[发明专利]基于双密度小波邻域相关阈值处理的脑电信号消噪方法

摘要

本发明涉及一种基于双密度小波邻域相关阈值处理的脑电信号消噪方法。当前大都采用经典离散小波变换结合传统阈值法对脑电信号进行消噪，而已有的基于经典小波变换结合传统阈值法的消噪方法都存在不足之处。本发明首先从大脑皮层上采集脑电信号，然后用双密度小波正变换对脑电信号进行分解，得到多层的信号高频系数，根据小波系数的局部统计依赖性，运用邻域相关阈值处理算法进行收缩，最后将收缩后的小波系数进行重构得到消噪后的信号。本发明根据脑电信号特性和干扰噪声特点，以信噪比为目标函数，采用网格寻优法对邻域相关阈值处理算法中的三个可调参数进行寻优，进而有效地平滑噪声并保留EEG的细节特征。

主权项

1.基于双密度小波邻域相关阈值处理的脑电信号消噪方法，其特征在于该方法包括如下步骤：步骤一.获取大脑运动想象脑电信号样本数据；步骤二.将步骤一获取的运动想象脑电信号进行双密度小波分解，得到低频小波系数和各层高频小波系数，分别记为C_J(l)和w_j,h1(l)、w_j,h2(l)；其中J表示最大分解尺度；j表示分解尺度；h₁、h₂表示两个高通滤波器；l表示小波系数序列的标号，其中w_j,h1(l)、w_j,h2(l)分别表示子空间(j,h₁)和子空间(j,h₂)内的小波系数序列；步骤三.计算各分解子空间的Donoho阈值，记为λ_j,hk：λj,hk=median(|wj,hk|)*2InM/0.6745]]>其中，M为子空间(j,h_k)内的小波系数数目；步骤四.定义加权阈值缩放因子λ_j，计算式为：λ_j＝β/(1+In(j))其中，j为分解尺度；步骤五.对Donoho阈值进行缩放得到各分解子空间的阈值，记为T_j,hk：T_j,hk＝λ_j*λ_j,hk根据分解尺度对频率相对高子空间的阈值进行放大、频率相对低子空间的阈值进行缩小，进而增强对EEG中高频噪声的抑制，同时保留低频有用信息；步骤六.计算以w_j,hk(l),k＝1,2为中心，大小为2m+l的操作邻域窗口内小波系数的均值,记为：w‾j,hk(l)=12m+1Σm1=-mmwj,hk(l+m1)]]>步骤七.使用邻域相关阈值处理函数对高频系数w_j,hk(l)进行收缩，其函数构造为:以信噪比为目标函数，使用网格搜索法对m、β、K三个可调参数进行了寻优，当m＝2、β＝1.15、K＝4时，算法的消噪效果最为理想；参数寻优的具体步骤如下：(1)根据真实EEG波形特点，生成采样率Fs、时间t=0:1/Fs:4、频率范围为2～30Hz的标准信号s(t)=Σm=2132-rand(1)sin(2πnt+2*rand(1)*π)+Σn=1430rand(1)5cos(2πnt+2*rand(1)*π),]]>与EEG的主要节律对应；(2)对标准信号加噪声x(t)＝awgn(s(t),n,'measured')，即标准信号加噪后的信噪比为n（dB）；(3)将x(t)进行双密度小波分解，得到各层高频小波系数，记为w_j,h1(l)、w_j,h2(l)；计算各分解子空间的Donoho阈值，记为λ_j,hk；(4)设定m∈[0，(M-1)/2]，M为最大分解子空间内小波系数数目，步长Δm=1；设定β∈[0，20]，步长Δβ=0.05；设定K∈[1，60]，步长ΔK=0.05；然后，根据步骤四到步骤七计算每种参数组合(m，β，K)的消噪信号以及信噪比SNR_（m,β,K）；信噪比定义为：式中，N是信号长度，s(i)是原始标准信号，为去噪后的信号；通常信噪比越大信号的整体消噪效果越好，因此，只要找出SNR_（m,β,K）的最大值就可以寻得最优的(m，β，K)参数组合；步骤八.将低频系数和经收缩后的高频系数进行双密度小波逆变换，得到消噪后的EEG。