[发明专利]基于一维残差卷积神经网络的脑电信号去噪方法

摘要

一种基于一维残差卷积神经网络的脑电信号去噪方法，由选取脑电样本、构建含噪脑电信号样本、划分网络训练集和测试集、构建一维残差卷积神经网络、训练一维残差卷积神经网络、重建去噪脑电信号步骤组成。本发明构建了一个由残差网络连接组成的一维残差卷积神经网络，引入卷积层和激活层，增强了神经网络的学习能力，建立起噪声信号到脑信号的准确映射，实时去噪，卷积层后的激活层用线性整流单元层函数，将小于0的神经元去掉，筛选出有效的特征，避免了梯度爆炸的缺陷；将信号去噪分为模型训练和去噪过程，提高了信号去噪的信噪比和均方根误差,减少了去噪时间，提升了脑电信号去噪的效率和质量，可用于信号处理的预处理和去噪处理技术领域。

主权项

1.一种基于一维残差卷积神经网络的脑电信号去噪方法，其特征在于由以下步骤组成：(1)选取脑电样本从Physionet数据库中选取m个脑电样本，标记为脑电样本E_D×N，其中D为脑电信号的通道数，N为脑电信号的采样点数，在馈入一维残差卷积网络进行训练和测试之前，每个脑电信号按以下方程进行归一化处理：式中max为样本数据x_i的最大值，min为样本数据x_i的最小值，其中1≤i≤n；(2)构建含噪脑电信号样本选取基线噪声或高斯白噪声或肌电噪声作为噪声，将不同信噪比的噪声分别加入到脑电样本中，构建成含噪脑电信号样本，按式(1)对含噪脑电样本进行归一化处理；(3)划分网络训练集、测试集使用数据增强方法扩充脑电样本和含噪脑电信号样本，并分别划分60％～80％作为网络训练集、20％～40％作为网络测试集，测试集与训练集无交叉；(4)构建一维残差卷积神经网络采用残差网络方法，将1个批处理归一层与2个一维卷积层依次连接，在一维卷积层的输出串联2个残差块，第二个残差块的输出依次连接1个一维卷积层和1个全连接层，构建成一维残差卷积神经网络；(5)训练一维残差卷积神经网络用训练样本训练一维残差卷积神经网络，采用Adam优化方法动态调整网络模型的学习率进行训练，得到训练好的一维残差卷积神经网络；上述的动态调整网络模型的学习率进行训练为：用均方误差函数L(x,z)作为损失函数；述均方误差函数L(x,z)为：其中i为1,2,...,n,n是训练样本的数量为有限的正整数，x为输入信号，z为输出的重构信号。(6)重建去噪脑电信号将测试集的脑电数据输入到训练好的一维残差卷积神经网络方法中，输出对应的重构脑电信号。