Gaussian Eliminationベースの新規標準相関分析方法EEGモーションアーティファクト除去のための方法

脳波（EEG）シグナルのキャプチャ時に生成された動きは、得られた情報の品質を低下させる可能性のあるアーティファクトにつながります。既存のアーティファクト除去方法は、アンサンブルの経験的モード分解（EEMD）およびウェーブレット変換（WT）とともにアーティファクトを除去するために標準相関分析（CCA）を使用します。フィルタリングパフォーマンスをさらに分析および改善し、非常に騒々しい環境でフィルター計算時間を短縮するための新しいアプローチが提案されています。CCAのこの新しいアプローチは、バックスラッシュ操作を使用して相関係数を計算するために使用されるガウス除去法に基づいており、EEG信号モーションアーティファクト除去のために設計されています。ガウス除去は、線形方程式を解くために使用され、CCAメソッドの計算コストを削減する固有値を計算します。この新しい提案方法は、EEMD-CCAおよびウェーブレット変換を使用して、現在利用可能なアーティファクト除去技術に対してテストされています。パフォーマンスは、合成および実際のEEG信号データでテストされています。提案されたアーティファクト除去手法は、Del Signal -to Noise比（DSNR）、Lambda（λ）、ルート平均平方根誤差（RMSE）、ELAPSED TIME、ROCパラメーターなどの効率行列を使用して評価されます。結果は、現在使用されているアルゴリズムのサプリメントとして使用するための提案されたアルゴリズムの適合性を示しています。

The motion generated at the capturing time of electro-encephalography (EEG) signal leads to the artifacts, which may reduce the quality of obtained information. Existing artifact removal methods use canonical correlation analysis (CCA) for removing artifacts along with ensemble empirical mode decomposition (EEMD) and wavelet transform (WT). A new approach is proposed to further analyse and improve the filtering performance and reduce the filter computation time under highly noisy environment. This new approach of CCA is based on Gaussian elimination method which is used for calculating the correlation coefficients using backslash operation and is designed for EEG signal motion artifact removal. Gaussian elimination is used for solving linear equation to calculate Eigen values which reduces the computation cost of the CCA method. This novel proposed method is tested against currently available artifact removal techniques using EEMD-CCA and wavelet transform. The performance is tested on synthetic and real EEG signal data. The proposed artifact removal technique is evaluated using efficiency matrices such as del signal to noise ratio (DSNR), lambda (λ), root mean square error (RMSE), elapsed time, and ROC parameters. The results indicate suitablity of the proposed algorithm for use as a supplement to algorithms currently in use.