情况下往往是难以避免的，这就使得眼电伪影往往与用户关注的脑电信号重叠，并且，
由于脑电信号的能量通常低于眼电伪影，这将大大增加分析和解释脑电信号时的困难度，
因此，有必要提供一种眼电伪影去除方法，以高效、准确的去除脑电信号中的眼电伪影。

发明内容

[0004] 本公开实施例的一个目的是提供一种用于去除眼电伪影的新技术方案。

[0005] 根据本公开的第一方面，提供了一种眼电伪影去除方法，该方法包括：

[0006] 对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，其中，所述第一矩阵表征所述原始脑电信号的时间成分，所述第二矩阵表征所述原始脑电信号的空
间成分；

[0007] 对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量；

[0008] 去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量；

[0009] 根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，其中，所述目标脑电信号为从所述原始脑电信号中去除眼电伪影后得到的脑电信号。

[0010] 可选地，所述对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，包括：

[0011] 对所述原始脑电信号进行预处理和归一化处理，获得与所述原始脑电信号对应的非负脑电信号；

[0012] 对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵。

[0013] 可选地，所述对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵，包括：

[0014] 使用预设统计方法确定所述第一矩阵和所述第二矩阵的行列数；

[0015] 根据所述确定的行列数，对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵。

[0016] 可选地，所述对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量，包括：

[0017] 计算所述第一矩阵的分形维数；

[0018] 根据计算得到的所述分形维数，将所述第一矩阵中对应分形维数不大于预设阈值的成分确定为包含眼电的成分；

[0019] 对所述包含眼电的成分进行集合经验模态分解，获得所述第一本征模态分量。

[0020] 可选地，所述去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量，包括：

[0021] 获取预设眼动频率范围；

[0022] 根据所述预设眼动频率范围，从所述第一本征模态分量中提取与眼电伪影对应的第三本征模态分量；

[0023] 从所述第一本征模态分量中去除所述第三本征模态分量，获得所述第二本征模态分量。

[0024] 可选地，所述预设眼动频率范围为0.5赫兹至3赫兹。

[0025] 可选地，所述第二本征模态分量的数量为多个；

[0026] 所述根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，包括：

[0027] 对所述第二本征模态分量进行加和处理，获得第三矩阵，其中，所述第三矩阵表征所述原始脑电信号去除眼电伪影后的时间成分；

[0028] 根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信号。

[0029] 可选地，所述根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信号，包括：

[0030] 将所述第三矩阵与所述第二矩阵相乘，获得第一脑电信号；

[0031] 对所述第一脑电信号进行逆归一化处理，获得所述目标脑电信号。

[0032] 根据本公开的第二方面，本公开还提供了一种眼电伪影去除装置，包括：

[0033] 脑电信号分解模块，用于对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，其中，所述第一矩阵表征所述原始脑电信号的时间成分，所述第二矩阵表
征所述原始脑电信号的空间成分；

[0034] 第一本征模态分量获得模块，用于对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量；

[0035] 第二本征模态分量获得模块，用于去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量；

[0036] 目标脑电信号获得模块，用于根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，其中，所述目标脑电信号为从所述原始脑电信号中去除眼电伪影后得到的
脑电信号。

[0037] 根据本公开的第三方面，还提供了一种电子设备，其包括根据本公开的第二方面所述的装置；或者，包括：

[0038] 存储器，用于存储可执行的指令；

[0039] 处理器，用于根据所述可执行的指令的控制，运行所述电子设备执行根据本公开的第一方面所述的方法。

[0040] 本公开的一个有益效果在于，根据本公开的实施例，在去除脑电信号中的眼电伪影时，可以不对脑电信号以及眼电数据做任何假设，而是通过对待处理的原始脑电信号进
行非负矩阵分解，获得分别表征该原始脑电信号的时间成分的第一矩阵和表征该原始脑电
信号的空间成分的第二矩阵；之后，通过对第一矩阵中包含眼电的成分，即，眼电伪影时间
分量进行集合经验模态分解，获得多个第一本征模态分量，并通过分别取出该多个第一本
征模态分量中的眼电伪影，获得第二本征模态分量；再之后，根据该第二本征模态分量和该
第二矩阵，即可获得不包含眼电伪影的目标脑电信号。本实施例提供的方法基于非负矩阵
分解以及集合经验模态分解，可以高效、准确的去除脑电信号中的眼电伪影。

