[发明专利]EEG信号混合噪声处理方法、设备和存储介质

权利要求书

1.一种基于压缩感知的EEG信号混合噪声处理方法，其特征在于，包括以下步骤：

(1)获取EEG信号，并建立噪声环境下多通道脑电模型；其中，所述建立的噪声环境下多通道脑电模型为Y＝ΦX+N+S，表示压缩后被噪声干扰的多通道脑电信号矩阵，表示多通道脑电信号矩阵，Φ表示压缩测量矩阵，N表示高斯噪声，S表示脉冲噪声，R表示脑电信号的通道数，m表示压缩后的数据长度，n表示每个通道的脑电信号数据长度；

(2)建立多通道脑电信号重构方法的优化模型，并采用所述优化模型进行优化，得到重构信号；

(3)使用高斯和均匀分布混合模型对所述重构信号中异常信号产生的偏差ε_i进行建模，并对重构信号中的异常信号进行识别；具体为，采用所述重构信号中异常信号产生的偏差训练深度置信网络，学习得到相关性，其中所述重构信号中异常信号产生的偏差使用高斯和均匀分布混合模型建模，即其中，ε_i＝y_i-x_i表示所述重构信号中异常信号产生的偏差，y_i∈Y，x_i∈X，θ＝{γ,σ²}，σ²为高斯模型的协方差，D为维数，γ∈[0,1]表示内在点占的比例，为均匀分布。

2.根据权利要求1所述的基于压缩感知的EEG信号混合噪声处理方法，其特征在于，所述步骤(2)中多通道脑电信号重构方法的优化模型为min表示最小化算子，|| ||₁表示信号矩阵中所有行和列元素绝对值的总和，Ω表示二阶差分矩阵生成的协稀疏分析字典，rank()表示秩函数，|| ||_F表示弗罗贝尼乌斯规则化，λ,α,β均为规则化参数。

3.根据权利要求2所述的基于压缩感知的EEG信号混合噪声处理方法，其特征在于，所述步骤(2)中采用所述优化模型进行优化时，令V₁＝ΩX，V₂＝X，优化过程如下：

V₂^k+1＝X^k+1，其中，μ为惩罚系数，V₁表示第一主分量信息，V₂表示的第二主分量信息，k表示第k次迭代。

4.一种基于压缩感知的EEG信号混合噪声处理设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述计算机程序由所述处理器执行如权利要求1-3中任一所述的基于压缩感知的EEG信号混合噪声处理方法的步骤。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序由处理器执行如权利要求1-3中任一所述的基于压缩感知的EEG信号混合噪声处理方法的步骤。