眼動訊號一直是妨礙腦波研究的重大問題，本節將介紹數種前人發展的眼動訊號移除法。

一、 Independent Component Analysis (ICA)
獨立成份分析法(ICA)是目前最常用的眼動訊號移除法，此方法假設所量測到的訊號是由數量相同的獨立訊號源發出的，因此ICA試圖計算一個轉換矩陣，讓計算出的訊號源具有最高的統計獨立性。此方法應用在腦波眼動訊號上則假設各種生理訊號和干擾訊號是互相獨立的，因此ICA可將眼動訊號和其他訊號分離，只要將計算求得之訊號源看似干擾訊號的部份丟棄，則可以得到剔除雜訊的新訊號。

二、 Principle Component Analysis (PCA)
主成份分析法(PCA)是個將量測到的混合訊號透過轉換矩陣拆解成個數相等的獨立訊號之數學方式，透過此法拆解出的第一個獨立訊號將具有最大的變異性，因此只要丟棄此訊號將可去除大部分的眼動雜訊。

三、 Dipole Modeling
此方法將眼動分成左右轉動、上下轉動、眨眼三種運動模式，找出此三種眼動模式對腦波造成的影響，腦波量測時若觀察到眼動現象則同步將腦波中的眼動雜訊消除。

四、 EOG Correction
在兩眼周圍增加數個電極片，偵測到眨眼訊號時，同步消除腦波中的眨眼訊息。


用VisualSignal中的模組，以適當的方式組合各種運算元件，可順利的移除腦波眼動訊號。

>>文案下載