- LỌC THÍCH NGHI CHO TÍN HIỆU ĐIỆN NÃO. - Lọc thích nghi dựa trên RLSE, lọc hạ thông, lọc wavelet. - Tín hiệu điện não đo được bị ảnh hưởng bởi nhiều nguồn nhiễu khác nhau và cần được loại bỏ để có được tín hiệu điện não sạch. - Phần lớn các nghiên cứu đã thực hiện việc lọc tín hiệu điện não dựa trên các giải thuật lọc như: lọc hạ thông, wavelet, ICA (independent component analysis)… Tuy nhiên, lọc hạ thông sẽ kém hiệu quả khi nguồn nhiễu biến thiên. - Do đó, trong nghiên cứu này, một giải thuật lọc thích nghi dựa trên ước lượng bình phương tối thiểu hồi qui RLSE (recursive least squares estimation) để loại bỏ nhiễu cho tín hiệu điện não EEG (electroencephalography) được sử dụng.. - Trước tiên, tín hiệu EEG mô phỏng và nhiễu biết trước được trộn với nhau. - Giải thuật lọc thích nghi dựa trên RLSE được dùng để lọc nhiễu và dựng lại tín hiệu EEG đã mô phỏng. - Sau đó, giải thuật này được áp dụng để lọc nhiễu cho tín hiệu EEG thực được đo từ thiết bị đo điện não EPOC (Emotiv). - Kết quả đạt được của giải thuật lọc thích nghi dựa trên RLSE được so sánh với giải thuật lọc hạ thông và lọc wavelet. - Kết quả nghiên cứu cho thấy giải thuật lọc thích nghi dựa trên RLSE cho kết quả lọc nhiễu tốt hơn so với lọc hạ thông và lọc wavelet. - Đặc biệt, giải thuật lọc thích nghi dựa trên RLSE có thể áp dụng lọc thích nghi tín hiệu EEG trong thời gian thực trong khi lọc wavelet là không thể.. - Lọc thích nghi cho tín hiệu điện não dựa trên ước lượng bình phương tối thiểu hồi qui. - Từ khi sự tồn tại của tín hiệu điện não được công bố năm 1924 bởi Hans Berger, một bác sĩ người Đức (Haas, 2003), rất nhiều nhà khoa học đã bắt tay vào nghiên cứu về nó. - Các bản ghi của những tín hiệu điện não được gọi là EEG (electroencephalography). - Tuy nhiên, các tín hiệu EEG thu được lúc bấy giờ bị ảnh hưởng rất nhiều bởi nhiễu, do cấu trúc phần cứng và do các hoạt động của cơ mặt, hoạt động của mắt, nhịp thở, nhịp tim…Các nhà khoa học đã và đang tìm cách loại bỏ những tín hiệu không mong muốn để cải thiện kết quả EEG thu được, giúp cho việc chẩn đoán các bệnh liên quan đến não nhanh chóng và chính xác hơn. - Để đáp ứng được các ứng dụng trong thời gian thực, các nhà nghiên cứu đã sử dụng phương pháp lọc thích nghi để loại bỏ nhiễu EOG trong tín hiệu EEG (He et al., 2004). - nhiễu EOG ra khỏi tín hiệu EEG, nhưng không đề cập đến việc loại nhiễu tần số thấp như: nhiễu trắng, nhiễu do nhịp tim, nhịp thở và nhiễu do áp suất máu.. - Trong nghiên cứu hiện tại, một giải thuật lọc thích nghi dựa trên ước lượng bình phương tối thiểu hồi qui RLSE (recursive least squares estimation) được sử dụng để loại bỏ nhiễu nhịp tim, nhiễu nhịp thở và nhiễu do áp suất máu trong tín hiệu EEG.. - Để có cơ sở đánh giá giải thuật lọc thích nghi dựa trên RLSE so với bộ lọc truyền thống hạ thông