[发明专利]一种基于可变遗忘因子的自适应滤波器的脑电信号时序随机噪声去除方法

说明书

本发明涉及一种基于可变遗忘因子的自适应滤波器的脑电信号时序随机噪声去除方法，用于去除脑电信号中时序随机噪声。包括模型训练和模型测试，模型训练包括获取含有时序随机信号的混合脑电信号做为训练数据；设置模型初始参数；根据混合脑电信号生成当前迭代的输入混合信号序列片段生成当前迭代的输入参考噪声片段x_t；更新遗忘因子；计算当前迭代的不含噪声的脑电信号片段更新中间参数；重复上述步骤直到满足条件训练完成；最终利用训练完成的模型进行实际去噪。本发明弥补了对脑电信号中较强时序随机噪声的伪迹去除研究较少的不足，并与现有方法进行了试验对比，实验结果表明，本发明在运动想象数据集上的时序随机强噪声去除效果明显。

技术领域

本发明涉及运动想象任务中脑电信号的时序随机噪声去除领域以及生物信息学领域。

背景技术

颅外的脑电信号(Electro encephalography,EEG)中有包含了大量的生理和病理信息，但也可能包含有大量的伪迹，这些伪迹噪声严重影响了采集到的脑电信号。近年来，出现了许多伪迹去除方法。现在大部分脑电伪迹去除方法都是集中在眼电伪迹、心电伪迹、电机运动伪迹、基线漂移伪迹和工频干扰等伪迹的去除，然而常用伪迹去除的模型及参数有待优化，并且对脑电信号中较强时序随机噪声的伪迹去除研究较少。

自适应滤波器是可以根据输入信号自动不断调整参数的数字滤波器，能够解决非自适应滤波器参数固定的缺陷。脑电是一种随机信号，而加入脑电信号中的时序随机噪声也是复杂多变的，事先不知道模型中所需要设定的参数，所以采用自适应滤器来自适应调节参数可以达到伪迹去除的目的。常用的自适应滤波器分为基础的LMS(Least MeanSquare)和RLS(Recursive Least Squares)及其改进算法。对于自适应滤器，遗忘因子的大小与算法的收敛速度、稳定性有密切的关系，

发明内容

针对上述背景，本发明提出采用可变遗忘因子的自适应滤波器VFFRLS(VariableForgetting Factor RLS)去除脑电信号中的时序随机噪声，用于解决去除脑电信号中时序随机噪声的问题。

具体技术方案如下：

包括模型训练和模型实测两个阶段，其中，

所述的模型训练阶段用于训练VFFRLS的模型和参数；

所述的模型实测是利用训练完成的VFFRLS模型对待去噪脑电信号进行噪声滤除，

模型训练阶段具体包括以下步骤：

1)获取含有时序随机信号的混合脑电信号

2)设置VFFRLS的各种初始参数

3)生成输入的混合信号序列片段。

4)生成输入的参考噪声片段。

5)更新遗忘因子。

6)估算不含噪声的脑电信号片段。

7)估算噪声片段。

8)更新其它中间参数。

9)如果不满足停止条件，则不断重复更新。

10)满足停止条件后，训练完成。

有益效果