计算设备和从脑电信号中去除噪声的方法技术

公开一种计算设备和从脑电信号中去除噪声的方法。该计算设备包括：缓存模块，用于缓存脑电信号；分类模块，与所述缓冲器耦接，用于确定脑电信号的分类，所述脑电信号的分类表示所述脑电信号的噪声种类；译码器，与所述分类模块耦接，用于根据所述脑电信号的分类生成指令编码，并将所述指令编码传送给状态机；多个噪声去除模块，分别用于去除对应的噪声种类，以得到经过噪声去除的脑电信号；状态机，与所述译码器和所述多个噪声去除模块耦接，用于根据所述指令编码启用所述多个噪声去除模块中的至少一个噪声去除模块。该计算设备可在自由移动的场景下检测和去除脑电信号中的噪声。动的场景下检测和去除脑电信号中的噪声。动的场景下检测和去除脑电信号中的噪声。

【技术实现步骤摘要】
计算设备和从脑电信号中去除噪声的方法


[0001]本公开涉及芯片领域，具体而言，涉及计算设备和从脑电信号中去 除噪声的方法。

技术介绍

[0002]脑电信号(EEG)是一种在头皮处记录脑神经元活动传递到头皮表面 的电势波动信号。其非侵入式的优点使得其在医疗上得到广泛的应用， 但脑神经元的源信号传递到头皮处不可避免地造成能量损失，这就使得 脑电信号十分地微弱，在微伏级别。同时脑电信号也不可避免地存在噪 声地干扰，且存在不止一种噪声，噪声的存在尤其噪声的能量过大很可 能会掩盖掉有效的脑电信号，因而去除噪声获取相对真实有效的脑电信 号是实现对脑电信号后续应用的关键。

