TY -的A2 -莫拉莱斯,拉斐尔盟——刘Qingze盟——刘航盟——张、徐AU -陈,香非盟-钱,Ruobing盟——陈,荀PY - 2019 DA - 2019/12/31 TI -删除EMG工件使用组合从多通道脑电图信号奇异谱分析和典型相关分析SP - 4159676六世- 2019 AB -收集从人类头皮脑电图(EEG)信号通常是由不同污染的工件,例如肌电图(EMG)、眼电图(小城镇)和心电图(ECG)工件。肌肉尤其难以消除工件中各种构件由于其复杂性。目前,一些研究人员已经证明的优越性结合单通道分解算法和盲源分离(BSS)多通道脑电图记录无肌电图污染。在我们的研究中,我们提出了一个新颖的和有效的方法来完成肌肉工件从脑电图利用奇异谱分析的结合(SSA)和典型相关分析(CCA),命名为SSA-CCA。与传统的单通道分解方法不同,例如,集成经验模态分解(EEMD), SSA算法是一种基于多元统计原理的技术。我们建议的方法可以利用SSA以及横跨海峡的信息。semisimulated SSA-CCA性能的评价和真实数据。结果表明,该方法优于最先进的技术,EEMD-CCA,和经典的技术,CCA,多通道情况下。SN - 2040 - 2295 UR - https://doi.org/10.1155/2019/4159676 - 10.1155 / 2019/4159676摩根富林明医疗工程PB - Hindawi KW - ER