基于HHT的脑电信号眼电伪差自动去除方法研究.pdf

第2 2 卷第6 期 2 0 0 8 年1 2 月 电子测量与仪器学报 J O U R N A LO FE L E C T R O N I CM E A S U R E M E N TA N DI N S T R U M E N T - ，D f 2 2 0 6 · 1 7 · 基于H H T 的脑电信号眼电伪差自动去除方法研究 汪彦龙1 2 沈民奋3 ，1叶中付1 ( 1 中国科学技术大学电子工程与信息科学系，合肥2 3 0 0 2 7 ；2 浙江传媒学院电子信息系，杭州3 1 0 0 1 8 ； 3 汕头大学广东省数字信号与图像处理技术重点实验室，汕头5 1 5 0 6 3 ) 摘要：眼电伪差的幅度远大于脑电信号的幅度，会严重影响对脑电信号分析，必须有效地去除。本文利用H i l b e r t H u a n g 变换的多分辨率分析特征，根据脑电信号中眼电伪差的时频特性，提出了根据固有模态函数统计特性确定阈值的H i l - b e r t - H u a n g 变换阈值眼电伪差去除方法。对受到眼电伪差干扰的脑电信号进行经验模式分解，利用H i l b e r t 变换计算不同固有 模态函数的瞬时频率，将瞬时频率小于3H z 固有模态函数的值置零，对瞬时频率小于1 6H z 的固有模态函数进行阈值处理。 利用处理后的固有模态函数重建脑电信号，实现眼电伪差的去除。实验结果表明该方法对去除脑电信号中的眼电伪差是非 常有效的，而且对脑电信号影响很小。 关键词：经验模式分解，多分辨率分析，瞬时频率，眼电伪差 中图分类号：T N 9 1 1 2 3文献标识码：A国家标准学科分类代码：5 1 0 4 0 3 0 A u t o m a t i cR e m o v a lo fO c u l a rA r t i f a c t sf r o mE E G u s i n gH i l b e r t H u a n gT r a n s f o r i l l W a n gY a n l o n 9 1 ，2 S h e nM i n f e n 3 ，1Y eZ h o n 加1 ( 1 D e p a r t m e n to fE l e c t r o n i cE n g i n e e r i n ga n dI n f o r m a t i o nS c i e n c e ，U n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g yo fC h i n a ，H e f e i2 3 0 0 2 7 ，C h i n a ； 2 D e p a r t m e n to fE l e c t r o n i ca n dI n f o r m a t i o nE n g i n e e r i n g ，Z h e j i a n gI n s t i t u t eo fC o m m u n i c a t i o na n dM e d i a ，H a n g z h o u3 1 0 0 1 8 ，C h i n a ； 3 K e yL a b o r a t o r yo fD i g i t MS i g n a l I m a g eP r o c e s s i n go fG u a n g d o n gP r o v i n c eS h a n t o uU n i v e r s i t y ，S h a n t o u5 1 5 0 6 3 ，C h i n a ) A b s t r a c t ：O c u l a ra r t i f a c t sw h o s ea m p l i t u d ei sm u c hl a r g e rt h a nE l e c t r o e n c e p h a l o g r a m ( E E G ) s o m e t i m e so b · s c u r et h es m a l l e ra m p l i t u d e u n d e r l y i n gb r a i n w a v ea c t i v i t y ，m a k i n gt h eb r a i n w a v ea c t i v i t yd i f f i c u l tt ob ei n s p e c t e d T h e r e f o r e ，t h eo c u l a ra r t i f a c t sm u s tb er e m o v e df r o mE E Ge f f e c t i v e l y A c c o r d i n gt ot h et i m e f r e q u e n c yp r o p e r t i e so f t h eo c u l a ra r t i f a c t s ，at h r e s h o l dm e t h o do fo c u l a ra r t i f a c t sr e m o v a lW a Sp r o p o s e d ，w h i c hi