CN102499675B - 一种皮层脑电信号的反馈系统随机共振增强方法 - Google Patents

一种皮层脑电信号的反馈系统随机共振增强方法 Download PDF

Info

Publication number
CN102499675B
CN102499675B CN 201110331467 CN201110331467A CN102499675B CN 102499675 B CN102499675 B CN 102499675B CN 201110331467 CN201110331467 CN 201110331467 CN 201110331467 A CN201110331467 A CN 201110331467A CN 102499675 B CN102499675 B CN 102499675B
Authority
CN
China
Prior art keywords
signal
eeg signals
cortex
cortex eeg
neuron
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN 201110331467
Other languages
English (en)
Other versions
CN102499675A (zh
Inventor
范影乐
王海玲
赵磊
郭芳芳
陈金龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunfeng Pipe Industry Co ltd
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN 201110331467 priority Critical patent/CN102499675B/zh
Publication of CN102499675A publication Critical patent/CN102499675A/zh
Application granted granted Critical
Publication of CN102499675B publication Critical patent/CN102499675B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种皮层脑电信号的反馈系统随机共振增强方法。与皮层脑电信号的传统增强方法不同,它认为在一定强度的噪声干扰下,通过随机共振机制有利于改善对皮层脑电信号进行增强的性能。考虑到皮层脑电这类电生理信号的特点,本发明采用符合神经元电生理特性的FitzHugh-Nagumo模型,并在单向神经元网络结构上引入了反馈环节,使其更符合神经系统中神经元之间的复杂互连关系。本发明方法相对于传统滤除噪声的方法,能更好的复原和增强皮层脑电信号。

