@article { author = {Tavakoli Najafabadi, Maryam and Abootalebi, Vahid and Shayegh, Farzaneh}, title = {A New Hybrid Method for EOG Artifact Rejection from EEG Signal Using CCA and RLS}, journal = {Iranian Journal of Biomedical Engineering}, volume = {10}, number = {1}, pages = {1-10}, year = {2016}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2017.45141.1135}, abstract = {The purpose of this article is to evaluate the efficiency of Canonical Correlation Analysis- Recursive Least Square (CCA-RLS)hybridmethod in ElectroOcluGram (EOG) artifact removal from ElectroEncephaloGram (EEG) signal and compare it with Independent Component Analysis (ICA), Canonical Correlation Analysis (CCA), Recursive Least Square (RLS)methods and ICA-RLS hybrid method. After decomposition of the noisy signal by CCA, the noisy components aredetected based ontheir kurtosis, and are filtered by RLS. As the result,the enhanced signal is reconstructed by mixing the original noise-free components and filtered components. In order to compare the methods quantitatively, two evaluation criteria, namely Mean Square Error (MSE) and Signal to Noise Ratio (SNR) are used.The MSE and SNR average values were calculated for five subject in four different channels. EEG data are taken from BCI2008. According to the results,the combination of CCA-RLS method has better performance compareto the other methods used in this paper.  }, keywords = {EOG artifact,CCA-RLS method,RLS filter,EEG signal}, title_fa = {یک روش ترکیبی جدید برای حذف آرتیفکت EOG از سیگنال EEG با استفاده از CCA و RLS}, abstract_fa = {هدف این مقاله، ارزیابی روش ترکیبی آنالیز همبستگی کانونی- فیلتر تطبیقی حداقل مربعات بازگشتی (CCA-RLS) در حذف آرتیفکت چشمی (EOG) از سیگنال مغزی (EEG) و مقایسة آن با روش‏های آنالیز مؤلفه‏های مستقل (ICA)، آنالیز همبستگی کانونی(CCA)، فیلتر تطبیقی حداقل مربعات بازگشتی (RLS) و روش ترکیبی ICA-RLS است. برای این منظور، بعد از تجزیة سیگنال نویزی توسط CCA، مؤلفة شامل آرتیفکت EOG با محاسبة مقدار کرتوزیس شناسایی شده و با استفاده از فیلتر RLS، فیلتر شد؛ سپس با ترکیب مؤلفه‏ها، سیگنال حذف نویز­شده بازسازی شد. برای مقایسة کمّی روش‏ها از دو معیار ارزیابی میانگین مجذور مربعات خطا (MSE) و نسبت سیگنال به نویز (SNR) برای داده­های شبیه‏سازی شده استفاده­شده است. متوسط مقادیر MSE وSNR برای 5 نفر در 4 کانال مختلف محاسبه شد. داده­های استفاده­شده از مجموعه داده­های مسابقات BCI2008 انتخاب شدند. با توجه به نتایج به‏دست آمده، روش ترکیبی پیشنهادی CCA-RLS ، عملکرد بهتری نسبت به سایر روش‏های استفاده­شده در این مقاله دارد.}, keywords_fa = {آرتیفکت EOG,روش CCA-RLS,فیلتر RLS,سیگنال EEG}, url = {https://www.ijbme.org/article_26610.html}, eprint = {https://www.ijbme.org/article_26610_7346f10643467ccb2f426142466f9b30.pdf} }