sb a s e do nt h ec h a r a c t e r i s t i c so fm u l t i r e s o l u t i o na n a l y s i so fH H Ta n dat h r e s h o l dv a l u ed e t e r m i n e db yt h es t a t i s t i c a lc h a r a c t e r i s t i c so fi n t r i n s i c m o d ef u n c t i o n F i r s t ，t h eE E Gc o n t a m i n a t e db yo c u l a ra r t i f a c t si sd e c o m p o s e di n t oi n t r i n s i cm o d ef u n c t i o n s T h e n t h ei n s t a n t a n e o u sf r e q u e n c yo fe a c hi n t r i n s i cm o d ef u n c t i o ni sc o m p u t e db yH i l b e r tt r a n s f o r mr e s p e c t i v e l y I fa l lt h e i n s t a n t a n e o u sf r e q u e n c i e so fa ni n t r i n s i cm o d ef u n c t i o na r el e s st h a n3H z ，t h e nt h ev a l u eo ft h ei n t r i n s i cm o d e f u n c t i o ni ss e tt oz e r o I fa l lt h ei n s t a n t a n e o u sf r e q u e n c i e so fa ni n t r i n s i cm o d ef u n c t i o na r el e s st h a n16H z ，t h e n t h ev a l u eo fi n t r i n s i cm o d ef u n c t i o n ，t h a ti sg r e a t e rt h a nat h r e s h o l d ，i ss e tt oz e r o C o m p u t i n gt h es u mo fa l li n t r i n s i cm o d ef u n c t i o n s ，w ec a no b t a i nc o r r e c t e dE E G E x p e r i m e n t a lr e s u l t ss h o wt h a tt h i sm e t h o di se f f e c t i v e ；c a nr e · m o v em o s to c u l a ra r t i f a c t si nE E Ga n do n l yd i s t o r tE E Gs l i g h t l y ，w a se f f e c t i v e K e y w o r d s ：e m p i r i c a lm o d ed e c o m p o s i t i o n ，m u l t i r e s o l u t i o na n a l y s i s ，i n s t a n t a n e o u sf r e q u e n c y ，o c u l a ra r t i f a c t s 引言 脑电图( E E G ) 是由头皮电极记录的脑神经细 胞电生理活动，它包含了大量的生理和病理信息，对 本文于2 0 0 7 年1 2 月收到。 于临床诊断与生理研究具有重要意义。但E E G 信 号具有非平稳性，且十分微弱，其幅值通常在2 0 5 0 斗V ，极易受到肌电( E M G ) 、眼电( E O G ) 、心电 ( E C G ) 等伪差信号干扰，这些伪差往往掩盖正常或 病理特征E E G 信号，影响，对E E G 信号的分析，也 万方数据 · 1 8 电子测量与仪器学报 2 0 0 8 链 可能导致临床上的误诊。各种伪差当中，由眨眼 和眼球转动造成的眼电伪差( O A ) 的幅度通常是 m V 级的，对E E G 信号影响比其它伪差大得多，因此 必须有效地去除E E G 中的眼电伪差。通过让患者 在E E G 记录过程中不眨眼或不转动眼球来减少眼 电伪差的方法在很多情况下是不可行的。如癫痫病 人的脑电监测，癫痫发作时病人根本无法控制自己， 不可避免的产生眨眼和眼动伪差。近年来人们对脑 电信号中眼电伪差去除方法进行了大量的研究，提 出了各种各样的处理方法。 H i l b e r t H u a n g 变换( H H T ) 是由美国华裔科学 家H u a n g 等人心1 于1 9 9 8 年提出的非线性和非平稳 信号处理方法。