【技术实现步骤摘要】
本申请涉及脑机接口，尤其涉及一种脑磁信号预处理方法、装置及设备。
技术介绍
1、脑机接口（brain-computerinterface, bci）是指从大脑活动信号中破译特定意图，并转换为机器指令从而控制外部设备的技术。基于脑机接口技术，用户可以通过运动想象（motor imagery,mi）引发的事件相关电位（event-relatedpotential,erp）作为一种主动的神经活动特征，以用作主动性脑机接口（active-bci）系统中的控制信号，从而对外部设备进行控制。然而由于大脑颅骨具有高阻抗，不利于高频信号通过，导致实际情况下采集到的脑电信号会存在较大的信号衰减。且脑电信号作为标量场，对脑电进行信号溯源或反演会造成脑电信号中空间特征的遗失，对脑神经活动的研究产生影响。相对地，脑磁信号在穿透大脑颅骨时不会受到影响而产生衰减，且脑磁信号作为矢量场，在时空分辨率上优于脑电信号。因此，脑磁信号可以代替脑电信号应用于脑机接口技术中，应用脑磁信号的脑机接口系统也层出不穷。
2、相关技术中，脑磁信号的信号质量仍有待提升。
技术实现思路
1、本申请提供一种脑磁信号预处理方法、装置及设备，通过多策略滤波对脑磁信号进行自适应噪声消除，从而结合了不同滤波方式的优点，减少了脑磁信号的动态属性对信号分类造成的影响，有效提升脑磁信号的质量。
2、为了达到上述目的，本申请采用的主要技术方案包括：
3、第一方面，本申请实施例提供一种脑磁信号预处理方法，所述方法包括
4、对原始脑磁信号进行多策略滤波，并对滤波结果进行融合，得到融合滤波信号；其中，所述多策略滤波包括至少一种适用于线性系统的滤波方式和至少一种适用于非线性系统的滤波方式；
5、基于所述融合滤波信号进行频率分解和特征提取，得到信号模态特征；
6、根据满足相关度条件的信号模态特征对所述原始脑磁信号进行信号重构，得到重构脑磁信号。
7、本申请实施例提出的脑磁信号预处理方法，结合适用于线性系统的滤波方式和适用于非线性系统的滤波方式，利用多策略滤波方式对原始脑磁信号进行自适应噪声消除，并根据所得的融合滤波信号进行信号重构，从而得到经过预处理的重构脑磁信号。重构脑磁信号能够作为脑磁信号分类的信号基础，为脑机接口技术研究提供准确的脑磁信号特征。与相关技术相比，本申请结合了多种滤波方式，通过线性滤波方式处理原始脑磁信号中的平稳噪声，并通过非线性滤波方式处理原始脑磁型号中的复杂非线性信号，减少原始脑磁信号中非线性干扰带来的影响，有效提升了滤波效果，提高了脑磁信号的鲁棒性。对所得的滤波结果进行融合，得到融合滤波信号，从而能够结合不同滤波方式的优点以提升脑磁信号的质量，进而提高了脑磁信号的分类效果和分类准确性。
8、可选地，所述对原始脑磁信号进行多策略滤波，并对滤波结果进行融合，得到融合滤波信号，包括
9、对所述原始脑磁信号进行线性系统滤波，得到线性滤波信号；
10、对所述原始脑磁信号进行非线性系统滤波，得到非线性滤波信号；
11、对所述线性滤波信号和所述非线性滤波信号进行融合，得到所述融合滤波信号。
12、可选地，所述对所述原始脑磁信号进行线性系统滤波，得到线性滤波信号，包括：
13、根据前一时刻的融合滤波信号，对所述原始脑磁信号对应的样本参考值的估计权重进行更新；
14、利用所述样本参考值和更新后的所述样本参考值的估计权重得到所述原始脑磁信号的运动伪影噪声矩阵；
15、根据所述运动伪影噪声矩阵对所述原始脑磁信号进行线性系统滤波，得到所述线性滤波信号。
16、可选地，所述原始脑磁信号包括径向信号和切向信号；所述对所述原始脑磁信号进行非线性系统滤波，得到非线性滤波信号，包括：
17、根据所述径向信号在第一时刻的融合滤波信号和在第二时刻的外部刺激输入信号，得到所述径向信号在当前时刻的预测状态，作为径向预测状态；其中，所述第一时刻和所述第二时刻均在所述当前时刻之前；
18、根据所述切向信号在第一时刻的融合滤波信号和在第二时刻的外部刺激输入信号，得到所述切向信号在当前时刻的预测状态，作为切向预测状态；
19、将所述径向预测状态和所述切向预测状态进行分量耦合，得到所述原始脑磁信号的耦合预测状态；并对所述耦合预测状态进行状态观测，得到所述非线性滤波信号。
20、可选地，所述对所述线性滤波信号和所述非线性滤波信号进行融合，得到所述融合滤波信号，包括：
