一个基于恒定速度模型的融合算法,用于通过电眼镜学改进对萨卡德参数的测量
Palpolage Don Shehan Hiroshan Gunawardane1, Raymond Robert MacNeil2, Leo Zhao1
1Department of Mechanical Engineering, The University of British Columbia, Vancouver, BC V6T 1Z4, Canada.
Sensors (Basel, Switzerland)
|January 23, 2024
概括
这项研究引入了一种用于电眼镜 (EOG) 信号的新型实时无声化方法,显著改进了对眼动运动的跟踪. 与传统过器相比,基于物理的方法可以提高信号保存率高达29%.
科学领域:
- 生物医学工程 生物医学工程
- 神经科学是一个神经科学.
- 信号处理 信号处理
背景情况:
- 在医疗诊断和人机交互中,电眼镜学 (EOG) 对于跟踪眼动运动至关重要.
- EOG信号容易受到来自各种来源的噪声的影响,包括电干扰和肌肉活动,复杂化了分析.
- 现有的无声化方法往往会改变信号的基本特征,或者太复杂,无法实时应用.
研究的目的:
- 开发一个实时无声化方法,用于电眼图 (EOG) 信号.
- 为了在降噪过程中保持EOG的萨卡德信号参数的完整性.
- 提供一个高效和准确的替代传统的EOG信号处理技术.
主要方法:
- 一种基于物理的,以模型为导向的方法,利用恒定速度模型进行EOG信号消噪.
- 这种方法假定角膜-视网膜潜力的变化率在萨卡迪运动期间是一致的.
- 在该方法的设计中优先考虑了实时处理能力.
主要成果:
- 拟议的恒定速度模型方法证明了EOG冲击信号的优越保存.
- 与替代无声化技术相比,信号的保存率提高了多达29%.
- 该方法有效地减轻噪声干扰,同时保持信号保真.
结论:
- 这种新的实时无声化方法在EOG信号处理方面取得了重大进展.
- 这种方法有效地保留了关键的眼运动信号特征.
- 该技术为基于EOG的应用提供了更强大,更准确的解决方案.
