信号的级联降噪方法、降噪系统、自适应滤波技术方案

本发明专利技术属于信号处理技术领域，具体涉及一种信号的级联降噪方法、降噪系统、自适应滤波，其中信号的级联降噪方法包括：步骤S1，预降噪；步骤S2，根据预降噪结果选择相应的自适应滤波，以针对性滤除信号中的噪声；其中所述自适应滤波的优化参数根据预降噪后的信号获取，可提升相关产品与系统的抗工频干扰性能，也可以针对非工频干扰场景进行去噪。针对非工频干扰场景进行去噪。针对非工频干扰场景进行去噪。

【技术实现步骤摘要】
信号的级联降噪方法、降噪系统、自适应滤波


[0001]本专利技术属于信号处理
，具体涉及一种信号的级联降噪方法、降噪系统、自适应滤波。

技术介绍

[0002]脑电是一种典型的生理弱信号。设备在采集脑电数据时，极易受到其它电子设备工频信号和环境噪声的影响，导致数据信噪比的下降，严重时数据可能完全失效。因此，在硬件条件和环境固定的前提下，降噪方法的优劣，成为决定脑电设备数据质量的关键因素。
[0003]因此，基于上述技术问题需要设计一种新的信号的级联降噪方法、降噪系统、自适应滤波。

技术实现思路

[0004]本专利技术提供了一种信号的级联降噪方法、降噪系统、自适应滤波。
[0005]第一方面，本专利技术提供了一种信号的级联降噪方法，包括如下步骤：
[0006]步骤S1，预降噪；
[0007]步骤S2，根据预降噪结果选择相应的自适应滤波，以针对性滤除信号中的噪声；其中
[0008]所述自适应滤波的优化参数根据预降噪后的信号获取。
[0009]进一步，所述预降噪包括去除工频干扰、去除本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信号的级联降噪方法，其特征在于，包括如下步骤：步骤S1，预降噪；步骤S2，根据预降噪结果选择相应的自适应滤波，以针对性滤除信号中的噪声；其中所述自适应滤波的优化参数根据预降噪后的信号获取。2.根据权利要求1所述的信号的级联降噪方法，其特征在于，所述预降噪包括去除工频干扰、去除宽频噪声中的至少一种；其中所述去除工频干扰包括：采用窄阻带频域滤波方式预滤除固定强噪声；以及所述去除宽频噪声包括：采用低通滤波滤除高频噪声；所述采用窄阻带频域滤波方式预滤除固定强噪声包括：设置数字陷波器，即令系统函数h(z)在频率
±
ω0处的响应为零点；离开频率
±
ω0后的响应迅速恢复到常数，即极点；系统函数h(z)为式中，z表示Z
‑
变换后系统函数的自变量，j表示虚数单位；所述数字陷波器为2阶IIR滤波器，其系数分别为b＝[1,
‑
2cosω0,1]，a＝[1,
‑
2αcosω0,α2]，ω0为陷波频率，1
‑
α为
‑
3dB的归一化阻带宽度。3.根据权利要求1所述的信号的级联降噪方法，其特征在于，所述自适应滤波包括维纳滤波、RLS自适应滤波、LMS自适应滤波、卡尔曼滤波中的至少一种；所述预降噪结果为预降噪后的信号中是否含有平稳噪声和非平稳噪声；所述根据预降噪结果选择相应的自适应滤波包括：当预降噪后的信号中含有平稳噪声时，所述自适应滤波选择维纳滤波、RLS自适应滤波中的至少一种；当预降噪后的信号中含有非平稳噪声时，所述自适应滤波选择LMS自适应滤波、卡尔曼滤波中的至少一种；当预降噪后的信号中同时含有平稳噪声和非平稳噪声时，所述自适应滤波选择LMS自适应滤波、卡尔曼滤波中的至少一种。4.根据权利要求3所述的信号的级联降噪方法，其特征在于，所述预降噪后的信号中是否含有平稳噪声和非平稳噪声的判定方法包括：计算噪声的统计特性；若统计特性随时间变化，则是非平稳噪声，否则是平稳噪声。5.根据权利要求3所述的信号的级联降噪方法，其特征在于，所述维纳滤波的优化参数包括阶数；所述RLS自适应滤波的优化参数包括步进、遗忘因子；所述LMS自适应滤波的优化参数包括步进；所述卡尔曼滤波的优化参数包括协方差初值；当自适应滤波选择RLS自适应滤波或LMS自适应滤波时，所述步进根据预降噪后信号中正弦波的比重进行优化，即所述步进的大小与正弦波的比重值正相关；所述步进根据预降噪后信号中正弦波的比重进行优化包括：
把离线信号的过零次数/秒的取值范围切分成若干子区间；把每个子区间进行优化得到对应的一组步进，形成步进表；根据实时信号获取的过零次数/秒与步进表对比，选取对应子区间的步进。6.根据权利要求5所述的信号的级联降噪方法，其特征在于，所述LMS自适应滤波包括：删除观测信号中的正弦成分，即根据确定w1和w2，完成对观测信号中正弦成分的估计，并将其从观测信号中减去，其中w1和w2是待估计的加权系数；确定待滤波的信号，即根据先验信息y(k)＝[sin2πfkT
s
,cos2πfkT
s
]
T
，其中f为抑制干扰信号对应的滤波频率；确定滤波后信号，即设x(k)为已知实测信号，令正弦波w
T
(k)y(k)逼近x(k)，逼近误差为滤波后信号；加权矢量的迭代逼近，即先设定加权矢量初值，即w(0)＝[w1,w2]
T
，再以固定的步进μ对加权矢量w朝着代价函数在随机梯度最大的方向进行逐点的迭代逼近：w(k+1)＝w(k)+2μ
·
e(k)y(k)，式中μ表示所述步进，e(k)＝x(k)
‑
w
T
(k)y(k)，k＝0,1,
…
,K
‑
1；完成LMS自适应滤波以针对性滤除信号中的噪声，即以逐点逼近误差[e(0),e(1),
…
,e(K
‑
1)]作为滤波输出。7.根据权利要求5所述的信号的级联降噪方法，其特征在于，所述RLS自适应滤波包括：删除观测信号中的正弦成分，即根...

【专利技术属性】
技术研发人员：黄肖山，胥红来，章希睿，
申请(专利权)人：博睿康医疗科技上海有限公司，
类型：发明
国别省市：