技术实现思路

[0003]基于此，本公开的目的是提供一种计算设备和从脑电信号中去除伪 影的方法，用于从脑电信号去除各种噪声。
[0004]第一方面，本公开实施例提供一种计算设备，
[0005]缓存模块，用于缓存脑电信号；
[0006]分类模块，与所述缓冲器耦接，用于确定脑电信号的分类，所述脑 电信号的分类表示所述脑电信号的噪声种类；
[0007]译码器，与所述分类模块耦接，用于根据所述脑电信号的分类生成 指令编码，并将所述指令编码传送给状态机；
[0008]多个噪声去除模块，分别用于去除对应的噪声种类，以得到经过噪 声去除的脑电信号；
[0009]状态机，与所述译码器和所述多个噪声去除模块耦接，用于根据所 述指令编码启用所述多个噪声去除模块中的至少一个噪声去除模块。
[0010]可选地，还包括：输出模块，用于从所述译码器接收所述脑电信号， 并输出不包含任何噪声的脑电信号，并将包含噪声的脑电信号输出给所 述多个噪声去除模块。
[0011]可选地，所述分类模块包括：
[0012]小波变换单元，与所述缓存模块耦接，用于采用小波函数对所述脑 电信号进行小波变换，并将小波变换后的脑电信号传送给边缘检测单元；
[0013]边缘检测单元，与小波变换单元耦接，用于检测小波变换后的脑电 信号中的阶跃数据，并根据阶跃数据存在与否确定是否存在眼电噪声；
[0014]傅里叶变换单元，与所述缓存模块耦接，用于对所述脑电信号进行 快速傅里叶变换，以将时域数据信息转化为频域数据信息，并将频域数 据信息分别传送给峰度计算单元和能量估计单元；
[0015]峰度计算单元，与所述傅里叶变换单元耦接，用于根据所述频域数 据信息计算所
述脑电信号的峰度值，并根据所述脑电信号的峰度值是否 满足预设条件确定所述脑电信号是否存在工频/谐波噪声；
[0016]能量估计单元，与所述傅里叶变换单元耦接，用于根据频域数据信 息进行固定频段的能量占比计算，如果能量占比评估超过预设定阈值， 确定存在肌电噪声。
[0017]可选地，所述缓存模块包括：
[0018]第一寄存器和第二寄存器；
[0019]第一逆多路器，包括两个输出端，两个输出端分别与所述第一寄存 器和第二寄存器耦接，用于将脑电信号输送给所述第一寄存器或所述第 二寄存器；
[0020]第一多路器，包括两个输入端，两个输入端分别与所述第一寄存器 和所述第二寄存器耦接，用于所述第一寄存器或所述第二寄存器中的脑 电信号输送给所述分类模块。
[0021]可选地，所述输出模块包括第二逆多路器，所述第二逆多路器的输 入端和所述译码器耦接，所述第二逆多路器的一个输出端输出不包含任 何噪声的脑电信号，另一输出端与所述多个噪声去除模块耦接。
[0022]可选地，所述多个噪声去除模块包括：小波算法单元、EMD模块、 CCA模块和过滤器，所述计算设备还包括：
[0023]第三逆多路器，输入端接收所述脑电信号，四路输出端分别耦接到 所述小波算法单元，所述EMD模块、所述CCA模块和所述过滤器；
[0024]第四逆多路器，输入端与所述小波算法单元耦接，两路输出端分别 耦接到所述EMD模块和输出经过噪声去除的脑电信号；
[0025]第五逆多路器，输入端与所述EMD模块耦接，两路输出端分别耦接 到所述CCA模块和输出经过噪声去除的脑电信号；
[0026]第六逆多路器，输入端与所述CCA模块耦接，两路输出端分别耦接 到所述过滤器和输出经过噪声去除的脑电信号；
[0027]第七逆多路器，输入端与所述过滤器耦接，一个输出端输出经过噪 声去除的脑电信号，另一个输出端耦接至所述小波算法单元、所述EMD 单元、所述CCA模块和所述过滤器。
[0028]可选地，所述计算设备还包括第二多路器和第三多路器，所述第二 多路器包括两个输入端，一个输入端与所述缓存模块耦接，另一输入端 与所述第三多路器的输出端耦接，输出端与所述分类模块耦接，所述第 三多路器的多个输入端分别与所述第三逆多路器、所述第四逆多路器、 所述第五逆多路器、所述第六逆多路器和所述第七逆多路器的一个输出 端耦接。
[0029]可选地，还包括：与所述缓冲器耦接的模数转换单元，用于将模拟 化的脑电信号转换为数字化的脑电信号。
[0030]第二方面，本公开实施例提供一种可穿戴设备，包括上述任一项所 述的计算设备和用于采集模拟化的脑电信号的至少一个电极。
[0031]第三方面，本公开实施例提供一种处理单元，包括上述任一项所述 的计算设备。
[0032]第四方面，本公开实施例提供一种家用检测设备，包括上述任一项 所述的计算设备。
[0033]第五方面，本公开实施例提供一种计算设备，包括：
[0034]取指令单元，用于从外部的存储器取回计算机指令；
[0035]指令译码单元，用于对取回的计算机指令进行译码；
[0036]指令执行单元，用于执行译码后的所述计算机指令，以实现：
[0037]获取脑电信号；
[0038]确定所述脑电信号的分类，所述脑电信号的分类表示所述脑电信号 的噪声种类；
[0039]根据所述脑电信号的分类执行噪声去除操作。
[0040]可选地，所述确定所述脑电信号的分类包括：
[0041]对所述脑电信号进行频域和时域的检测；以及
[0042]根据检测结果和预定义的分类规则确定脑电信号的分类。
