【技术实现步骤摘要】
本专利技术属于仿真脑电，尤其涉及一种仿真脑电信号的合成方法、脑电伪迹去除方法、介质。
技术介绍
1、脑电是一种弱生理电信号，采集脑电时容易引入眼电、肌电等生理性伪迹，对其后续的分析、分类与检测产生极大影响。具体而言，眼电伪迹幅值大，与脑电低频段重合；具有高频特性的肌电伪迹会导致脑电的高频段被污染；受电极与皮肤接触阻抗等影响，信号也容易引入热噪声干扰。因此，伪迹去除是脑电信号处理中必不可少的环节。
2、现有技术中，传统去伪迹多采用分解类方式对信号分解后去除伪迹成分，但存在两方面的不足，一是实验人员对分解后伪迹成分的判断主观性较大，一旦判断错误，通常直接舍弃包含伪迹的整段子成分，易致脑电有用信号的损失；二是针对的伪迹类型单一，对多类型伪迹也没有结合各自数据特点采用特殊处理方法。
3、因此，开发出一种仿真脑电信号的合成方法、脑电伪迹去除方法，能够合成各种不同状态下的仿真脑电信号，并根据仿真脑电信号建立伪迹数据库，进而构建伪迹检测模型库和伪迹去除模型库去除伪迹，提高伪迹检测与去除的准确性，成为本领域亟待解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供一种仿真脑电信号的合成方法包括：基于第一高斯函数获取背景脑电信号的第一表征函数s1；基于第二高斯函数获取节律活动信号的第二表征函数s2；以及将第一表征函数s1、第二表征函数s2融合为仿真脑电信号的第三表征函数s_eeg1。
2、该仿真脑电信号的合成方法采用第一高斯函数获取背景脑电信号、第二高斯函数获取
3、进一步，基于第一高斯函数获取背景脑电信号的第一表征函数s1包括：设定第一高斯函数x1＝gaussian(n,μ,σ)，其中gaussian(*)表示第一高斯信号的生成函数，n是第一高斯信号的长度，μ是第一高斯信号的均值，σ是第一高斯信号的标准差；基于第一高斯函数生成第一高斯信号；获取频谱，即对第一高斯信号做n点傅里叶变换，即f1(n)＝fft(x1，n)，其中fft(x1，n)表示对第一高斯信号进行n点傅里叶变换；计算幂律变换尺度，即点的序号，ex表示脑电信号的频谱斜率分布范围；生成“1/f”分布信号，即所述背景脑电信号，其第一表征函数s1(n)＝real(ifft(f1(n)*a1(n)))，n＝0，1，2，...，n，ifft(*)表示逆傅里叶变换，real(*)表示提取实部。
4、进一步，所述脑电信号的频谱斜率分布范围设定为(0，3]。
5、进一步，基于第二高斯函数获取节律活动信号的第二表征函数s2包括：设定第二高斯函数x2＝gaussian(n，μ，σ)，其中gaussian(*)是第二高斯信号的生成函数，n是第二高斯信号的长度，μ是第二高斯信号的均值，σ是第二高斯信号的标准差；基于第二高斯函数生成设定长度的第二高斯信号；对第二高斯信号进行hfhz-lfhz带通滤波得到所述节律活动信号，其第二表征函数s2＝filter(x2，hf，lf)，其中filter(*)表示带通滤波器，hf是高通截止频率，lf是低通截止频率。
6、进一步，所述hfhz-lfhz带通滤波的滤波范围的标准差为1hz。
7、进一步，将第一表征函数、第二表征函数融合为仿真脑电信号的第三表征函数包括：设定仿真脑电信号的第三表征函数s_eeg1＝w1*s1+w2*s2，其中w1表示背景脑电信号在仿真脑电信号中的占比，w2表示节律活动信号在仿真脑电信号中的占比，基于脑电信号四分之一采样率处的功率谱密度范围调整w1和w2的比例。
8、本专利技术第二方面实施例的脑电伪迹去除方法，包括：构建含伪迹仿真脑电数据库，在所述仿真脑电信号中融入任一伪迹信号得到含伪迹仿真脑电信号；构建伪迹检测模型，对含伪迹仿真脑电信号和对应伪迹标签进行机器训练，获得伪迹检测模型；构建伪迹去除模型，基于任一含伪迹仿真脑电信号与对应的仿真脑电信号进行机器训练；迭代去除伪迹，伪迹检测模型每次检测样本数据中的一种伪迹类型并对应选择伪迹去除模型，迭代进行去除，直至检测模型检测不到伪迹类型。
9、进一步，在所述仿真脑电信号中融入任一伪迹信号得到含伪迹仿真脑电信号包括：设定含伪迹仿真脑电信号的第四表征函数s_noise＝s_eeg1+w3*s3，其中w3表示伪迹信号在含伪迹仿真脑电信号中的信噪比，且s_eeg1与w3*s3的均方绝对值的比值在以10为底对数值在[5,-10]的范围内。
10、进一步，所述伪迹信号包括：高斯噪声、低频伪迹、高频伪迹；其中所述高斯噪声基于第三高斯函数获取；所述第三高斯函数x3＝gaussian(n,μ,σ)，其中gaussian(*)是第三高斯信号的生成函数，n是第三高斯信号的长度,μ是第三高斯信号的均值,σ是第三高斯信号的标准差；所述低频伪迹、高频伪迹分别从真实脑电信号剥离伪迹信号获取。
11、进一步，一种介质，存储所述的合成方法或所述的脑电伪迹去除方法。
12、本专利技术的有益效果：本专利技术第一方面实施例的仿真脑电信号的合成方法采用第一高斯函数获取背景脑电信号、第二高斯函数获取节律活动信号，通过背景脑电信号和节律活动信号合成仿真脑电信号，能够合成干净不含伪迹的仿真脑电信号，且能够通过调整仿真脑电信号中背景脑电信号和节律活动信号的占比合成不同状态下的仿真脑电信号，合成方法简单可靠，便于各种仿真脑电信号的合成与各种场合的仿真应用。本专利技术第二方面实施例的脑电伪迹去除方法，可根据仿真脑电信号与伪迹合成构建伪迹仿真脑电数据库、伪迹检测模型及伪迹去除模型，能够准确检测出每种伪迹成分及伪迹的类型，并通过对应的伪迹去除模型进行迭代逐一去除，提高了伪迹检测与去除的准确性，且具有模型检测准确率高、伪迹去除效率高等优点。
13、本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种仿真脑电信号的合成方法，其特征在于，包括：
2.如权利要求1所述的合成方法，其特征在于，
3.如权利要求2所述的合成方法，其特征在于，
4.如权利要求1所述的合成方法，其特征在于，
5.如权利要求4所述的合成方法，其特征在于，
6.如权利要求1所述的合成方法，其特征在于，
7.一种脑电伪迹去除方法，其特征在于，包括：
8.如权利要求7所述的脑电伪迹去除方法，其特征在于，
9.如权利要求8所述的脑电伪迹去除方法，其特征在于，
10.一种介质，其特征在于，存储如权利要求1-6中任一项所述的合成方法或如权利要求7-9中任一项所述的脑电伪迹去除方法。
【技术特征摘要】
1.一种仿真脑电信号的合成方法，其特征在于，包括：
2.如权利要求1所述的合成方法，其特征在于，
3.如权利要求2所述的合成方法，其特征在于，
4.如权利要求1所述的合成方法，其特征在于，
5.如权利要求4所述的合成方法，其特征在于，
6.如权利要求1所述的合成方法，其特...
【专利技术属性】
技术研发人员：黄肖山，胥红来，郝慎才，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。