[发明专利]基于自适应阈值处理的脑电信号去噪方法

摘要

本发明涉及一种基于自适应阈值的脑电信号去噪方法。本发明首先，在软阈值的基础上改进阈值函数；其次，对采集到的脑电信号进行多层次的分解，得到相对应的小波细节系数；然后，根据小波分解后小波系数的统计相关性改进阈值，对小波系数进行自适应的阈值处理；最后，将缩放后的小波系数进行重构得到去噪后的EEG信号。本发明与硬阈值法、软阈值法、Garrote阈值法对比，其优点在于保持了软阈值法的平滑性，减少吉布斯现象，不仅有效的抑制了高斯噪声，同时保留EEG中大部分的有用的细节信息，为下一步的EEG特征提取和模式识别奠定良好的基础。

主权项

基于自适应阈值处理的脑电信号去噪方法，其特征在于该方法包括以下步骤：步骤1.选取合适的小波基函数，确定分解层次j，将含噪的EEG信号进行小波分解至j层，得到相应的小波分解系数w_j,k；步骤2.计算各个分解子空间的Donoho阈值，选取阈值函数和合适的阈值进行去噪处理；所述的阈值函数为${\tilde{w}}_{j,k}=\left\{\begin{array}{c}a{{\mathrm{\λ}}^2}_{j,k}-{\mathrm{\λ}}_{j,k}+w_{j,k},w_{j,k}\≥{\mathrm{\λ}}_{j,k}\\ a{w^2}_{j,k},0\≤w_{j,k}\<{\mathrm{\λ}}_{j,k}\\ -a{{\mathrm{\λ}}^2}_{j,k}+{\mathrm{\λ}}_{j,k}+w_{j,k},w_{j,k}\≤-{\mathrm{\λ}}_{j,k}\\ -a{w^2}_{j,k},-{\mathrm{\λ}}_{j,k}\<w_{j,k}\<0\end{array}\right.,a\<\frac{1}{{\mathrm{\λ}}_{j,k}}$式中表示真实信号小波系数的估计值；λ_j,k表示Donoho阈值；a是形状系数，用于控制w_j,k＜λ_j,k区域内的函数形状，即控制衰减程度；对Donoho阈值λ_j,k进行缩放得到各个分解子空间的阈值，记为T_j,k，其表达式为：T_j,k＝λ_j*λ_j,k，λ_j＝p/(1+In(j))²，其中p≥0、j是分解尺度；步骤3.将低频系数和处理后的高频系数进行重构，得到消噪后的EEG信号。