一种基于小波及自适应滤波的抑郁症脑电信号提取方法技术

本发明专利技术公开了一种基于小波及自适应滤波的抑郁症脑电信号提取方法，针对适应滤波在低信噪比情况下提取效果不理想，信噪比高时提取效果好，信噪比低时提取效果差这一缺陷，使用小波分析法对输入信号进行预处理，滤除眼电、心电、肌电等噪声信号，提高含噪信号的信噪比；将提取的脑电信号进行小波分解后，在各层小波系数中引用自适应滤波算法进行滤波；通过小波系数重构获得脑电信号，该方法提取的脑电波形清晰工整，与自适应滤波算法相比，增加了算法的收敛步长，提高了LMS算法的收敛速度和稳定性，更好的抑制了噪声；本发明专利技术有助于提高抑郁症的诊断和治疗效果，推动脑电信号分析技术的进步，促进脑机接口技术的发展。促进脑机接口技术的发展。

【技术实现步骤摘要】
一种基于小波及自适应滤波的抑郁症脑电信号提取方法


[0001]本专利技术属于生物电信号处理
，具体涉及一种基于小波及自适应滤波的抑郁症脑电信号提取方法。

技术介绍

[0002]抑郁症是一种常见的、慢性复发性疾病，表现为心境显著和持久的低落，伴有相应的思维和行为的改变，具有反复发作的倾向，间歇期精神正常，不残留人格缺陷。在我国目前有约5％的人存在不同程度的心理障碍，约15％的抑郁症患者死于自杀，且近几年有上升趋势。抑郁障碍已成为我国日益严重的公共卫生问题。世界卫生组织、世界银行和哈佛大学的一项联合研究表明，抑郁症已经成为中国疾病负担的第二大疾病。专家推测，21世纪是抑郁症发病的高峰。但是由于以往对该病的认识不足，绝大部分的抑郁症患者没有得到正确的诊断治疗。就目前的研究和发展水平，抑郁症患者没有特异性实验室检查的阳性结果。因此，现阶段抑郁症诊断方式是通过对多种资料收集方法(会谈、行为观察、心理测验、实验室生理检查等)，多种信息来源(患者本人、亲友及门诊医生)而获得的多种类型的资料(认知、情感、个性、社会功能等)进行综合分析评价，以做出最为可靠的诊断和症状严重程度的评估。然而，在实际临床工作中难以用如此费时、繁杂、又不经济的诊断方式。
[0003]脑电信号(EEG)是通过大脑皮层记录到的神经细胞的电活动信号，脑电波节律的种类很多，而且变化多样。各种不同的情绪，心态都会影响脑电波的变化。研究表明，抑郁症患者脑电信号在节律，波幅和功率等参数中表现出异常现象。美国Maixner认为，慢波睡眠特别是睡眠总量减少可能是抑郁症及其他精神障碍的特征，且在整夜监测的睡眠中较稳定，推测其可能是素质异常的标记。Lauer发现，这种睡眠总量的减少与脑室大小有关联。有较多研究支持MMN减小是抑郁症的素质标记，指出抑郁症持久的MMN减小与精神药物无关，并且在抑郁症的一级亲属中也出现问。这些特征使脑电的研究者相信在EEG信号里必然蕴含着大量的对我们有用的信息。因此，深入开展EEG在诊断精神障碍方面的研究有重大意义。