Description

一种皮层脑电信号的反馈系统随机共振增强方法
技术领域
本发明属于生物医学工程领域,涉及一种皮层脑电信号增强的处理方法,具体涉及一种基于神经元反馈网络模型随机共振机制的微弱皮层脑电信号实时增强方法。
背景技术
由于皮层脑电信号容易受到各种电生理信号以及其他噪声的干扰,因此检测的皮层脑电信号比较微弱,含噪声比较大,这对于我们研究脑电信号有很大的影响。有效的消除噪声的有害影响,同时保留有用的脑电信号变得尤为重要。传统的对于有害的噪声主要采取滤除的方法,干扰信号的先验知识,采集到的皮层脑电信号信噪比较低,若去除噪声,脑电信号会受到很大的损害,甚至会将脑电信号当作噪声一起滤除,使得脑电信号畸变无法复原。由于随机共振机制能够调和非线性系统、信号以及噪声之间的关系,将噪声能量向信号能量转移,因此在某种意义上随机共振机制认为噪声的存在是有意义的,适合信噪比较低的皮层脑电信号。目前已有的随机共振的非线性系统通常来源于双稳态系统等物理抽象模型,它通过脑电信号、噪声信息以及非线性系统三者间的随机共振,实现脑电信号的增强。但这些物理抽象模型过于理想化,其对脑电这类典型的生理电信号是否适合,并没有充分的依据。因此本发明提出采用能够真实反映神经元电生理特性的FitzHugh-Nagumo(FHN)神经元模型,并形成网络反馈结构以模拟大脑神经元之间的互相连接;将受到各种干扰的低信噪比皮层脑电信号作为前述反馈神经元网络模型的输入,利用随机共振机制实现弱信号的增强。
发明内容
本发明基于FHN神经元模型,提供了一种基于神经元反馈网络模型的随机共振机制,以此来实现微弱皮层脑电信号的增强。在FHN神经元网络模型的基础上添加了反馈环节,以此避免神经元网络模型的单向控制和不稳定性,实现输出信号对于输入信号的调节作用,改善FHN神经元网络模型的随机共振性能。
本发明方法包括以下步骤:
步骤(1)通过皮层脑电采集系统,获得皮层脑电信号,并划分成若干个不重叠的特定时长窗口。对各个窗口内的皮层脑电信号求取基准值,将其最大值和最小值间的中间值,作为该皮层脑电信号处理的基准值。
步骤(2)对各个窗口内的皮层脑电信号,分别进行幅值的双极性处理:将各个窗口内的皮层脑电信号值减去步骤(1)求得的基准值,获得具有双极性的皮层脑电信号,使其满足神经元模型输入信号具有双极性的要求。
步骤(3)将步骤(2)获得的皮层脑电信号、添加的噪声信号以及输出信号的反馈值作为基于FHN神经元反馈网络模型的输入信号,利用FHN神经元反馈网络模型的随机共振作用,获得增强的皮层脑电输出信号。
步骤(4)对于步骤(3)中,在添加噪声信号的不同强度下,分别计算FHN神经元反馈网络模型响应的信噪比。利用随机共振机制,当信噪比达到极大值时,此时皮层脑电信号将得到信噪比评价指标下的最优增强,将此皮层脑电信号作为输出信号。
步骤(5)将上述的输出信号与步骤(1)求取的基准值进行求和,逆映射回原幅值范围,从而获得幅值还原后的增强的皮层脑电信号。
本发明的有益效果:
1、由于皮层脑电信号具有瞬变特性,本发明对动态采集到的皮层脑电信号,设定短时长窗口求取其中间值,获取后续双极性映射处理的基准值,此基准值具有动态特性,有利用瞬变脑电信号的实时处理。
2、本发明基于FHN神经元反馈网络模型的随机共振机制,与传统的基于噪声滤除的信号增强方法不同,其将噪声的消极能量转换为信号的积极能量,从而实现微弱皮层脑电信号的增强。
3、本发明在脑电信号的随机共振增强中,舍弃了常用的双稳态系统等抽象模型,而是采用符合真实神经元电生理特性的神经元模型;同时在神经元单向连接的网络模型基础上增加了反馈环节,更符合神经系统中神经元之间的互连关系,有利于改善微弱皮层脑电信号增强过程中的稳定性。
附图说明
图1为FHN神经元反馈双层网络模型结构示意图。
具体实施方式
步骤(1)使用皮层脑电信号采集系统,采集一段连续的皮层脑电信号,将其划分成若干个不重叠的窗口,窗口时长记为                                               
Figure DEST_PATH_IMAGE002
,其中N表示窗口内的采样点数,T表示采样周期。因此窗口内的皮层脑电信号可记为
Figure DEST_PATH_IMAGE004
,(
Figure DEST_PATH_IMAGE006
)。对其求取最大值
Figure DEST_PATH_IMAGE008
和最小值
Figure DEST_PATH_IMAGE010
,将它们的均值作为此窗口脑电信号的动态基准值,记为
Figure DEST_PATH_IMAGE012
步骤(2)将步骤(1)各个窗口内的皮层脑电信号,进行幅值的双极性处理。即将窗口内的各个皮层脑电信号采样值分别减去步骤(1)求得的基准值,获得具有双极性的皮层脑电信号
Figure DEST_PATH_IMAGE014
,(
Figure 178967DEST_PATH_IMAGE006
),使其满足神经元模型的输入信号双极性特点。
步骤(3)将步骤(2)获得的皮层脑电信号、添加的高斯白噪声以及输出信号的反馈值,作为FHN神经元反馈网络模型的输入信号。
以双层反馈FHN神经元网络模型为例进行具体说明,其中模型结构示意图如图1所示,图中
Figure DEST_PATH_IMAGE016
为当前时刻经双极性映射处理后的皮层脑电信号;
Figure DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE020
是相同噪声强度的独立噪声项;
Figure DEST_PATH_IMAGE022
Figure 846840DEST_PATH_IMAGE020
为反馈调节参数,其中网络系统为负反馈;
Figure DEST_PATH_IMAGE024
Figure 564260DEST_PATH_IMAGE020
表示第一层的第
Figure DEST_PATH_IMAGE026
个神经元和第二层神经元的连接系数; 
Figure DEST_PATH_IMAGE028
Figure 831906DEST_PATH_IMAGE020
为第一层的第
Figure 583961DEST_PATH_IMAGE026
个FHN神经元;
Figure DEST_PATH_IMAGE030
为第二层FHN神经元;
Figure DEST_PATH_IMAGE032
为第二层神经元的输出膜电压,即输出信号。
数学模型如式(1)和式(2)所示:
第一层:
Figure DEST_PATH_IMAGE034
         (1)
第二层:
Figure DEST_PATH_IMAGE036
 (2)
式(1)和式(2)中,为采样周期;
Figure DEST_PATH_IMAGE040
为输出信号;
Figure DEST_PATH_IMAGE042
为时间常数,决定了神经元的点火速率;
Figure DEST_PATH_IMAGE044
为临界值,促使神经元定期点火;
Figure DEST_PATH_IMAGE046
为信号电平均值与的差值;
Figure DEST_PATH_IMAGE048
Figure DEST_PATH_IMAGE050
为方程组常数;
Figure DEST_PATH_IMAGE052
为双层反馈FHN神经元网络模型的输入信号,
Figure DEST_PATH_IMAGE054
Figure DEST_PATH_IMAGE056
为双极性映射处理后的皮层脑电信号,是输入信号中的噪声项,通常由均值为0、自相关函数为
Figure DEST_PATH_IMAGE060
的高斯白噪声加以模拟,其中
Figure DEST_PATH_IMAGE062
为噪声强度,
Figure DEST_PATH_IMAGE064
表示冲激函数;
Figure 2619DEST_PATH_IMAGE022
Figure 139203DEST_PATH_IMAGE020
为反馈调节参数;  为首层第i个神经元的输出膜电压;
Figure 676811DEST_PATH_IMAGE032
为第二层神经元的输出膜电压,即输出信号;
Figure DEST_PATH_IMAGE068
为第二层神经元的慢变恢复变量;连接系数为
利用待增强的皮层脑电信号、添加的噪声信号以及响应的反馈值作为激励,通过FHN神经元反馈网络模型的随机共振机制,从而实现微弱皮层脑电信号的增强,获得增强的皮层脑电输出信号。
步骤(4)对于步骤(3)中的噪声信号
Figure 563974DEST_PATH_IMAGE058
,分别取不同强度D的噪声值。计算FHN神经元反馈网络模型响应在不同强度噪声下的信噪比。根据随机共振机制,在一定噪声强度范围内,随着噪声强度的增加,响应信噪比将单调增加;而当噪声强度增加到一定值时,若继续增加噪声强度,响应信噪比反而会下降,直到噪声将信号完全淹没。因此当响应信噪比达到最大值时,此时皮层脑电信号将得到信噪比意义上的最优增强。其中信噪比的定义为:
                        (3)
其中,
Figure DEST_PATH_IMAGE072
Figure DEST_PATH_IMAGE074
分别代表在功率谱密度中对应特定窗口时长的皮层脑电信号输出信号和添加的噪声信号,信噪比的单位为分贝(dB)。考虑到噪声的随机性,因此在功率谱密度计算中,采用功率谱密度累加平均方法。即在相同输入的皮层脑电信号和噪声强度作用下,重复求取模型的响应值,对每组响应分别计算功率谱密度,再将所有响应值的功率谱密度进行累加平均。 
步骤(5)将上述的输出信号与步骤(1)求取的基准值进行求和,逆映射回原幅值范围,即得到幅值还原的增强的皮层脑电信号。