该方法利用经验模态分解( E m p i r i - c a lm o d ed e c o m p o s i t i o n ，E M D ) 将信号用固有模态函 数( I n t r i n s i cm o d ef u n c t i o n ，I M F ) 展开，展开后的每个 模态、瞬时频率都具有了实际的物理意义。它具有 完整性和近乎正交性，且E M D 并未假设I M F 的谐 波属性，因此在处理非线性信号时，与傅立叶或小波 分解相比需要的模式更少；与基于小波分解的方法 相比较，其具有小波变换多分辨率分析的特征，但解 决了分析非平稳信号时小波基函数选取的问题。而 且由固有模态函数得到的瞬时频率不受时频分辨率 不确定性原理限制，而其它的时频分析方法却受到 该原理的限制。因此H H T 是一种真正意义上的时 频分析方法，非常适合非线性和非平稳信号的处理。 目前已经在生物医学、机械工程等领域获得成功的 应用3 4 | 。 本文将H H T 方法用于脑电信号中眼电伪差处 理，利用H H T 的多分辨率分析特征，提出了根据I M F 的统计特性确定阈值的H i l b e a - H u a n g 变换阈值O A 去除方法。通过实验验证了该方法的有效性。 2 H H T 方法原理 H H T 变换是利用经验模式分解和H i l b e r t 变换 实现对信号进行处理的一种时频分析方法。H H T 利用E M D 方法将复杂信号分解为有限个I M F 。I M F 满足以下2 个条件：1 ) 极值点和过零点数目必须相 等或至多相差l ；2 ) 局部极大值所确定上包络与极 小值所确定下包络的平均值为零。H H T 利用H i l b e r t 变换求得到瞬时频率。即对信号菇( t ) 作H i b e r t 变换得到信号的解析形式： z ( ) = 茗( ) + j Y ( t ) = 口( t ) e 徊¨ ( 1 ) 式中：y ( t ) = 日 石( c ) = 告，鍪等dz 为菇( t ) 的 H i l b e r t 变换。 解析信号瞬时幅值函数为 a ( t ) = 石2 ( t ) + y 2 ( z ) ( 2 ) 瞬时相位函数为： o ( t ) 一a r c t a n ( 措) ( 3 ) 对瞬时相位函数求导得瞬时频率为 f ( t ) = 磊1 警 ( 4 ) 由上式得到的瞬时频率只有对I M F 才有物理 意义。为了求得瞬时频率首先将信号分解成I M F 的和。为此H u a n g 等人心1 提出了经验模式分解方 法实现信号I M F 抽取，这是一种经验筛选( s h i f t i n g ) 法，其筛选过程如下： 1 ) 求出信号戈( t ) 的局部极大值和极小值，利用 3 次样条插值分别构成信号的上、下包络求出其平 均值m ( ) ； 2 ) 计算戈( t ) 与m ( t ) 的差：石( t ) 一m ( t ) = h ( t ) ； 3 ) 将h ( t ) 看作新的菇( t ) ，重复以上操作直到h ( ) 满足I M F 条件，记为：c 。( t ) = h ( t ) ； 4 ) 从石( t ) 中减去C 。( t ) 得到r ( t ) ，将r ( t ) 看作 新的戈( t ) ，重复以上过程，依次得到第2 个I M Fc ： ( t ) ，第3 个I M F c ，( t ) ，直到C 。( t ) 或r ( t ) 满足 给定的终止条件或r ( t ) 变成一单调函数为止； 5 ) 于是得到信号石( ) 分解为： 算( t ) = C i ( t ) + r 。( ) ( 5 ) 对式( 5 ) 中的每个I M F 作H i l b e r t 变换，利用公 式( 2 ) 一( 4 ) 可得： 石( ) = R e ( a i ( f ) ej o i ( t ) ) = ”1 ( 6 ) R e ( a i ( f ) e 州I - ”山) 式中略去了k ( t ) ，因其对信号的频率无贡献，R e 表 示取实部。式( 6 ) 称为信号的H i l b e r t 幅度谱记为： ( c o ，) = R e ( a i ( ) e 帅”山) ( 7 ) 每个I M F 的瞬时频率Z ( t ) 可用下式求得： 肌) = 掣 ( 8 ) 以上的E M D 和其对应的H i l b e r t 谱统称为H H T 。 万方数据 第6 期 基于H H T 的脑电信号眼电伪差自动去除方法研究 1 9 · H H T 能得到每个I M F 的幅值和频率随时间的变化 关系，这为信号的分离提供了重要的依据。 3 H H T 的多尺度滤波和E M D 阈 值去噪 3 1H H T 的多尺度滤波 H H T 利用E M D 可将脑电信号分解为高频到低 频模态分量，与小波分解层数相似，每个模态分量对 应不同的特征尺度。这说明E M D 与小波变换一样 具有尺度滤波特性5 。6 1 。 对于一个含有n 个I M F 成分的低通尺度滤波 器可以表示为： 石。( t ) = C i ( ) + r 。( ) ( 9 ) 高通尺度滤波器可以表示为 k X H ( z ) = C i ( f ) ( 1 0 ) 带通尺度滤波器可以表示为 石B ( t ) = C i ( t ) l h ，I ( 1 1 ) 因此，可先对脑电信号进行高通尺度滤波将能 量集中在3H z 以下的低频眼电伪差去掉。 