一种用于电眼图信号的多分辨率分析新方法

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：A New Multi-resolution Analysis Method for Electrooculography Signals

　　本文提出针对眼动信号（EOG）优化的多分辨率基函数，通过提取眨眼和眼球运动特征设计blinklets和saclets，有效提升降噪和眼动类型识别准确率，实验验证其优于传统小波方法。

　　

摘要：

眼电图（EOG）信号可以反映眼动的程度和方向，因此在眼动控制康复系统中具有广泛应用。然而，在EOG信号分析中，去除噪声以及准确识别眼动类型是主要挑战。目前最先进的技术基于多分辨率分析方法，使用小波基（如Haar或Daubechies小波）来处理EOG信号。但这些小波通常是为通用信号处理设计的，并未针对EOG信号的特点进行优化。在本文中，我们提出了一种专门用于EOG信号分析的新多分辨率基。该基的缩放函数和小波函数分别来源于眨眼和扫视的眼动特征，因此我们将其命名为“blinklet”和“saclet”，从而构成了一个新的多分辨率基。实验结果表明，与标准小波相比，这种新基在EOG信号处理、噪声去除以及识别不同类型的眼动（如扫视、眨眼、平滑追踪和注视）方面更为有效，这些实验是在Physiosig和Centre for Biomedical Cybernetics Eye Movement (CBC-EM)的EOG数据库上进行的。