Claims (1)

1.一种皮层脑电信号的反馈系统随机共振增强方法,其特征在于该方法包括如下步骤:
步骤1、通过皮层脑电采集系统,获得皮层脑电信号,并划分成若干个不重叠的特定时长窗口,对各个窗口内的皮层脑电信号求取基准值,求取的方法为将各个窗口内的皮层脑电信号的最大值和最小值间的中间值,作为该皮层脑电信号处理的所述基准值;
步骤2、对各个窗口内的皮层脑电信号,分别进行幅值的双极性处理,具体是:将各个窗口内的皮层脑电信号值减去步骤1求得的基准值,获得具有双极性的皮层脑电信号,使其满足神经元模型输入信号具有双极性的要求;
步骤3、将步骤2获得的皮层脑电信号、添加的噪声信号以及输出信号的反馈值作为基于FHN神经元反馈网络模型的输入信号,利用FHN神经元反馈网络模型的随机共振作用,获得增强的皮层脑电输出信号;
步骤4、对于步骤3中,在添加噪声信号的不同强度下,分别计算FHN神经元反馈网络模型响应的信噪比;利用随机共振机制,当信噪比达到极大值时,此时皮层脑电信号将得到信噪比评价指标下的最优增强,将此皮层脑电信号作为输出信号;
步骤5、将步骤4中的输出信号与步骤1求取的基准值进行求和,逆映射回原幅值范围,从而获得幅值还原后的增强的皮层脑电信号。
CN 201110331467 2011-10-27 2011-10-27 一种皮层脑电信号的反馈系统随机共振增强方法 Expired - Fee Related CN102499675B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110331467 CN102499675B (zh) 2011-10-27 2011-10-27 一种皮层脑电信号的反馈系统随机共振增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110331467 CN102499675B (zh) 2011-10-27 2011-10-27 一种皮层脑电信号的反馈系统随机共振增强方法

Publications (2)

Publication Number Publication Date
CN102499675A CN102499675A (zh) 2012-06-20
CN102499675B true CN102499675B (zh) 2013-09-18

Family

ID=46211857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110331467 Expired - Fee Related CN102499675B (zh) 2011-10-27 2011-10-27 一种皮层脑电信号的反馈系统随机共振增强方法

Country Status (1)

