基于边缘端卡尔曼滤波网络的实时脑电信号增强方法技术

本发明专利技术涉及一种基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，包括：对EEG信号进行线性化处理，以获取更适用于卡尔曼滤波的线性化数据；将线性化处理后的脑电信号输入构建的边缘端卡尔曼滤波网络EKFNet中实现脑电信号增强；EKFNet网络包含预测阶段和更新阶段，在预测阶段通过卡尔曼方程计算先验估计值，在更新阶段先通过多尺度特征融合模块MSFF提取多层次特征来捕获噪声特征，再通过自适应增益估计模块AGE动态计算卡尔曼增益，并将其用于更新先验估计值，从而获得最优估计值。该方法可以实时、有效地增强脑电信号。

【技术实现步骤摘要】

本专利技术涉及脑电信号处理，具体涉及一种基于边缘端卡尔曼滤波网络的实时脑电(eeg)信号增强方法。

技术介绍

1、脑电(eeg)信号的增强方法主要分为传统滤波算法和基于深度学习的滤波方法两大类。传统滤波算法具备迅速推理和便于实时处理的优势，因此，在早期，许多学者提出了多种滤波算法，如卡尔曼滤波和小波滤波。然而，这些传统方法普遍存在参数设置困难的问题，需要特定的噪声先验知识。近几年，深度学习方法凭借其在信号处理方面的卓越表征能力，在脑电信号增强领域取得了显著进展。尽管如此，当前的深度学习模型往往规模庞大，导致推理时间过长，难以在低功耗的脑电设备上进行有效的实时滤波，此挑战成为当前研究面临的重要问题。

技术实现思路

1、本专利技术的目的在于提供一种基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，该方法可以实时、有效地增强脑电信号。

2、为了实现上述目的，本专利技术采用的技术方案是：一种基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，包括：

3、对eeg信号进行线性化处理，以获取更适用于卡尔本文档来自技高网...

【技术保护点】

1.一种基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，其特征在于，包括：

2.根据权利要求1所述的基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，其特征在于，采用三阶泰勒公式对EEG信号进行线性拟合，构建如下状态转移方程：

3.根据权利要求2所述的基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，其特征在于，EKFNet网络包含计算先验估计值的预测阶段和利用MSFF模块和AGE模块进行卡尔曼增益估计的更新阶段；

4.根据权利要求3所述的基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，其特征在于，MSFF模块采用两个分支分别提取不同尺度的特征信息，以提取...

【技术特征摘要】

1.一种基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，其特征在于，包括：

2.根据权利要求1所述的基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，其特征在于，采用三阶泰勒公式对eeg信号进行线性拟合，构建如下状态转移方程：

3.根据权利要求2所述的基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，其特征在于，ekfnet网络包含计算先验估计值的预测阶段和利用msff模块和age模块进行卡尔曼增益估计的更新阶段；

4.根据权利要求3所述的基于边缘端卡尔曼滤波网络的实时脑电信号增强方法，其特征在于，msff模块采用两个分支分别提取不同尺度的特征信息，以提取深层与浅层信息；提取出的多尺度特征通过特征融合输出最终特征图，输出特征反映了输入信号的噪声统计信息，可用于计算后续卡尔曼滤波所需的状态协方差...

【专利技术属性】
技术研发人员：颜佳泉，何倬利，王传胜，李佐勇，黄佳燕，
申请(专利权)人：闽江学院，
类型：发明
国别省市：