[發(fā)明專利]EEG信號混合噪聲處理方法、設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202010192757.0
• 申請日: 2020-03-18
• 公開（公告）號: CN111493864B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 陳欣榮;杜東書;李俊瑞;李瀟涵
• 申請（專利權(quán)）人: 蘇州腦王算法智能科技有限公司
• 主分類號: A61B5/372
• 分類號: A61B5/372;A61B5/24;A61B5/00
• 代理公司: 上海泰能知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31233
• 代理人: 錢文斌

本發(fā)明涉及一種基于壓縮感知的EEG信號混合噪聲處理方法，包括以下步驟：獲取EEG信號，并建立噪聲環(huán)境下多通道腦電模型；建立多通道腦電信號重構(gòu)方法的優(yōu)化模型，并采用所述優(yōu)化模型進(jìn)行優(yōu)化，得到重構(gòu)信號；使用高斯模型和均勻分布對重構(gòu)信號匹配的偏差進(jìn)行建模，并對重構(gòu)信號中的異常信號進(jìn)行識別。本發(fā)明還涉及基于壓縮感知的EEG信號混合噪聲處理設(shè)備。本發(fā)明能夠有效消除噪聲。

技術(shù)領(lǐng)域

本發(fā)明涉及腦電信號處理技術(shù)領(lǐng)域，特別是涉及一種EEG信號混合噪聲處理方法、設(shè)備和存儲介質(zhì)。

背景技術(shù)

腦電(簡稱EGG)信號是最常用的生物醫(yī)學(xué)信號之一，其是腦神經(jīng)細(xì)胞電生理活動在大腦皮層或頭皮表面的總體反映。EGG信號中包含了大量的生理與疾病信息，在臨床醫(yī)學(xué)方面，EGG信號處理不僅可為某些腦疾病提供診斷依據(jù)，而且還為某些腦疾病提供了有效的治療手段。在工程應(yīng)用方面，人們也嘗試?yán)媚X電信號實現(xiàn)腦-計算機接口(BCI)利用人對不同的感覺、運動或認(rèn)知活動的腦電的不同，通過對腦電信號的有效的提取和分類達(dá)到某種控制目的。但由于腦電信號是不具備各態(tài)歷經(jīng)性的非平穩(wěn)隨機信號，而且其背景噪聲也很強，因此腦電信號的分析和處理一直是非常吸引人但又是具有相當(dāng)難度的研究課題。

自1932年Dietch首先用傅立葉變換進(jìn)行了EEG分析之后，在腦電分析中相繼引入了頻域分析、時域分析等腦電圖分析的經(jīng)典方法。近年來，在腦電圖分析中應(yīng)用了小波分析、匹配跟蹤方法、神經(jīng)網(wǎng)絡(luò)分析、混沌分析等方法以及各種分析方法的有機結(jié)合，有力地推動了腦電信號分析方法的發(fā)展。

實踐中，腦電記錄每天很容易產(chǎn)生1GB的數(shù)據(jù)，傳輸所需的能量非常高。傳統(tǒng)的壓縮方法是在傳輸前對數(shù)據(jù)進(jìn)行壓縮，由于大量的樣本數(shù)據(jù)在壓縮過程中被丟棄，嚴(yán)重浪費了資源。為了應(yīng)對這一挑戰(zhàn)，提出了壓縮感知技術(shù)，此時模擬信號在奈奎斯特采樣速率下不再是第一次采樣，而是在壓縮過程中直接以較低的采樣率獲得壓縮信號，并通過非線性算法從壓縮數(shù)據(jù)中恢復(fù)信號。

現(xiàn)有專利CN106388778B給出了一種睡眠狀態(tài)分析中的腦電信號預(yù)處理方法和系統(tǒng)，其中所述方法包括：采集用戶在睡眠過程中產(chǎn)生的原始腦電信號；根據(jù)預(yù)設(shè)的中值濾波的窗口長度，對原始腦電信號進(jìn)行中值濾波，濾除基線漂移；根據(jù)濾波后的腦電信號頻率和幅值對中值濾波的窗口長度自適應(yīng)調(diào)整，直至濾波后的腦電信號在經(jīng)過小波分解后的設(shè)定頻段內(nèi)的能量最大，且腦電信號幅度的均值絕對值最??；輸出濾除基線漂移的腦電信號。

然而，上述方法僅僅考慮了傳輸過程中產(chǎn)生的噪聲影響，而在實際情況下，噪聲是不可避免的因素，根據(jù)噪聲分布的特點，可以分成稠密噪聲和稀疏噪聲，當(dāng)處理從復(fù)雜噪聲環(huán)境中采集到的壓縮信號，以往的方法得到的腦電信號的性能都會下降，這對后續(xù)判斷造成了影響。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是提供一種基于壓縮感知的EEG信號混合噪聲處理方法及設(shè)備，能夠有效消除噪聲。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：提供一種基于壓縮感知的EEG信號混合噪聲處理方法，包括以下步驟：

(1)獲取EEG信號，并建立噪聲環(huán)境下多通道腦電模型；

(2)建立多通道腦電信號重構(gòu)方法的優(yōu)化模型，并采用所述優(yōu)化模型進(jìn)行優(yōu)化，得到重構(gòu)信號；

(3)使用高斯模型和均勻分布對重構(gòu)信號匹配的偏差進(jìn)行建模，并對重構(gòu)信號中的異常信號進(jìn)行識別。

所述步驟(1)中建立的噪聲環(huán)境下多通道腦電模型為Y＝ΦX+N+S，其中，表示壓縮后被噪聲干擾的多通道腦電信號矩陣，表示多通道腦電信號矩陣，N表示高斯噪聲，S表示脈沖噪聲，R表示腦電信號的通道數(shù)，m表示壓縮后的數(shù)據(jù)長度，n表示每個通道的腦電信號數(shù)據(jù)長度。