Country Link
CN (1) CN102499675B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951082B (zh) * 2015-07-09 2018-01-12 浙江大学 一种利用随机共振增强脑电信号的脑机接口方法
CN110840411B (zh) * 2019-12-06 2022-03-11 深圳市德力凯医疗设备股份有限公司 一种麻醉深度的测量装置、存储介质及电子设备
CN113158746B (zh) * 2021-02-02 2024-04-30 杭州电子科技大学 一种基于神经元小世界网络随机共振的弱信号感知方法
CN113180706B (zh) * 2021-04-19 2023-08-15 西安交通大学 一种基于fhn随机共振的ssvep特征频率提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6032072A (en) * 1998-01-30 2000-02-29 Aspect Medical Systems, Inc. Method for enhancing and separating biopotential signals
CN101076281A (zh) * 2004-06-10 2007-11-21 荷兰联合利华有限公司 减少干扰的装置和方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003235823A (ja) * 2002-02-15 2003-08-26 Naohiro Toda 「生体電気信号における外来交流雑音除去方式」
US20040092801A1 (en) * 2002-11-13 2004-05-13 Budimir Drakulic System for, and method of, acquiring physiological signals of a patient

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6032072A (en) * 1998-01-30 2000-02-29 Aspect Medical Systems, Inc. Method for enhancing and separating biopotential signals
CN101076281A (zh) * 2004-06-10 2007-11-21 荷兰联合利华有限公司 减少干扰的装置和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JP特开2003-235823A 2003.08.26

Also Published As

Publication number Publication date
CN102499675A (zh) 2012-06-20

Similar Documents

Publication Publication Date Title
CN102499675B (zh) 一种皮层脑电信号的反馈系统随机共振增强方法
CN104809434B (zh) 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法
CN107844755A (zh) 一种结合dae和cnn的脑电信号特征提取与分类方法
CN102542133B (zh) 风电场短时风速预测方法及系统
CN114363195B (zh) 面向时间和频谱残差卷积网络的网络流量预测预警方法
CN105719029B (zh) 一种基于风速波动特征提取的风电功率组合预测方法
CN110389663B (zh) 一种基于小波宽度学习系统的sEMG手势识别方法
CN106963369A (zh) 一种基于神经网络模型的脑电放松度识别方法及装置
EP2877958A1 (en) Neuron circuit and method
CN105615834A (zh) 基于睡眠脑电信号的睡眠分期方法及装置
CN104091172A (zh) 一种运动想象脑电信号的特征提取方法
CN109038675B (zh) 基于风电波动多尺度分解的建模方法
CN104318305A (zh) 一种基于小波与神经网络的逆变器低频噪声故障诊断方法
US12113498B2 (en) Signal processing circuits and devices
CN107280659A (zh) 一种心电信号的处理方法及系统
CN105046322A (zh) 一种丝杠故障诊断方法
CN111839847A (zh) 肌电假肢控制方法、装置、电子设备和计算机可读介质
CN111541484A (zh) 基于延时采样的光纤通信系统光信噪比监测方法
CN113128384B (zh) 一种基于深度学习的脑卒中康复系统脑机接口软件关键技术方法
CN102327116B (zh) 一种皮层脑电信号的网络系统随机共振复原方法
CN103886185B (zh) 一种用于风资源评估的年风速生成方法
Priyadharsini et al. An Efficient method for the removal of ECG artifact from measured EEG Signal using PSO algorithm
CN102375085B (zh) 电压骤升或骤降监测方法及使用该方法的监测装置
CN116236209A (zh) 一种单侧上肢运动态下力度变化运动想象脑电特征识别方法
CN110738093A (zh) 基于改进小世界回声状态网络肌电的分类方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20181126

Address after: 313000 industrial zone of Donglin Town, Wuxing District, Huzhou, Zhejiang

Patentee after: ZHEJIANG YUANTE NEW MATERIAL CO.,LTD.

Address before: 310018 2 street, Xiasha Higher Education Park, Hangzhou, Zhejiang

Patentee before: HANGZHOU DIANZI University

TR01 Transfer of patent right
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191211

Address after: No. 988, yujiahui East Road, Yaozhuang Town, Jiashan County, Jiaxing City, Zhejiang Province

Patentee after: YUNFENG PIPE INDUSTRY Co.,Ltd.

Address before: 313000 Zhejiang Province, Huzhou city Wuxing District East Town Industrial Zone

Patentee before: ZHEJIANG YUANTE NEW MATERIAL CO.,LTD.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: No. 988, yujiahui East Road, Yaozhuang Town, Jiashan County, Jiaxing City, Zhejiang Province

Patentee after: Yunfeng Pipe Industry Co.,Ltd.

Address before: No. 988, yujiahui East Road, Yaozhuang Town, Jiashan County, Jiaxing City, Zhejiang Province

Patentee before: YUNFENG PIPE INDUSTRY Co.,Ltd.

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130918