[發明專利]一種基于生成式對抗網絡的腦電波信號降噪方法

在審

• 申請號: 202110645810.2
• 申請日: 2021-06-10
• 公開（公告）號: CN113349800A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 朱世宇;章蕊;孫令翠;李根;黃川峰;黃鑫
• 申請（專利權）人: 重慶工程學院
• 主分類號: A61B5/372
• 分類號: A61B5/372
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及腦電信號降噪技術領域，具體涉及一種基于生成式對抗網絡的腦電波信號降噪方法；包括如下步驟：基于帶噪聲的標準腦電波信號對生成式對抗網絡進行訓練；通過訓練好的生成式對抗網絡，構建訓練數據集；基于訓練數據集，對深度神經卷積網絡進行訓練；采集混疊有帶噪聲的腦電波信號的原始腦電波信號；通過訓練好的深度卷神經積網絡從原始腦電波信號中降噪出帶噪聲的腦電波信號，從根本上讓模型學習到腦電波的性質，可以適應各種各樣的噪聲，提高了模型的魯棒性，確保模型在不同腦電波采集設備、不同環境下，都能具有較高的降噪精度。

技術領域

本發明涉及腦電信號降噪技術領域，尤其涉及一種基于生成式對抗網絡的腦電波信號降噪方法。

背景技術

腦電波信號(EEG)是中樞神經系統產生的生物電活動，人在主動思維或受到不同的感覺刺激時，能夠產生特定模式的腦電信號，腦電波信號具有多樣性、非線性以及微弱性的特點，其頻帶主要在低頻和超低頻范圍內，主要頻率在0.5～100Hz之間，信號幅值范圍為5～300μV，由于μV級腦電波信號相當微弱，很容易就被mV級外界干擾和內部噪聲所淹沒，因此，腦電波信號的采集、噪聲消除以及特征提取技術就成為腦電波信號處理系統設計的關鍵環節。

傳統的時域或頻域分析方法，如傅立葉變換，頻域能量分析等，雖然可以進行信號的降噪和特征處理，但其多適于分析平穩信號，對非平穩的腦電波信號處理效果并不好，特別是在不同設備、不同環境下的腦電波的噪聲表現會多種多樣。

發明內容

本發明的目的在于提供一種基于生成式對抗網絡的腦電波信號降噪方法，以解決現有技術中存在的對非平穩的腦電波信號處理效果并不好，導致魯棒性不足的問題。

為實現上述目的，本發明提供了一種基于生成式對抗網絡的腦電波信號降噪方法，包括如下步驟：

基于帶噪聲的標準腦電波信號對生成式對抗網絡進行訓練；

通過訓練好的所述生成式對抗網絡，構建訓練數據集；

基于所述訓練數據集，對深度神經卷積網絡進行訓練；

采集混疊有帶噪聲的腦電波信號的原始腦電波信號；

通過訓練好的所述深度卷神經積網絡從所述原始腦電波信號中降噪出所述帶噪聲的腦電波信號。

所述基于帶噪聲的標準腦電波信號對生成式對抗網絡進行訓練包括如下步驟：

輸入隨機噪聲；

降噪網絡基于所述隨機噪聲生成模擬腦電波信號；

判別網絡根據標準腦電波信號確定所述模擬腦電波信號的真實性；

根據所述模擬腦電波信號的真實性更新所述降噪網絡和所述判別網絡；

如此循環，直至所述模擬腦電波信號的真實性滿足要求。

所述訓練數據集包括多個通過生成式對抗網絡模擬的模擬腦電波信號，以及不同腦電波采集設備、在不同環境下采集到的帶噪聲的標準腦電波信號。

所述基于訓練數據集，對深度神經卷積網絡進行訓練，包括如下步驟：

從訓練數據集中隨機選取訓練數據；

將所述隨機噪聲與所述訓練數據混合，生成樣本腦電波；

對所述樣本腦電波進行預處理后輸入深度卷積神經網絡中，得到樣本降噪結果；

通過所述樣本降噪結果確定所述深度卷積神經網絡的降噪誤差；

根據所述降噪誤差修正所述深度卷積神經網絡參數；

如此循環，直至所述降噪誤差達到期望值。