[0041] 通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其他特征及其优点将会变得清楚。

附图说明

[0042] 被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本公开的原理。

[0043] 图1是显示可用于实现一个实施例的眼电伪影去除方法的服务器的硬件配置的原理框图。

[0044] 图2是本公开实施例提供的一种眼电伪影去除方法的流程示意图。

[0045] 图3是本公开实施例提供的非负脑电信号示意图。

[0046] 图4是本公开实施例提供的进行非负矩阵分解处理后的脑电信号示意图。

[0047] 图5是本公开实施例提供的包含眼电伪影成分的脑电信号的时间成分示意图。

[0048] 图6是本公开实施例提供的第一本征模态分量示意图。

[0049] 图7是本公开实施例提供的目标脑电信号示意图。

[0050] 图8是本公开实施例提供的一种眼电伪影去除装置的原理框图。

[0051] 图9是本公开实施例提供的一种电子设备的硬件结构示意图。

具体实施方式

[0052] 现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本
公开的范围。

[0053] 以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

[0054] 对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

[0055] 在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其他例子可以具有不同的值。

[0056] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

[0057] <硬件配置>

[0058] 图1是可用于实施根据一个实施例的眼电伪影去除方法的服务器的硬件配置的框图。

[0059] 如图1所示，服务器1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500和输入装置1600。处理器1100例如可以是中央处理器CPU等。存储器
1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接
口装置1130例如包括USB接口、串行接口等。通信装置1400例如能够进行有线或无线通信。
显示装置1500例如是液晶显示屏。输入装置1600例如可以包括触摸屏、键盘等。

[0060] 本实施例中，服务器1000可用于参与实现根据本公开任意实施例的方法。

[0061] 应用于本公开实施例中，服务器1000的存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以支持实现根据本发明任意实施例的方法。技术人员可以根
据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不
再详细描述。

[0062] 本领域技术人员应当理解，尽管在图1中示出了服务器1000的多个装置，但是，本公开实施例的服务器1000可以仅涉及其中的部分装置，例如，只涉及处理器1110和存储器
1120。这是本领域公知，此处不再赘述。

[0063] <方法实施例>

[0064] 在实现本申请的过程中，发明人发现，在去除脑电信号，即，脑电图信号中的眼电伪影时，一般可以采用以下方法，方法1：低通滤波方法，即，预设一个振幅阈值，通过去除脑
电信号中振幅高于振幅阈值的数据，以去除脑电信号中的眼电伪影；方法2：基于盲源分离
(BSS，Blind Signal Separation)的方法，例如，独立分量分析(ICA，Independent 
components analysis)算法、典型相关分析(CCA，Canonical Correlation Analysis)算法
等；方法3：小波分解(WT，Wavelet Transform)方法。

[0065] 上述方法虽然可以一定程度上去除脑电信号中的眼电伪影，然而，针对上述方法1，当眼电伪影低于该振幅阈值时，该方法并不能从脑电信号中去除该眼电伪影，此外，由于
该方法仅是通过振幅阈值来进行滤波，所以其还存在遗漏有用信息的问题。针对上述方法
2，独立分析算法是一种将源信号从多个未知源的线性混合信号中分离出来的算法，其是基
于源信号为统计独立的假设的算法；此外，在估计独立分量时，还需要假定源和电极的数量
相等，然而，在实际中，源信号往往是未知的，如果源信号的数量多于电极，则独立分析算法
并不能保证结果的准确性；而典型相关分析算法是研究两组变量之间相关性的多变量统计
算法，该算法假设变量组内的变量不相关，且所有有意义的真实信号均自相关；由此可知，
基于盲源分离的方法通常存在较多的假设，而当假设不成立时，则该方法并不能准确去除
脑电信号中的眼电伪影。针对上述方法3，小波分解方法通常依赖于预定义母小波函数(MW，
mother wavelet)的选择，因此，该方法同样存在可能不能准确的去除脑电信号中的眼电伪
影的问题。

[0066] 为了能够高效、准确的去除脑电信号中的眼电伪影，本公开的实施例提供一种眼电伪影去除方法，请参看图2，其是本公开实施例提供的一种眼电伪影去除方法的流程示意
图，该方法可以由服务器实施，例如由图1中的服务器1000实施；当然，该方法也可以由其他
电子设备实施，例如可以由终端设备实施，此处不做特殊限定。