và bộ lọc wavelet được sử dụng trong nghiên cứu này, tác giả đã sử dụng thiết bị và các phương pháp dưới đây.. - 2.1 Thiết bị và thí nghiệm đo tín hiệu điện não. - 2.1.1 Thiết bị đo tín hiệu điện não. - Đây là một thiết bị cảm biến gọn nhẹ, gồm 14 điện cực đo tín hiệu và 2 điện cực tham chiếu với tần số lấy mẫu là 128 Hz. - Thiết bị phân tích và xử lý tín hiệu não bộ thu được từ vỏ não giúp người dùng giao tiếp và tương tác với máy tính. - 2.1.2 Thí nghiệm đo tín hiệu điện não. - Tín hiệu EEG thực được lấy mẫu thông qua thiết bị EPOC và kết hợp với gói phần mềm (epoc simulink EEG importer) do chính nhà sản xuất cung cấp. - EPOC được kết nối với phần mềm Matlab để thu thập dữ liệu điện não dưới dạng tập tin *.mat.. - Do đó, cần hạn chế tối đa các loại nhiễu khác xuất hiện trong tín hiệu EEG thu được. - Đối tượng thí nghiệm tuân thủ theo kịch bản tương tự như quá trình mô phỏng tín hiệu EEG. - Số lần thực hiện thí nghiệm, hay chính là số mẫu tín hiệu EEG ở kênh O2 là 13. - Để cho quá trình lấy mẫu được thuận lợi và mẫu tín hiệu đạt yêu cầu, thí nghiệm cần được. - 2.2 Tín hiệu não đo được từ EPOC. - Hình 2 trình bày hình dạng tín hiệu EEG đo được thực tế tại kênh O2 khi sử dụng thiết bị EPOC. - Để biết các loại nhiễu có thể ảnh hưởng lên tín hiệu điện não, phổ tần số của tín hiệu này được tính và trình bày ở Hình 3.. - Hình 2: Tín hiệu EEG kênh O2 thu được từ EPOC. - Hình 3: Phổ tần số của tín hiệu EEG được trình bày ở Hình 2 Nhịp tim (1 Hz), hoạt động hô hấp (0,25 Hz) và. - Tín hiệu EEG của kênh O2 thu được từ thiết bị EPOC cũng bị ảnh hưởng của các loại nhiễu như đã được đề cập: nhiễu do hoạt động của tim (0,75 Hz – 1,2 Hz), nhiễu do nhịp thở (0,25 Hz – 0,5 Hz), nhiễu do áp suất máu (0,1 Hz – 0,15 Hz). - Tín hiệu hoạt động của não nằm trong khoảng 0,03 Hz.. - 2.3 Phương pháp lọc tín hiệu điện não 2.3.1 Lọc hạ thông. - Tín hiệu điện não thu được thường có tần số thấp. - Do đó, những thành phần không phải là tín hiệu điện não sẽ bị loại bỏ. - Vì vậy, bộ lọc hạ thông. - rất hữu ích trong việc lọc nhiễu cho tín hiệu điện não. - Tín hiệu điện não sẽ được đưa qua bộ lọc hạ thông để những thành phần có tần số cao hơn tần số cắt bị loại bỏ (các thành phần này được cho là nhiễu). - Tần số cắt này được chọn dựa theo các nghiên cứu về những đặc trưng của tín hiệu EEG hoặc những ứng dụng của tín hiệu này sau khi lọc.. - Lọc wavelet thực chất là phương pháp sử dụng biến đổi wavelet để phân tích tín hiệu thành các thành phần khác nhau, từ đó có thể thu được tín hiệu. - Ý tưởng cơ bản của biến đổi wavelet trong xử lý tín hiệu là phân tích giống như biến đổi Fourier: một tín hiệu có thể được phân tích thành các thành phần cơ bản dựa trên các hàm cơ bản. - Hàm tỷ lệ trong biến đổi wavelet được dùng để lấy thông tin tổng quát của tín hiệu trong khi đó các