3 2E M D 阈值去噪 设信号的噪声模型为：菇( t ) = s ( t ) + n ( t ) ，其中 s ( ) 为信号，n ( ) 为噪声。基于E M D 的阈值去噪方 法基本思想是¨J ： 利用( 5 ) 式对菇( t ) 进行分解，式( 5 ) 各分量c i ( t ) 是含噪声的I M F 。 对C i ( t ) 进行阈值处理得到不含噪声I M F g i ( t ) 的估计值敢t ) 色( t ) = T H c i ( t ) ，乞i 】i = 1 ，2 ，n ( 1 2 ) 式中：参数乞i 为阈值，【c i ( t ) ，艺i 】为阈值处理函 数，实现对信号c i ( t ) 的阈值处理。 去噪后的信号为： n ，( ) = 萝( t ) + r n ( ) ( 1 3 ) 可见基于E M D 的阈值处理方法的关键在于：正 确选择阈值处理函数T H 【c i ( t ) ，乞。】，合理选取阈 值乞i 。常用的阈值处理函数有硬阈值处理和软阈值 处理，文献 8 中D o n o h o 等人提出通用的阈值选取 方法具有很好的普适性。但这些方法直接用于去除 脑电信号中眼电伪差的效果并不能令人满意。 因此，我们根据I M F 的统计特性和眼电伪差幅 度大的特点，提出了如下确定阈值的公式和阈值处 理函数： 乞j = m e a n ( M i ) + s t d ( M i )( 1 4 ) 式中：i 为E M D 分解层数，M i 为第i 个I M F 各个极 值的绝对值。m e a n 对M i 求平均值，s t d 对肘i 求标 准差。 酬叭训制乱，糍端：( 1 5 ， 4 基于H H T 的脑电信号眼电伪 差处理 4 1 癫痫脑电信号及眼电伪差特点 脑电信号的频率范围在0 一“H z 之间，一般包 括5 种基本节律8 - 波( 1 4H z ) ，O - 波( 4 8H z ) ， a 一波( 8 1 3H z ) ，p 一波( 1 6 3 0H z ) 和1 - 波( 3 0H z 以上) 。处于清醒状态健康人的脑电以( I t - 波和B 一波 为主。癫痫源性病灶脑神经元异样放电产生的癫痫 脑电一般为呈棘波形状的0 节律。眼电伪差是由眼 球转动或眨眼产生的电生理信号在头皮上传播混入 头皮电极产生的一种伪差，其特点是波幅很高，频率 一般在0 1 6H z ，能量主要集中在低频段一J 。可以 看出眼电伪差与正常脑电信号和癫痫脑电信号在频 率上相重叠，很难用简单的频域滤波方法去除。 4 2 基于H H T 的眼电伪去除差方法 根据眼电伪差信号的时频特性，基于H H T 的眼 电伪差去除方法如下： 1 ) 对含有眼电伪差的脑电信号进行E M D 得到 各层的I M F ； 2 ) 计算每个I M F 的瞬时频率，利用高通尺度滤 波滤除3H z 以下的频率成分； 童( t ) = c i ( t ) = 0i r a ( t ) 3( 1 6 ) 式中Z ( t ) 为I M F 瞬时频率。 3 ) 计算每个I M F 的瞬时频率，对瞬时频率小于 1 6H z 的I M F 利用式( 1 4 ) 和( 1 5 ) 进行阈值处理； 4 ) 利用经高通尺度滤波和E M D 阈值处理后的 I M F 重建信号茗( t ) ，即得到去除眼电伪差的脑电信 号文t ) 。 “t ) = 色( t ) ( 1 7 ) 万方数据 · 2 0 · 电子测量与仪器学报 2 0 0 8 定 5 实验结果 为了验证上述去除脑电中眼电伪差方法的有效 性，利用癫痫病人临床监测脑电数据进行了测试实 验。由于眼电信号在头皮上传播其幅度迅速衰减， 其主要对F P 一1 、F P 一2 、F 7 和F 84 个电极采集的脑 电信号产生干扰。所以仅需对上述4 个电极采集的 脑电信号去除眼电干扰。实验采用G e r m d n 提供的 癫痫脑电数据，该脑电数据采自按国际1 0 2 0 系统 放置的2 1 个头皮电极( 在颞区增加2 个电极T l 和 眩) ，采样率为2 5 0H z l l O 。图1 显示了时长为1 0 秒，采自F P l 、F P 一2 、F 7 和F 84 个电极的脑电数 据。从图中可以看出F P 一1 和F P 一2 电极脑电信 号中含有明显的眼电干扰。 屯。, l o 甜。匝星匹丑亚 l0 0r 臣0 卜 洲帅' w 忡p 机蚋叫训¨州M 舳帕“ 中叫 ' T 1o ：；0 0 匝三互亟羽 l0 0 厂 譬0 ¨神州_ 壮_ 一肿州“怕九州讪n 岍叫 I , l “ l ' B q s 图1含眼电伪差脑电信号 F i g 1 E E Gc o n t a m i n a t e db yO A 实验利用本文的算法对图1 中F P 一2 电极上脑 电信号进行眼电伪差去除处理，验证该算法的有效 性。其它电极上脑电信号处理方法相同，不再赘述。 根据本文中第2 部分的讨论，首先对F P 一2 电 极上脑电数据进行E M D 分解，得到8 个不同的 I M F ，其波形如图2 所示。从图中可以看出眼电伪 差信号主要分布在I M Fc 3 、c 4 和c 5 中。利用式 ( 1 0 ) 对脑电数据进行高通尺度滤波，去掉能量集中 在3H z 以下的低频眼电伪差。