[0067] 根据图2所示，本实施例的方法可以包括如下步骤S2100‑S2400，以下予以详细说明。

[0068] 步骤S2100，对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，其中，所述第一矩阵表征所述原始脑电信号的时间成分，所述第二矩阵表征所述原始脑
电信号的空间成分。

[0069] 在本实施例中，待处理的原始脑电信号，即，待处理的脑电图信号可以为单通道数据，也可以为多通道数据，此处不做特殊限定。

[0070] 非负矩阵分解(NMF，NonnegativeMatrixFactorization)为一种矩阵分解方法，该方法是一种从隐藏分量生成直接可见变量的方法，每个隐藏变量共同激活可视变量的子
集，其使得分解后的所有分量均为非负值，并同时实现非线性的维数约减。

[0071] 在本实施例中，通过对原始脑电信号进行非负矩阵分解，使得原始脑电信号中的各分量可见，从而可以准确识别并去除原始脑电信号中的眼电伪影，以下予以详细说明。

[0072] 在具体实施时，所述对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，包括：对所述原始脑电信号进行预处理和归一化处理，获得与所述原始脑电信
号对应的非负脑电信号；对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所
述第二矩阵。

[0073] 请参看图3，其是本公开实施例提供的对原始脑电信号进行预处理和归一化处理后，获得的非负脑电信号的示意图。具体来讲，针对待去除眼电伪影的原始脑电信号，在获
得该脑电信号之后，可以先对该脑电信号进行预处理，例如，进行滤波、重参考以及降采样
等处理；之后，针对预处理后的脑电信号，通过将其包含的数据归一化到0‑1之间，即可获得
如图3所示的非负脑电信号，即，包含的数据不为负的脑电信号。

[0074] 请参看图4，其是本公开实施例提供的进行非负矩阵分解处理后的脑电信号示意图。即，在对待处理的原始脑电信号进行预处理和归一化处理，获得非负脑电信号之后，通
过对该非负脑电信号，获得分别表征该原始脑电信号的时间成分的第一矩阵，以及，表征该
原始脑电信号的空间成分的第二矩阵，其中，脑电信号的时间成分用于以时间作为独立变
量的描述方式来反映信号的幅值随时间变化的特征。

[0075] 在本实施例中，为了快速、准确的对非负脑电信号进行非负矩阵分解，在对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵时，可以使用预设统计
方法确定所述第一矩阵和所述第二矩阵的行列数；之后，根据所述确定的行列数，对所述非
负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵。在本实施例中，该预设
统计方法可以为Difffits方法，当然，在具体实施时，该预设统计方法也可以为其他方法，
列入还可以为基于残差图、协方差比率的统计方法，此处不做特殊限定。

[0076] 步骤S2200，对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量。

[0077] 在对原始脑电信号进行非负矩阵分解之后，虽然原始脑电信号中的各分量被分解为可视变量，然而，各可视变量在分解得到的矩阵中是重叠的，因此，若直接从分解得到的
矩阵中去除包含眼电伪影的成分，则同样存在可能去除其他有用信息的问题，因此，在本实
施例中，为了更准确的去除原始脑电信号中的眼电伪影，在经过步骤S2100获得表征原始脑
电信号的时间成分的第一矩阵之后，可以进一步的对该第一矩阵进行分解，以将不同的分
量分离。

[0078] 在具体实施时，发明人发现，也可以 采用经验模态分解(EMD，EmpiricalModeDecomposition)方法对第一矩阵进行分解，然而，该方法一次只能分解一个
通道，所以其去除眼电伪影所消耗的时间是与脑电信号中的通道个数成正比的，并且其还
具有模态混叠的缺点，为解决上述问题，在本实施例中，具体使用集合经验模态分解对包含
多通道数据的第一矩阵进行分解，尤其是对第一矩阵中包含眼电的成分，即，眼电伪影时间
分量进行分解，以获得多个第一本征模态分量。

[0079] 在具体实施时，所述对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量，包括：计算所述第一矩阵的分形维数(FD，FractalDimension)；根
据计算得到的所述分形维数，将所述第一矩阵中对应分形维数不大于预设阈值的成分确定
为包含眼电的成分；对所述包含眼电的成分进行集合经验模态分解，获得所述第一本征模
态分量。

