Details

Цель данной работы – исследовать и продемонстрировать эффективность современных методов обработки сигналов для повышения качества электроэнцефалограмм (ЭЭГ), с особым акцентом на устранение шумов. В исследовании используется структурированный подход, включающий предварительную обработку и удаление артефактов, подавление шумов с помощью алгоритма Relative Intersection of Confidence Intervals (RICI), частотно-временной анализ посредством сглаженного псевдо-распределения Вигнера-Вилля (SPWVD, Smoothed Pseudo Wigner-Ville Distribution), а также оценку сложности сигнала через кратковременную энтропию Реньи. Результаты исследования показывают, что комбинация метода RICI с энтропийными мерами создает надежную основу для анализа ЭЭГ, повышая точность детектирования и открывая новые возможности для практического применения в интерфейсах "мозг-компьютер" (BCI, Brain-computer Interface) и клинической диагностике. В дальнейшем эти методы можно расширить для анализа одиночных trials ЭЭГ и сравнить с альтернативными подходами к шумоподавлению.

The aim of this work is to investigate and demonstrate the effectiveness of advanced signal processing techniques for enhancing the quality of electroencephalography (EEG) signals, with a specific focus on denoising. The study employs a structured pipeline involving preprocessing and artifact removal, denoising using the Relative Intersection of Confidence Intervals (RICI) algorithm, time-frequency analysis via the Smoothed Pseudo-Wigner-Ville Distribution (SPWVD), and signal complexity assessment through short-term Rényi entropy. The result of study concludes that combining RICI denoising with entropy-based measures provides a robust framework for EEG analysis, improving detection accuracy and offering insights for real-world BCI and clinical applications. Future work could extend these methods to single-trial EEG analysis and compare them with alternative denoising techniques.

• Список аббревиатур, сокращений и обозначений
• Введение
• Глава 1. Методы предварительной обработки и фильтрации сигналов ЭЭГ
• 1.1. Удаление артефактов
  • 1.1.1. Гибридные методы
  • 1.1.2. Предотвращение артефактов [2]
  • 1.1.3. Удаление сетевых помех [1]
  • 1.1.4. Анализ независимых компонент
  • 1.1.5. Линейный адаптивный фильтр [2]
  • 1.1.6. Байесовские фильтры [5]
  • 1.1.7. Фильтр на основе метода Коши [2]
  • 1.1.8. Слепое разделение источников [5]
• 1.2. Фильтрация
  • 1.2.1. Низкочастотный фильтр [3]
  • 1.2.2. Высокочастотный фильтр [3]
  • 1.2.3. Полосовой фильтр [3]
  • 1.2.4. Заграждающий фильтр [3]
• 1.3. Выводы
• Глава 2. Методы и материалы
• 2.1. Описание набора данных
• 2.2. Подавление шума с помощью алгоритма RICI (Относительное пересечение доверительных интервалов)
• 2.3. Временно-частотное представление с помощью сглаженного распределения Псевдо-Вигнера–Вилля
• 2.4. Анализ сложности сигнала с использованием кратковременной энтропии Реньи
• 2.5. Выводы
• Глава 3. Результаты и обсуждение
• 3.1. Оценка эффективности шумоподавления RICI
• 3.2. Анализ во временной, частотно-временной областях и энтропии (после RICI)
• 3.3. Выводы
• Заключение
• Список использованных источников