一种面向多类型噪声伪迹的EEG信号去噪方法技术

本发明专利技术公开了一种面向多类型噪声伪迹的EEG信号去噪方法，包括以下步骤：获取EEG信号片段；通过预训练的信号感知模型提取噪声特征，得到各类型噪声语义；通过EEG去噪模型进行提取高维特征，并与各对应类型的所述噪声语义融合，输出去噪后的EEG信号；本发明专利技术能够有效解决多重噪声去噪问题，并且能够保留EEG信号全局属性，提高去噪性能。提高去噪性能。提高去噪性能。

【技术实现步骤摘要】
一种面向多类型噪声伪迹的EEG信号去噪方法


[0001]本专利技术涉及脑电信号处理
，更具体的说是涉及一种面向多类型噪声伪迹的EEG信号去噪方法。

技术介绍

[0002]EEG信号往往包含多种类型的伪迹。例如，肌电图(EMG)和脑电图(EOG)伪迹是两种类型的伪迹，它们对EEG信号的污染不同。前者包括高频噪声，而后者给信号引入了大振幅。由于伪迹之间的异质性，用于EMG的去噪模型对EOG的去除性能可能有限。此外，对于终端用户来说，在去噪操作之前确定伪迹的类型是不切实际的。对于信号处理系统来说，存储多个去噪模型也是一个额外的存储成本，而这一般是对成本敏感的嵌入式设备。
[0003]现有的深度学习方法主要集中在时域中的按照点对点的学习模式完成去噪工作。而忽略了脑电的全局属性，这对脑电特征表示是不够的，导致去噪性能不佳。
[0004]因此，如何提供一种面向多类型噪声伪迹的EEG信号去噪方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种面向多类型噪声伪迹的EEG信号去噪方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向多类型噪声伪迹的EEG信号去噪方法，其特征在于，包括以下步骤：获取EEG信号片段；通过预训练的信号感知模型提取噪声特征，得到各类型噪声语义；通过EEG去噪模型进行提取高维特征，并与各对应类型的所述噪声语义融合，输出去噪后的EEG信号。2.根据权利要求1所述的一种面向多类型噪声伪迹的EEG信号去噪方法，其特征在于，所述信号感知模型包括多个特征提取模块，所述特征提取模块之间均通过ReLU激活函数层和平均池层连接，形成串联网络；所述串联网络经过扁平化层后，通过输出层，产生所述噪声语义。3.根据权利要求2所述的一种面向多类型噪声伪迹的EEG信号去噪方法，其特征在于，每个所述特征提取模块均由两个1D
‑
Conv层构成；对应多个所述特征提取模块的1D
‑
Conv层的通道数基于32依次成倍递增。4.根据权利要求1所述的一种面向多类型噪声伪迹的EEG信号去噪方法，其特征在于，所述EEG去噪模型包括多个依次连接的去噪模块和输出模块。5.根据权利要求4所述的一种面向多类型噪声伪迹的EEG信号去噪方法，其特征在于，所述去噪模块包括依次连接的特征扩展子模块、频域增强子模块、噪声融合子模块和输出子模块；通过所述特征拓展子模块对EEG噪声片段进行高维特征提取，输出高维特征图Fc；所述频域增强子模块采用硬注意力机制通过所述噪声语义从所述高维特征图Fc中筛选出重要的频率模态分量F
f
；所述语义融合子模块将所述噪声语义和F
f
...

【专利技术属性】
技术研发人员：李浩然，宫晓利，张金，
申请(专利权)人：南开大学，
类型：发明
国别省市：