[0080] 在实际中，由于眼电伪影主要由少量低频成分组成，其典型特征即为对应的分形维数低；而脑神经活动则会导致较高的分形维数。

[0081] 因此，在本实施例中，为了提升计算效率，可以先通过计算第一矩阵的分形维数，以确定以及获取第一矩阵中包含眼电的成分，即，该第一矩阵中对应分形维数不大于预设
阈值的成分，具体请参看图5，其是本公开实施例提供的原始脑电信号中包含眼电伪影成分
的的时间成分示意图，即，根据第一矩阵中成分对应的分形维数，从图4中选出的包含眼电
伪影成分的时间成分的示意，在获得包含眼电的成分之后，通过对该包含眼电的成分进行
集合经验模态分解，即可将包含眼电的时间成分分解为多个第一本征模态分量，具体请参
看图6，其是本公开实施例提供的第一本征模态分量示意图，其中，本征模态分量(IMF，
InstrinsicModeFunction)为对原始信号进行分解后得到的各层信号分量。

[0082] 在步骤S2200之后，执行步骤S2300，去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量。

[0083] 通过对脑电信号，即，脑电信号的时间成分进行集合经验模态分解，即可将原始脑电信号中重叠在一起的不同信号分量分解出来，之后，通过提取分解得到的各信号分量，即
第一本征模态分量中的眼电伪影，即可准确的去除原始脑电信号中的眼电伪影。

[0084] 在本实施例中，所述对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量，包括：获取预设眼动频率范围；根据所述预设眼动频率范围，从所
述第一本征模态分量中提取与眼电伪影对应的第三本征模态分量；从所述第一本征模态分
量中去除所述第三本征模态分量，获得所述第二本征模态分量。

[0085] 即，可以利用眼动频率从第一本征模态分量中去除其包含的眼电伪影，在本实施例中，为了准确的去除原始脑电信号中的眼电伪影，经过实验数据证明，将所述预设眼动频
率范围设置为0.5赫兹至3赫兹。

[0086] 步骤S2400，根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，其中，所述目标脑电信号为从所述原始脑电信号中去除眼电伪影后得到的脑电信号。

[0087] 在经过步骤S2300去除第一本征模态分量中的眼电伪影，获得多个第二本证模态分量之后，即可根据该多个第二本征模态分量以及步骤S2100中获得的表征原始脑电信号
的空间成分的第二矩阵，获得目标脑电信号。

[0088] 请查看图7，其是本公开实施例提供的目标脑电信号示意图。具体来讲，所述根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，包括：对所述第二本征模态分
量进行加和处理，获得第三矩阵，其中，所述第三矩阵表征所述原始脑电信号去除眼电伪影
后的时间成分；根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信号。

[0089] 其中，所述根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信号，包括：将所述第三矩阵与所述第二矩阵相乘，获得第一脑电信号；对所述第一脑电信号进行逆归一
化处理，获得所述目标脑电信号。

[0090] 根据以上步骤S2100‑S2400可知，本实施例提供的方法，在去除脑电信号中的眼电伪影时，可以不对脑电信号以及眼电数据做任何假设，而是通过对待处理的原始脑电信号
进行非负矩阵分解，获得分别表征该原始脑电信号的时间成分的第一矩阵和表征该原始脑
电信号的空间成分的第二矩阵；之后，通过对第一矩阵中包含眼电的成分，即，眼电伪影时
间分量进行集合经验模态分解，获得多个第一本征模态分量，并通过分别取出该多个第一
本征模态分量中的眼电伪影，获得第二本征模态分量；再之后，根据该第二本征模态分量和
该第二矩阵，即可获得不包含眼电伪影的目标脑电信号。本实施例提供的方法基于非负矩
阵分解以及集合经验模态分解，可以高效、准确的去除脑电信号中的眼电伪影。

[0091] <装置实施例>

[0092] 与上述方法实施例相对应，在本实施例中，还提供一种眼电伪影去除装置，如图8所示，该装置8000可以包括脑电信号分解模块8100、第一本征模态分量获得模块8200、第二
本征模态分量获得模块8300和目标脑电信号获得模块8400。

[0093] 该脑电信号分解模块8100，用于对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵，其中，所述第一矩阵表征所述原始脑电信号的时间成分，所述第二
矩阵表征所述原始脑电信号的空间成分。

