带有共模噪声通道的干电极脑电系统技术方案

本发明专利技术公开了一种带有共模噪声通道的干电极脑电系统

【技术实现步骤摘要】
带有共模噪声通道的干电极脑电系统、信号的主动降噪方法


[0001]本专利技术属于信号处理
，具体涉及带有共模噪声通道的干电极脑电系统
、
信号的主动降噪方法
。

技术介绍

[0002]共模噪声是脑电
、
心电
、
肌电等采集系统中最常见的外源性伪差，易致采集到的信号质量下降，极大影响后续分析
、
分类及检测任务的准确性
。
[0003]共模噪声包括周期共模噪声和非周期共模噪声两类
。
现有技术中多采用陷波或带通滤波去除周期共模噪声，采用平均参考或分解类方法去除非周期共模噪声，但其存在以下不足：（1）当采集到的信号同时存在非周期和周期两种共模噪声时，在进行降噪处理时，两种共模噪声相互干扰，降噪效果不佳；（2）采用现有技术中的去噪方式易造成采集到的有用信号的误去除，造成真实信号的损失
。

技术实现思路

[0004]本专利技术要解决的技术问题是：如何提升混合共模噪声的降噪效果
。
为此，本专利技术提供一种带有共模噪声通道的干电极脑电系统
、
信号的主动降噪方法
。
[0005]本专利技术解决其技术问题所采用的技术方案是：一种带有共模噪声通道的干电极脑电系统，包括：电极通道，用于获取目标信号；共模噪声通道，用于获取与目标信号同源的共模噪声；处理器，判断所述共模噪声的周期性，即周期共模噪声或同时含有周期共模噪声和非周期性共模噪声的混合共模噪声；计算模块，根据所述共模噪声的周期性选择不同的计算模型，以基于所述共模噪声获取目标信号包含的周期共模噪声和
\
或非周期共模噪声；降噪模块，基于拟合得到的周期共模噪声和
\
或非周期共模噪声去除目标信号中的共模噪声
。
[0006]进一步的，当处理器判断所述共模噪声为周期共模噪声时，所述处理器控制计算模块执行第一计算模型，即基于所述共模噪声对目标信号进行自适应滤波，拟合出目标信号包含的周期共模噪声
。
[0007]进一步的，当处理器判断所述共模噪声为混合共模噪声时，所述处理器控制计算模块执行第二计算模型，即先基于所述共模噪声对目标信号进行自适应滤波，拟合出目标信号包含的周期共模噪声，再基于逆处理后的共模噪声对目标信号进行自适应滤波，拟合出目标信号包含的非周期共模噪声
。
[0008]进一步的，所述第二计算模型包括：处理器先控制计算模块对所述共模噪声和目标信号执行预处理；处理器再控制计算模块基于共模噪声对目标信号进行自适应滤波，拟合出目标信号包含的周期共模噪声；目标信号减去拟合的周期共模噪声，得到第一目标信号；对第一目标信号进行逆处理运算，得到第二目标信号；对所述共模噪声预降噪，得到第一共模信号；基于所述第一共模信号对第二目标信号进行自适应滤波，拟合出第二目标信
号包含的非周期共模噪声
。
[0009]进一步的，所述自适应滤波包括：输入信号为
x(n)
，通过期望响应
d1(n)
与输出信号
y(n)
之间的误差自动更新自适应滤波器系数
h
，以适应下一个输入信号
x(n+1)
，使得下一个输出信号
y(n+1)
近似于下一个期望响应
d1(n+1)
，以基于输入信号对期望响应拟合得到输出信号，即目标信号包含的周期共模噪声或非周期共模噪声；所述自适应滤波的算法包括：最小均方误差算法
、
递归最小二乘算法中的任一种
。
[0010]进一步的，所述预降噪包括：去工频和低通滤波处理；所述预处理包括：差分运算
、PCA
分解
、SVD
分解中的一种或多种；所述逆处理包括：差分运算
、PCA
分解
、SVD
分解中的一种或多种
。
[0011]进一步的，所述判断所述共模噪声为周期共模噪声或混合共模噪声包括：当第一特征值大于第一设定值且第二特征值小于第二设定值时，所述共模噪声为周期共模噪声；否则，判定所述共模噪声为混合共模噪声；其中，所述第一特征值为：所述共模噪声的过零点数
Zc
；所述第二特征值为：所述共模噪声的均方根
RMS1
与共模噪声一阶差分后的均方根
RMS2
之间的比值
r=RMS1/RMS2
，
r
＞
1。
[0012]进一步的，还包括：脑电帽；所述电极帽上设置有所述电极通道和所述共模噪声通道；所述电极通道上设置有电极组件，用于采集所述目标信号；设置任一所述共模噪声通道的信号增益小于或等于电极通道的最大输入范围与共模噪声范围之比的最大整数，以采集与目标信号同源的共模噪声
。
[0013]进一步的，当所述共模噪声通道与电极通道共用同一个电路模块时，所述共模噪声通道被配置为不连接电极组件的电极通道；所述干电极脑电系统还包括：主机，其上设置有所述电路模块；上位机，与所述主机互相通信，其上设置有所述处理器
、
所述计算模块
、