[0043]可选地，预定义的分类规则包括：
[0044]在时域上，定义脑电信号的幅值范围；
[0045]在频域上，定义频谱分布能量集中的频段范围，且要求频段能量随 着频率的增大，整体呈现逐步下降的趋势，而且不存在某一频率能量突 然急剧的增大，
[0046]则所述根据检测结果和预定义的分类规则确定脑电信号的分类包括：
[0047]同时符合时域和频域的分类规则的脑电信号为第一分类，表示所述 脑电信号为不包含任何噪声的脑电信号；
[0048]不符合时域但符合频域的分类规则的脑电信号为第二分类，表示包 含眼电噪声的脑电信号；
[0049]不符合频域但符合时域的分类规则的脑电信号为第三分类，表示包 含肌电噪声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算设备，包括：缓存模块，用于缓存脑电信号；分类模块，与所述缓冲器耦接，用于确定脑电信号的分类，所述脑电信号的分类表示所述脑电信号的噪声种类；译码器，与所述分类模块耦接，用于根据所述脑电信号的分类生成指令编码，并将所述指令编码传送给状态机；多个噪声去除模块，分别用于去除对应的噪声种类，以得到经过噪声去除的脑电信号；状态机，与所述译码器和所述多个噪声去除模块耦接，用于根据所述指令编码启用所述多个噪声去除模块中的至少一个噪声去除模块。2.根据权利要求1所述的计算设备，还包括：输出模块，用于从所述译码器接收所述脑电信号，并输出不包含任何噪声的脑电信号，以及将包含噪声的脑电信号输出给所述多个噪声去除模块。3.根据权利要求1所述的计算设备，其中，所述分类模块包括：小波变换单元，与所述缓存模块耦接，用于采用小波函数对所述脑电信号进行小波变换，并将小波变换后的脑电信号传送给边缘检测单元；边缘检测单元，与小波变换单元耦接，用于检测小波变换后的脑电信号中的阶跃数据，并根据阶跃数据存在与否确定是否存在眼电噪声；傅里叶变换单元，与所述缓存模块耦接，用于对所述脑电信号进行快速傅里叶变换，以将时域数据信息转化为频域数据信息，并将频域数据信息分别传送给峰度计算单元和能量估计单元；峰度计算单元，与所述傅里叶变换单元耦接，用于根据所述频域数据信息计算所述脑电信号的峰度值，并根据所述脑电信号的峰度值是否满足预设条件确定所述脑电信号是否存在工频/谐波噪声；能量估计单元，与所述傅里叶变换单元耦接，用于根据频域数据信息进行固定频段的能量占比计算，如果能量占比评估超过预设定阈值，确定存在肌电噪声。4.根据权利要求1所述的计算设备，所述缓存模块包括：第一寄存器和第二寄存器；第一逆多路器，包括两个输出端，两个输出端分别与所述第一寄存器和第二寄存器耦接，用于将脑电信号输送给所述第一寄存器或所述第二寄存器；第一多路器，包括两个输入端，两个输入端分别与所述第一寄存器和所述第二寄存器耦接，用于所述第一寄存器或所述第二寄存器中的脑电信号输送给所述分类模块。5.根据权利要求2所述的计算设备，其中，所述输出模块包括第二逆多路器，所述第二逆多路器的输入端和所述译码器耦接，所述第二逆多路器的一个输出端输出不包含任何噪声的脑电信号，另一输出端与所述多个噪声去除模块耦接。6.根据权利要求1所述的计算设备，其中，所述多个噪声去除模块包括：小波算法单元、EMD模块、CCA模块和过滤器，所述计算设备还包括：第三逆多路器，输入端接收所述脑电信号，四路输出端分别耦接到所述小波算法单元，所述EMD模块、所述CCA模块和所述过滤器；第四逆多路器，输入端与所述小波算法单元耦接，两路输出端分别耦接到所述EMD模块
和输出经过噪声去除的脑电信号；第五逆多路器，输入端与所述EMD模块耦接，两路输出端分别耦接到所述CCA模块和输出经过噪声去除的脑电信号；第六逆多路器，输入端与所述CCA模块耦接，两路输出端分别耦接到所述过滤器和输出经过噪声去除的脑电信号；第七逆多路器，输入端与所述过滤器耦接，一个输出端输出经过噪声去除的脑电信号，另一个输出端耦接至所述小波算法单元、所述EMD单元、所述CCA模块和所述过滤器。7.根据权利要求6所述的计算设备，其中，所述计算设备还包括第二多路器和第三多路器，所述第二多路器包括两个输入端，一个输入端与所述缓存模块耦接，另一输入端与所述第三多路器的输出端耦接，输出端与所述分类模块耦接，所述第三多路器的多个输入端分别与所述第三逆多路器、所述第四逆多路器、所述第五逆多路器、所述第六逆多路器和所述第七逆多路器的一个输出端耦接。8.根据权利要求1所述的计算设备，还包括：与所述缓冲器耦接的模数转换单元，用于将模拟化的脑电信号转换为数字化的脑电信号。9.一种可穿戴设备，包括权利要求1至8任一项所述的计算设备和用于采集模拟化的脑电信号的至少一个电极。10.一种处理单元，包括权利要求1至8任一项所述的计算设备。11.一种家用检测设备，包括权利要求1至8任一项所述的计算设备。12.一种计算设备，包括：取指令单元，用于从外部的存储器取回计算机指令；指令译码单元，用于对取回的计算机指令进行译码；指令执行单元，用于执行译码后的所述计算机指令，以实...

【专利技术属性】
技术研发人员：罗竣文，蒲宇，张晨贝，王星，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：