21、根据所述线性滤波信号和所述非线性滤波信号各自的信噪比，对所述线性滤波信号的预设权重进行调整，得到所述线性滤波信号的融合权重；
22、根据所述融合权重对所述线性滤波信号和所述非线性滤波信号进行加权计算，得到所述融合滤波信号。
23、可选地，所述根据满足相关度条件的信号模态特征对所述原始脑磁信号进行信号重构，得到重构脑磁信号，包括：
24、对所述信号模态特征进行信息熵检测，得到所述信号模态特征的相关度；
25、根据所述相关度条件对所述信号模态特征进行筛选，得到满足相关度条件的信号重构特征；
26、根据所述信号重构特征进行信号重构，得到所述重构脑磁信号。
27、可选地，所述方法还包括：
28、对所述重构脑磁信号进行分类，得到脑磁信号分类结果。
29、可选地，所述对所述重构脑磁信号进行分类，得到脑磁信号分类结果，包括：
30、将所述重构脑磁信号和对应的标签集输入深度学习神经网络模型，以对所述重构脑磁信号进行分类，输出所述脑磁信号分类结果；其中，所述深度学习神经网络模型是通过当前时刻之前的重构脑磁信号进行训练得到的。
31、第二方面，本申请实施例提供一种脑磁信号预处理装置，所述装置包括：
32、融合滤波模块，用于对原始脑磁信号进行多策略滤波，并对滤波结果进行融合，得到融合滤波信号；其中，所述多策略滤波包括至少一种适用于线性系统的滤波方式和至少一种适用于非线性系统的滤波方式；
33、特征提取模块，用于基于所述融合滤波信号进行频率分解和特征提取，得到信号模态特征；
34、信号重构模块，用于根据满足相关度条件的信号模态特征对所述原始脑磁信号进行信号重构，得到重构脑磁信号。
35、第三方面，本申请实施例提供一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行上述实施例中任一项所述的方法。
36、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令，所述计算机指令用于使计算机执行上述实施例中任一项所述的方法。
37、第五方面，本申请实施例提供一种计算机程序产品，包括计算机指令，所述计算机指令用于使本文档来自技高网...
【技术保护点】
1.一种脑磁信号预处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对原始脑磁信号进行多策略滤波，并对滤波结果进行融合，得到融合滤波信号，包括
3.根据权利要求2所述的方法，其特征在于，所述对所述原始脑磁信号进行线性系统滤波，得到线性滤波信号，包括：
4.根据权利要求2所述的方法，其特征在于，所述原始脑磁信号包括径向信号和切向信号；所述对所述原始脑磁信号进行非线性系统滤波，得到非线性滤波信号，包括：
5.根据权利要求2所述的方法，其特征在于，所述对所述线性滤波信号和所述非线性滤波信号进行融合，得到所述融合滤波信号，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据满足相关度条件的信号模态特征对所述原始脑磁信号进行信号重构，得到重构脑磁信号，包括：
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：
8.根据权利要求7所述的方法，其特征在于，所述对所述重构脑磁信号进行分类，得到脑磁信号分类结果，包括：
9.一种脑磁信号预处理装
10.一种计算机设备，其特征在于，包括：
...【技术特征摘要】
1.一种脑磁信号预处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对原始脑磁信号进行多策略滤波，并对滤波结果进行融合，得到融合滤波信号，包括
3.根据权利要求2所述的方法，其特征在于，所述对所述原始脑磁信号进行线性系统滤波，得到线性滤波信号，包括：
4.根据权利要求2所述的方法，其特征在于，所述原始脑磁信号包括径向信号和切向信号；所述对所述原始脑磁信号进行非线性系统滤波，得到非线性滤波信号，包括：
5.根据权利要求2所述的方法，其特征在于，所述对所述线...
【专利技术属性】
技术研发人员：谈高波，盖津铭，黄启莹，胡正珲，
申请(专利权)人：浙江工业大学，
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。