所述降噪模块；其中所述脑电帽设有与电路模块相连的第一接口；所述主机上设有第二接口，以与第一接口可拆卸有线电连接
。
[0014]进一步的，所述电极组件包括设置在脑电帽上的爪式电极，用于采集脑电信号；所述干电极脑电系统还包括附加电极；所述附加电极采用耳夹式主动电极，用于采集心电或眼电
。
[0015]进一步的，所述电路模块包括：信号放大模块，用以将采集到的目标信号和共模噪声放大；数模转化模块，将放大后的目标信号和共模噪声转换成数字信号，并传输给所述上位机
。
[0016]进一步的，当所述共模噪声通道与电极通道不共用同一个电路模块时，即所述共模噪声通道与电极通道独立设置有相应的电路模块，以调节各自的信号增益
。
[0017]本专利技术还提供一种信号的主动降噪方法，使用所述的干电极脑电系统，所述方法包括：设置独立的共模噪声通道采集共模噪声；设置所述共模噪声通道的增益小于或等于采集通道的最大输入范围与共模噪声范围的比值的最大整数，以获取与目标信号同源的共模噪声；判断所述共模噪声为周期共模噪声或混合共模噪声；根据所述共模噪声的周期性选择不同的计算模型；基于所述共模噪声获取目标信号包含的周期共模噪声和
\
或非周期共模噪声；基于拟合得到的周期共模噪声和
\
或非周期共模噪声去除目标信号中的共模噪声
。
[0018]本专利技术的有益效果是，本专利技术的带有共模噪声通道的干电极脑电系统
、
信号的主
动降噪方法，通过引入共模噪声通道采集于目标信号同源的共模噪声，可以提升降噪处理的准确性，通过对目标信号中存在的共模噪声的周期性进行判断，进而选择相应的降噪处理方式，有利于提升本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种带有共模噪声通道的干电极脑电系统，其特征在于，包括：若干个电极通道（1），用于获取目标信号；至少一个共模噪声通道（2），用于获取与目标信号同源的共模噪声；处理器（3），判断所述共模噪声的周期性，即周期共模噪声或同时含有周期共模噪声和非周期性共模噪声的混合共模噪声；计算模块（4），根据所述共模噪声的周期性选择不同的计算模型，以基于所述共模噪声获取目标信号包含的周期共模噪声和或非周期共模噪声；降噪模块（5），基于拟合得到的周期共模噪声和或非周期共模噪声去除目标信号中的共模噪声
。2.
如权利要求1所述的干电极脑电系统，其特征在于，当处理器（3）判断所述共模噪声为周期共模噪声时，所述处理器（3）控制计算模块（4）执行第一计算模型，即基于所述共模噪声对目标信号进行自适应滤波，拟合出目标信号包含的周期共模噪声
。3.
如权利要求1所述的干电极脑电系统，其特征在于，当处理器（3）判断所述共模噪声为混合共模噪声时，所述处理器（3）控制计算模块（4）执行第二计算模型，即先基于所述共模噪声对目标信号进行自适应滤波，拟合出目标信号包含的周期共模噪声，再基于逆处理后的共模噪声对目标信号进行自适应滤波，拟合出目标信号包含的非周期共模噪声
。4.
如权利要求3所述的干电极脑电系统，其特征在于，所述第二计算模型包括：处理器（3）先控制计算模块（4）对所述共模噪声和目标信号执行预处理；处理器（3）再控制计算模块（4）基于共模噪声对目标信号进行自适应滤波，拟合出目标信号包含的周期共模噪声；目标信号减去拟合的周期共模噪声，得到第一目标信号；对第一目标信号进行逆处理运算，得到第二目标信号；对所述共模噪声预降噪，得到第一共模信号；基于所述第一共模信号对第二目标信号进行自适应滤波，拟合出第二目标信号包含的非周期共模噪声
。5.
如权利要求2或3所述的干电极脑电系统，其特征在于，所述自适应滤波包括：输入信号为
x(n)
，通过期望响应
d1(n)
与输出信号
y(n)
之间的误差自动更新自适应滤波器系数
h
，以适应下一个输入信号
x(n+1)
，使得下一个输出信号
y(n+1)
近似于下一个期望响应
d1(n+1)
，以基于输入信号对期望响应拟合得到输出信号，即目标信号包含的周期共模噪声或非周期共模噪声；所述自适应滤波的算法包括：最小均方误差算法
、
递归最小二乘算法中的任一种
。6.
如权利要求4所述的干电极脑电系统，其特征在于，所述预降噪包括：去工频和低通滤波处理；所述预处理包括：差分运算
、PCA
分解
、SVD
分解中的一种或多种；所述逆处理包括：差分运算
、PCA
分解
、SVD
分解中的一种或多种
。7.
如权利要求1所述的干电极脑电系统，其特征在于，
判断所述共模噪声为周期共模噪声或混合共模噪声包括：当第一特征值大于第一设定值且第二特征值小...

【专利技术属性】
技术研发人员：黄肖山，胥红来，郝慎才，陈烨，唐经纬，窦莲莲，薛硕，季志强，
申请(专利权)人：博睿康科技北京有限公司，
类型：发明
国别省市：