hàm wavelet mẹ được dùng để lấy thông tin chi tiết của tín hiệu.. - 2.3.3 Lọc thích nghi dựa trên RLSE. - Hình 4 trình bày sơ đồ khối tổng quát của giải thuật lọc thích nghi dựa trên RLSE. - Trong thực tế, sự xuất hiện của nhiễu là không biết trước, dẫn đến tín hiệu sau khi lọc xuất hiện những sai khác so với tín hiệu mong muốn. - Hình 4: Mô hình lọc thích nghi dựa trên RLSE (Soderstrom and Stoica, 1989). - Đặc trưng của tín hiệu điện não là thay đổi theo thời gian, do đó tín hiệu điện não 𝑦 𝑡 được mô tả bởi:. - 2.4 Mô phỏng tín hiệu nhiễu và tín hiệu điện não. - 2.4.1 Mô phỏng tín hiệu nhiễu. - Mô hình toán của các loại nhiễu cơ bản trong tín hiệu EEG được đề cập đến trong nghiên cứu của (Zhang et al., 2007) như sau:. - Mô hình tín hiệu nhiễu nhịp thở:. - Mô hình tín hiệu nhiễu nhịp tim:. - Mô hình tín hiệu nhiễu áp suất máu:. - Ngoài ra, còn có sự ảnh hưởng của nhiễu trắng đối với tín hiệu EEG.. - 2.4.2 Mô phỏng tín hiệu điện não. - Để chứng minh tính khả thi của giải thuật đề nghị, trước hết tín hiệu điện não được mô phỏng bằng mô hình toán HRF (Lindquist, 2008).. - Trong đó : 𝛼 6, 𝛼 16, 𝛽 𝛽 1 và 𝑐 , A được gọi là biên độ của tín hiệu điện não,. - 𝛼 và 𝛽 quyết định đến dạng sóng của tín hiệu điện não, c là giá trị liên quan đến phần vượt âm (undershoot) của tín hiệu điện não.. - Tín hiệu điện não ở trạng thái kích hoạt (active) nếu có sự kiện (hàm kích thích) tác động. - Sau khi tiến hành mô phỏng trên Matlab, tín hiệu điện não mô phỏng được trình bày ở Hình 5. - Tín hiệu này được xem như tín hiệu điện não biết trước và không có nhiễu can thiệp.. - Hình 5: Tín hiệu điện não mô phỏng dựa trên phương trình (7) Tín hiệu điện não này được trộn với các tín hiệu. - áp suất máu bằng cách sử dụng các mô hình toán được trình bày ở các phương trình (4-6) và tín hiệu điện não có nhiễu được trình bày ở Hình 6.. - Hình 6: Tín hiệu điện não mô phỏng sau khi được trộn với các thành phần nhiễu 2.5 Lọc thích nghi tín hiệu điện não dựa. - Giải thuật lọc thích nghi dựa trên RLSE được dùng để lọc tín hiệu điện não sau khi đã trộn nhiễu với hệ số quên. - Kết quả sau khi lọc nhiễu bằng phương pháp lọc thích nghi dựa trên RLSE được trình bày ở Hình. - Trong đó, đường tín hiệu đậm nét. - chính là tín hiệu điện não gốc (không có nhiễu), đường. - là tín hiệu điện não sau khi trộn các thành phần nhiễu. - Và cuối cùng, đường liền nét là tín hiệu lọc được bằng bộ lọc thích nghi dựa trên giải thuật RLSE. - Kết quả Hình 7 cho thấy, bộ lọc thích nghi dựa trên RLSE có thể loại bỏ được nhiễu đã trộn vào một cách hiệu quả.. - Hình 7: Tín hiệu điện não trước và sau khi lọc bằng bộ lọc thích nghi dựa trên RLSE 2.6 Đánh giá chất lượng bộ lọc. - Để đánh giá chất lượng các bộ lọc, công suất tín hiệu trên nhiễu SNR dB (signal to noise ratio) được tính toán như công thức (8).. - 𝑆𝑁𝑅 10 log (8) Trong đó, P signal là công suất của tín hiệu và P noise. - Để xác định P noise trong tín hiệu điện não thực tế đòi hỏi phải sử dụng các thiết bị đo đắt tiền. - Trong nghiên cứu này, tác giả chỉ muốn so sánh hiệu quả giữa các bộ lọc nên giả sử rằng công suất nhiễu trong tín hiệu điện não không đổi.. - Các bộ lọc hạ thông, wavelet và lọc thích nghi dựa trên RLSE được so sánh dựa trên kết quả tính toán SNR dB được trình bày ở công thức (8).. - 3 KẾT QUẢ VÀ THẢO LUẬN 3.1 Lọc thích nghi dựa trên RLSE. - Dựa vào biên dạng và các đặc điểm tần số của tín hiệu EEG, mẫu tín hiệu thu được từ thí nghiệm đang bị ảnh hưởng bởi nhiễu trắng và các loại nhiễu khác như nhịp tim, nhịp thở,… Giải thuật lọc thích nghi đã đề nghị được áp dụng để lọc các mẫu tín hiệu EEG. - Hình 8: Tín hiệu điện não trước và sau khi sử dụng bộ lọc thích nghi dựa trên RLSE 3.2 Lọc hạ thông. - Do đã dự đoán được hầu hết tần số của các loại nhiễu ảnh hưởng đến tín hiệu EEG (Hình 9), nên. - Hình 9: Tín hiệu điện não trước và sau khi sử dụng bộ lọc hạ thông Bộ lọc hạ thông có thể lọc được nhiễu trong mẫu. - tín hiệu EEG, tuy nhiên để so sánh với bộ lọc thích nghi đề nghị và các bộ lọc khác thì chỉ số 𝑆𝑁𝑅 cần được tính toán.. - Tương tự, bộ lọc wavelet cũng đã lọc được các loại nhiễu có trong mẫu tín hiệu EEG (Hình 10). - Hình 10: Tín hiệu điện não trước và sau khi sử dụng bộ lọc wavelet 3.4 So sánh 𝑺𝑵𝑹 𝒅𝑩 của bộ lọc thích nghi, bộ lọc hạ thông và bộ lọc wavelet. - Bảng 1: Thông số 𝑺𝑵𝑹 𝒅𝑩 của bộ lọc thích nghi dựa trên RLSE, bộ lọc hạ thông và bộ lọc wavelet. - Trong đó: S1-S13 là các mẫu tín hiệu EEG thực thu được trong quá trình thí nghiệm.. - lọc thích nghi đề nghị, lọc hạ thông và lọc wavelet của 13 mẫu tín hiệu EEG thực. - Kết quả đã minh chứng rằng bộ lọc thích nghi dựa trên RLSE cho chỉ số SNR dB cao hơn so với hai bộ lọc còn lại (lọc hạ thông và lọc wavelet) lần lượt là 3% và 1,8%. - Hơn nữa, bộ lọc thích nghi dựa trên RLSE cho phép lọc trực tuyến (online) trong khi bộ lọc wavelet khó thực hiện được.. - Bài báo đã trình bày một giải pháp lọc thích nghi tín hiệu điện não dựa trên ước lượng bình phương tối thiểu hồi qui (RLSE). - Kết quả thực nghiệm cho thấy, giải pháp lọc thích nghi tín hiệu điện não dựa trên RLSE đã đề xuất cho chỉ số SNR dB cao hơn so với lọc hạ thông và lọc wavelet tương ứng là 3% và 1,8%. - Hơn nữa, giải thuật lọc thích nghi dựa trên RLSE có thể lọc thích nghi khi nhiễu biến thiên (lọc hạ thông không thực hiện được) hay lọc trong thời gian thực (lọc wavelet là không thể). - Đây chính là vấn đề quan trọng đối với các ứng dụng lọc rút trích đặc trưng của tín hiệu điện não để điều khiển thiết bị ngoại vi dựa trên giao diện BCI (brain-computer interface). - đưa ra quyết định điều khiển thiết bị ngoại vi dựa trên tín hiệu điện não đo được.