对瞬时频率小于 1 6H z 的I M F ，按照式( 1 4 ) 和( 1 5 ) 进行阈值处理。 利用高通尺度滤波和阈值处理后的I M F 按照式 ( 1 7 ) 重建脑电信号，完成脑电信号眼电伪差的去 除。图3 显示了去除眼电伪差前后F P 一2 电极上脑 电信号的对比结果，可以看出本文算法有效的去除 了眼电伪差干扰，同时很好地保留了各种脑电活动， 对脑电波形影响很小。图4 给出了去除眼电伪差前 后F P 一2 电极上脑电信号功率谱，也反映出低频的 眼电伪差被有效的抑制，而对频率较高的脑电信号 影响很J 、。 “ 高黜1o o 匝三玉三亟三互圈 乏一5 8 巴= = = = = ! = ! = = ! 型 鬯一5 0 0 匕= = ! ! = 竺= = 竺= = = ! = 型 宅一嚣匝三巫三三叵玛 芑一餮匝三巫三三匹豆至| 。一引0 5 0 巨三至三三巫三三习 峄r 一、，、，、v 、， - ，、一、， 、。1；：J 毛5 0 0 F=了孓=天碉5。0I：J 它5 0 0F = = = = = = = = = 刁毫卜，、_ ，、，。、一1 鬯一5 。0 5 0E 三三三三三| 等卜一 、l二一 一2 5E 三三三三三三三三| 024681 0 l l , - j l ' 口q s 图2F P 2 电极脑电信号的固有模函数展开 F 塘2I M F se x p a n s i o n so fE E Gf r o mF P 2 钆l 崩O O 区三堕丑珥 “1 0 0 1 0 0 ，叵蔓三三圈。I：-ILJLJ o 2 46 81 0 1 , l f f i s 图3眼电伪差去除前后脑电信号 F i g 3 C o r r e c tE E Ga n dc o n t a m i n a t e dE E G 图4眼电伪差去除前后脑电信号功率谱比较 F i g 4C o m p a r i s o no fp o w e rs p e c t r ab e t w e e n c o r r e c tE E Ga n dc o n t a m i n a t e dE E G 万方数据 第6 期 基于H I - I T 的脑电信号眼电伪差自动去除方法研究 6 结论 本文介绍了基于H H T 和阈值处理方法的脑电 信号中眼电伪差处理。利用H H T 的多分辨率分析 特征，提出了根据I M F 的统计特性确定阈值的希尔 伯特一黄变换阈值O A 去除方法。利用该方法实现 了脑电信号中眼电伪差去除，取得了很好的效果。 由于H H T 本身具有非常好的时频局部特性适 于非线性非平稳信号的处理，而生物电信号一般是 典型的非平稳信号，所以H H T 将会在生物医学信号 处理领域得到越来越广泛的应用。 参考文献： 1 万柏坤，朱欣，杨春梅，等I C A 去除E E G 中眼动伪差 和工频干扰方法研究 J 电子学报，2 0 0 3 ，3 1 ( 1 0 ) ： 1 5 7 1 1 5 7 4 W A NBK ，Z H UX ，Y A N GC HM ，e ta 1 S t u d yO i la p - p 1 ) r i n gi n d e p e n d e n tc o m p o n e n ta n a l y s i s t or e m o v eb l i n k a r t i f a c t sa n dp o w e rn o i s ei nE E G J A c t aE l e e t r o n i c a S i n i c a ，2 0 0 3 ，3 1 ( 1 0 ) ：1 5 7 1 1 5 7 4 2 H U A N GNE ，S H E N Z ，L O N GS1 LT h ee m p i r i c a lm o d e d e c o m p o s i t i o na n dt h eH i l b e r ts p e c t r u mf o rn o n l i n e a ra n d n o n s t a t i o n a r yt i m es e r i e sa n a l y s i s A P r o c e e d i n g so f t h eR o y a lS o c i e t yo fL o n d o n C L o n d o n ，1 9 9 8 ，4 5 4 ： 8 9 9 9 9 5 3 宋立新，王祁基于H i l b e a H u a n g 变换的E C G 信号降 噪方法 J 传感技术学报，2 0 0 6 ，1 9 ( 6 ) ：2 5 7 8 2 5 8 1 S O N GLX ，W A N GQ E C Gs i g n a ln o i s er e d u c t i o nu s i n g H i l b e r t ·H u a n gt r a n s f o r m J C h i n e s eJ o u r n a lo fS e n s o r s a n dA c t u a t o r s ，2 0 0 6 ，1 9 ( 6 ) ：2 5 7 8 2 5 8 1 4 Y A NR ，G A ORH i l