技术实现思路

[0004]针对上述技术需求，本专利技术公开了一种基于小波及自适应滤波的抑郁症脑电信号提取方法，可以提高自适应滤波的收敛速度，提高采集抑郁症脑电信号的精确度和有力度的抑制了信号的噪声。
[0005]本专利技术的目的是这样实现的：
[0006]一种基于小波及自适应滤波的抑郁症脑电信号提取方法，包括以下步骤：
[0007]步骤a、获取抑郁症患者的脑电信号数据；
[0008]步骤b、使用小波分析法对信号进行预处理，选择合适的小波基函数进行小波分解，滤除眼电、肌电、心电等无用的生理电信号，提高信号信噪比；
[0009]步骤c、对所述脑电信号进行自适应滤波算法提取，并对其进行二次小波变换；
[0010]步骤d、将重构的噪声作为自适应滤波器的参考输入，进行自适应滤波处理，得到去噪信号；
[0011]步骤e、将步骤d得到的信号与步骤b中各个频带的脑电信号进行重构，得到抑郁症患者的有效脑电信号。
[0012]上述的一种基于小波及自适应滤波的抑郁症脑电信号提取方法，所述脑电信号数据通过信号采集单元进行采集、放大、滤波后，经A/D转换器转换成数字信号送入实时脑电信号处理模块，所述实时脑电信号处理模块用于消除干扰和生理伪差带来的噪声。
[0013]步骤b采用Mallat算法实现小波分解，将信号分解为不同尺度的小波系数，所述Mallat算法的基本公式如下：
[0014][0015]其中，j为小波变换的尺度，k为对应于尺度系数或小波系数的标号，w
j,k
为第j层小波分解中第k个小波系数，n表示时域上的位置，x
j+1,2k
‑
n
为在j+1层小波分解中第2k
‑
n个低频系数，y
j+1,2k
‑
n
为在j+1层小波分解中第2k
‑
n个高频系数，h(n)为小波分解中在第n个采样点的低通滤波器系数，g(n)为小波分解中在第n个采样点的高通滤波器系数。
[0016]针对每个尺度的细节系数，通过设定阈值实现低通滤波或高通滤波，以去除噪声信号。
[0017]将处理后的近似系数和细节系数进行小波重构，得到去噪后的信号，所述小波重构的基本公式如下：
[0018][0019]其中，x
n
为重构得到的原始信号，n为时域上的位置，j为小波变换的尺度，k为对应于尺度系数或小波系数的标号，J为分解的最高层数，为在第j层k时刻的低通滤滤波器系数，为在第j层k时刻的高通滤波器系数，a
j,k,n
为在第n个采样点第j层第k个的近似系数，d
j,k,n
为在第n个采样点第j层第k个的细节系数。
[0020]有益效果：
[0021]本专利技术一种基于小波及自适应滤波的抑郁症脑电信号提取方法，通过将小波变换与自适应滤波算法相结合，对脑电信号进行提取。将提取的脑电信号进行小波分解后，在各层小波系数中引用自适应滤波算法进行滤波，然后通过小波系数重构获得脑电信号，该方法提取的脑电波形清晰工整，与自适应滤波算法相比，增加了算法的收敛步长，提高了LMS算法的收敛速度和稳定性，更好的抑制了噪声，可以为脑机接口技术提供更加准确和稳定的脑电信号；此外，本专利技术使用脑机接口技术，能够将人的脑电信号与外界设备相连，实现人机交互。
附图说明
[0022]图1是本专利技术基于小波及自适应滤波的抑郁症脑电信号提取方法的流程图；
[0023]图2是不同信噪比信号提取；
[0024]图3是小波结合自适应滤波进行去噪的信号波形。
具体实施方式
[0025]下面结合附图对本专利技术具体实施方式作进一步详细描述。
[0026]具体实施方式一
[0027]该具体实施方式下的基于小波及自适应滤波的抑郁症脑电信号提取方法，包括以下步骤：
[0028]步骤a、获取抑郁症患者的脑电信号数据；
[0029]步骤b、使用小波分析法对信号进行预处理，选择合适的小波基函数进行小波分解，滤除眼电、肌电、心电等无用的生理电信号，提高信号信噪比；
[0030]步骤c、对所述脑电信号进行自适应滤波算法提取，并对其进行二次小波变换；
[0031]步骤d、将重构的噪声作为自适应滤波器的参考输入，进行自适应滤波处理，得到去噪信号；
[0032]步骤e、将步骤d得到的信号与步骤b中各个频带的脑电信号进行重构，得到抑郁症患者的有效脑电信号。
[0033]上述的一种基于小波及自适应滤波的抑郁症脑电信号提取方法，所述脑电信号数据通过信号采集单元进行采集、放大、滤波后，经A/D转换器转换成数字信号送入实时脑电信号处理模块，所述实时脑电信号处理模块用于消除干扰和生理伪差带来的噪声。
[0034]步骤b采用Mallat算法实现小波分解，将信号分解为不同尺度的小波系数，所述Mallat算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小波及自适应滤波的抑郁症脑电信号提取方法，其特征在于，包括以下步骤：步骤a、获取抑郁症患者的脑电信号数据；步骤b、使用小波分析法对信号进行预处理，选择合适的小波基函数进行小波分解，滤除眼电、肌电、心电等无用的生理电信号，提高信号信噪比；步骤c、对所述脑电信号进行自适应滤波算法提取，并对其进行二次小波变换；步骤d、将重构的噪声作为自适应滤波器的参考输入，进行自适应滤波处理，得到去噪信号；步骤e、将步骤d得到的信号与步骤b中各个频带的脑电信号进行重构，得到抑郁症患者的有效脑电信号。2.根据权利要求1所述的一种基于小波及自适应滤波的抑郁症脑电信号提取方法，其特征在于，所述脑电信号数据通过信号采集单元进行采集、放大、滤波后，经A/D转换器转换成数字信号送入实时脑电信号处理模块，所述实时脑电信号处理模块用于消除干扰和生理伪差带来的噪声。3.根据权利要求2所述的一种基于小波及自适应滤波的抑郁症脑电信号提取方法，其特征在于，步骤b采用Mallat算法实现小波分解，将信号分解为不同尺度的小波系数，所述Mallat算法的基本公式如下：其中，j为小波变换的尺度，k为对应于尺度系数或小波系数的标号，w
j,k
为第j层小波分解中第k个小波系数，n表示时域上的位置，x
j...

【专利技术属性】
技术研发人员：林海军，刘国建，孟令洲，杜海龙，张俊鹏，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：