[0094] 在一个实施例中，该脑电信号分解模块在对待处理的原始脑电信号进行非负矩阵分解，获得第一矩阵和第二矩阵时，可以用于：对所述原始脑电信号进行预处理和归一化处
理，获得与所述原始脑电信号对应的非负脑电信号；对所述非负脑电信号进行非负矩阵分
解，获得所述第一矩阵和所述第二矩阵。

[0095] 在一个实施例中，该脑电信号分解模块在对所述非负脑电信号进行非负矩阵分解，获得所述第一矩阵和所述第二矩阵时，可以用于：使用预设统计方法确定所述第一矩阵
和所述第二矩阵的行列数；根据所述确定的行列数，对所述非负脑电信号进行非负矩阵分
解，获得所述第一矩阵和所述第二矩阵。

[0096] 该第一本征模态分量获得模块8200，用于对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量。

[0097] 在一个实施例中，该第一本征模态分量获得模块在对所述第一矩阵中包含眼电的成分进行集合经验模态分解，获得第一本征模态分量时，可以用于：计算所述第一矩阵的分
形维数；根据计算得到的所述分形维数，将所述第一矩阵中对应分形维数不大于预设阈值
的成分确定为包含眼电的成分；对所述包含眼电的成分进行集合经验模态分解，获得所述
第一本征模态分量。

[0098] 该第二本征模态分量获得模块8300，用于去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量。

[0099] 在一个实施例中，该第二本征模态分量获得模块8300在去除所述第一本征模态分量中的眼电伪影，获得第二本征模态分量时，可以用于：获取预设眼动频率范围；根据所述
预设眼动频率范围，从所述第一本征模态分量中提取与眼电伪影对应的第三本征模态分
量；从所述第一本征模态分量中去除所述第三本征模态分量，获得所述第二本征模态分量。

[0100] 在该实施例中，所述预设眼动频率范围为0.5赫兹至3赫兹。

[0101] 该目标脑电信号获得模块8400，用于根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号，其中，所述目标脑电信号为从所述原始脑电信号中去除眼电伪影后
得到的脑电信号。

[0102] 在一个实施例中，所述第二本征模态分量的数量为多个；该目标脑电信号获得模块在根据所述第二本征模态分量和所述第二矩阵，获得目标脑电信号时，可以用于：对所述
第二本征模态分量进行加和处理，获得第三矩阵，其中，所述第三矩阵表征所述原始脑电信
号去除眼电伪影后的时间成分；根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信
号。

[0103] 在该实施例中，目标脑电信号获得模块在根据所述第三矩阵和所述第二矩阵，获得所述目标脑电信号时，可以用于：将所述第三矩阵与所述第二矩阵相乘，获得第一脑电信
号；对所述第一脑电信号进行逆归一化处理，获得所述目标脑电信号。

[0104] <设备实施例>

[0105] 与上述方法实施例以及装置实施例相对应，在本实施例中，还提供一种电子设备，其可以包括根据本公开任意实施例的眼电伪影去除装置8000，用于实施本公开任意实施例
的眼电伪影去除方法。

[0106] 如图9所示，该电子设备9000还可以包括处理器9200和存储器9100，该存储器9100用于存储可执行的指令；该处理器9200用于根据指令的控制运行电子设备以执行根据本公
开任意实施例的眼电伪影去除方法。

[0107] 以上装置8000的各个模块可以由处理器9200运行该指令以执行根据本公开任意实施例的眼电伪影去除方法来实现。

[0108] 该电子设备9000可以是服务器，也可以是其他类型的设备，例如是终端设备等，在此不做限定，例如，该电子设备9000是图1中的服务器1000等。

[0109] 本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

[0110] 计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储
设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的
更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存
储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式
压缩盘只读存储器(CD‑ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上
存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算
机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通
过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输
的电信号。

[0111] 这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外
部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关
计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计
算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计
算机可读存储介质中。

[0112] 用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的
任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如
Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机
可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独
立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机
或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包
括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利
用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令
的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可
编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方
面。

[0113] 这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/
或框图中各方框的组合，都可以由计算机可读程序指令实现。

[0114] 这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据
处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功
能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指
令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的
计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中
规定的功能/动作的各个方面的指令。

[0115] 也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产
生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的
指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

[0116] 附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代
表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用
于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也
可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执
行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或
流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动
作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对
于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和
硬件结合的方式实现都是等价的。

[0117] 以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技
术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨
在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其
他普通技术人员能理解本文披露的各实施例。本公开的范围由所附权利要求来限定。