b e r t - H u a n gt r a n s f o r m b a s e dv i b r a t i o n s i g n a la n a l y s i sf o rm a c h i n eh e a l t hm o n i t o r i n g J I E E E T r a n s a c t i o n so i lI n s t r u m e n t a t i o na n dM e a s u r e m e n t ，2 0 0 6 ， 5 5 ( 6 ) ：2 3 2 0 2 3 2 9 5 F L A N D R I NP ，R I L L I N GG ，G O N C A L V E SP E m p i r i c a l m o d ed e c o m p o s i t i o na saf i l t e rb a n k J I E E ES i g n a l P r o c e s s i n gL e t t e r s ，2 0 0 4 ，1 1 ( 2 ) ：1 1 2 1 1 4 6 孙斌，张宏建基于H H T 的两相流动态信号提取与滤 波的研究 J 传感技术学报，2 0 0 7 ，2 0 ( 4 ) ：8 6 2 8 6 5 S U NB Z H A N GHJ R e s e a r c ho ne x t r a c ta n df i l t e ro f d y n a m i cs i g n a lo ft w o - p h a s ef l o wb a s e do nH H T J C h i - n e s eJ o u r n a lo f S e n s o r sa n dA c t u a t o r s ，2 0 0 7 。2 0 ( 4 ) ：8 6 2 8 6 5 7 B O U D R A A AO ，C E X U SJC ，S A I D IZ E M D - B a s e d S i g n a lN o i s eR e d u c t i o n J I n t e r n a t i o n a lJ o u m a lo fS i g n a lP r o c e s s i n g ，2 0 0 4 ，l ：3 3 3 6 8 D O N O H ODLD e n o i s i n gb ys o f t ，t h r e s h o l d i n g J I E E ET r a n s a c t i o n sO nI n f o r m a t i o nT h e o r y ，1 9 9 5 ，4 1 ( 3 ) ：6 1 3 6 2 7 9 K R I S H N A V E N IV ，J A Y A R A M A NS ，A R A V I N DS e t a 1 A u t o m a t i ci d e n t i f i c a t i o na n dr e m o v a lo fo c u l a ra r t i f a c t sf r o mE E Gu s i n gw a v e l e tt r a n s f o r m J M e a s u r e · m e n tS c i e n c eR e v i e w ，2 0 0 6 ，6 ( 4 ) ：4 5 5 7 1 0 G E R M A NGH ，D EC L E R C QW ，H A R O O NA ，e ta 1 A u t o m a t i cr e m o v a lo fo c u l a ra r t i f a c t si nt h eE E Gw i t h o u t a nE O Gr e f e r e n c ec h a n n e l c P r o c e e d i n g so ft h e7 t h N o r d i cS i g n a lP r o c e s s i n gS y m p o s i u m ，R e y k j a v i k ，I c e l a n d 2 0 0 6 ：1 3 0 1 3 3 作者简介： 汪彦龙：1 9 7 1 年出生，浙江传媒学院讲师。现为中国科 学技术大学在职博士研究生，主要研究方向为生物医学信号 处理。 E m a i l ：l e n i n m a i lu s t c e d u c n W a n gY a n l o n gW a sb o r ni n1 9 71 ，i sal e c t u r e ro fZ h o i a n g I n s t i t u t eo fC o r n m u n i c a t i o na n dM e d i aa n dad o c t o rc a n d i d a t ei n U n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g yo fC h i n a ，m a j o r si nb i o - m e d i c a ls i g n a lp r o c e s s i n g 万方数据