[发明专利]EEG信号混合噪声处理方法、设备和存储介质

说明书

本发明涉及一种基于压缩感知的EEG信号混合噪声处理方法，包括以下步骤：获取EEG信号，并建立噪声环境下多通道脑电模型；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；使用高斯模型和均匀分布对重构信号匹配的偏差进行建模，并对重构信号中的异常信号进行识别。本发明还涉及基于压缩感知的EEG信号混合噪声处理设备。本发明能够有效消除噪声。

技术领域

本发明涉及脑电信号处理技术领域，特别是涉及一种EEG信号混合噪声处理方法、设备和存储介质。

背景技术

脑电(简称EGG)信号是最常用的生物医学信号之一，其是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。EGG信号中包含了大量的生理与疾病信息，在临床医学方面，EGG信号处理不仅可为某些脑疾病提供诊断依据，而且还为某些脑疾病提供了有效的治疗手段。在工程应用方面，人们也尝试利用脑电信号实现脑-计算机接口(BCI)利用人对不同的感觉、运动或认知活动的脑电的不同，通过对脑电信号的有效的提取和分类达到某种控制目的。但由于脑电信号是不具备各态历经性的非平稳随机信号，而且其背景噪声也很强，因此脑电信号的分析和处理一直是非常吸引人但又是具有相当难度的研究课题。

自1932年Dietch首先用傅立叶变换进行了EEG分析之后，在脑电分析中相继引入了频域分析、时域分析等脑电图分析的经典方法。近年来，在脑电图分析中应用了小波分析、匹配跟踪方法、神经网络分析、混沌分析等方法以及各种分析方法的有机结合，有力地推动了脑电信号分析方法的发展。

实践中，脑电记录每天很容易产生1GB的数据，传输所需的能量非常高。传统的压缩方法是在传输前对数据进行压缩，由于大量的样本数据在压缩过程中被丢弃，严重浪费了资源。为了应对这一挑战，提出了压缩感知技术，此时模拟信号在奈奎斯特采样速率下不再是第一次采样，而是在压缩过程中直接以较低的采样率获得压缩信号，并通过非线性算法从压缩数据中恢复信号。

现有专利CN106388778B给出了一种睡眠状态分析中的脑电信号预处理方法和系统，其中所述方法包括：采集用户在睡眠过程中产生的原始脑电信号；根据预设的中值滤波的窗口长度，对原始脑电信号进行中值滤波，滤除基线漂移；根据滤波后的脑电信号频率和幅值对中值滤波的窗口长度自适应调整，直至滤波后的脑电信号在经过小波分解后的设定频段内的能量最大，且脑电信号幅度的均值绝对值最小；输出滤除基线漂移的脑电信号。

然而，上述方法仅仅考虑了传输过程中产生的噪声影响，而在实际情况下，噪声是不可避免的因素，根据噪声分布的特点，可以分成稠密噪声和稀疏噪声，当处理从复杂噪声环境中采集到的压缩信号，以往的方法得到的脑电信号的性能都会下降，这对后续判断造成了影响。

发明内容

本发明所要解决的技术问题是提供一种基于压缩感知的EEG信号混合噪声处理方法及设备，能够有效消除噪声。

本发明解决其技术问题所采用的技术方案是：提供一种基于压缩感知的EEG信号混合噪声处理方法，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；

(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)使用高斯模型和均匀分布对重构信号匹配的偏差进行建模，并对重构信号中的异常信号进行识别。

所述步骤(1)中建立的噪声环境下多通道脑电模型为Y＝ΦX+N+S，其中，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，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。