CN103961092A - 基于自适应阈值处理的脑电信号去噪方法 - Google Patents
基于自适应阈值处理的脑电信号去噪方法 Download PDFInfo
- Publication number
- CN103961092A CN103961092A CN201410192868.6A CN201410192868A CN103961092A CN 103961092 A CN103961092 A CN 103961092A CN 201410192868 A CN201410192868 A CN 201410192868A CN 103961092 A CN103961092 A CN 103961092A
- Authority
- CN
- China
- Prior art keywords
- threshold
- lambda
- wavelet
- eeg
- threshold value
- 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.)
- Granted
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
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。
Description
技术领域
本发明涉及脑电信号预处理方法,特别涉及基于改进阈值算法对脑电信号去噪的方法。
背景技术
大脑是有亿万个神经元组成的复杂系统,负责人体的各个功能的协调运作,通过大脑皮层上的电极记录下大脑细胞群的电位活动称为脑电信号(Electroencephalogram,EEG)。通过对EEG的分析研究,可以获得丰富的的生理、心理以及病理信息,是临床医学和大脑研究领域的一个重要工具。然而EEG又是一种随机性很强的非线性非平稳信号,而且信号强度非常微弱,在采集和处理过程中,极易受到如心电、眼电、工频等各种噪声和伪迹的影响。因此去噪在脑电研究过程中扮演着重要的角色,去噪效果的好坏直接影响脑电信号特征提取和分类的效果。
小波变换是傅里叶变换的继承和发展,具有时频局部化、多分辨率和去相关性的特点,很适合探测信号的瞬时状态,对微弱的信号可以进行有效去噪。小波阈值滤波方法是目前常用的一种阈值去噪方法,基于小波阈值的信号去噪,其算法简单,计算量少,在保持信号奇异性的同时能有效的滤除噪声,被广泛的应用到脑电去噪领域。但传统的硬阈值法和软阈值法在消噪方面都存在缺陷,如硬阈值去噪过程中因断点而造成的局部震荡,软阈值去噪后丢失奇异点信息等。
发明内容
本发明的目的是针对传统阈值去除脑电信号噪声不足,在软阈值的基础上,提出一种改进阈值处理的EEG信号去噪方法。
本发明的目的可以通过以下技术方案实现:
本发明包括以下步骤:
步骤1.选取合适的小波基函数,确认分解层次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wj,k。
步骤2.计算各个分解子空间的Donoho阈值,这是小波阈值处理算法的关键,要选取阈值函数和合适的阈值进行去噪处理。
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。
本发明的有益效果:将改进后的阈值去噪效果和其他三种传统的阈值去噪效果对比,结果表明,使用优化后的方法对去除脑电信号中的噪声效果较好,与传统的阈值滤波去噪方法比较能进一步提高信号的信噪比,减少均方根误差。
附图说明
图1为原始C3通道的EEG信号;
图2为C3通道信号进行2层小波分解后近似系数和细节系数;
图3为C3通道信号进行3层小波分解后的近似系数和细节系数;
图4为C3通道EEG去噪结果对比图。
具体实施方式
以下结合附图对本发明作进一步说明。
本发明包括以下步骤:
步骤1.选取合适的小波基函数,确认分解层次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wj,k。
步骤2.计算各个分解子空间的Donoho阈值,这是小波阈值处理算法的关键,要选取阈值函数和合适的阈值进行去噪处理。
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。
其中步骤1中确定小波分解层次j的具体步骤如下:
(1)选取小波基函数db4对原始EEG信号分别进行2、3层分解。
(2)根据不同层次分解后得到的重构信号,判断信号去噪的的优劣,选取去噪效果较好的分解层次。小波分解过程中的分解层次的选取很重要,分解层次过少会导致噪声信号不能去除完全;分解层次过多,将会增加去噪过程的计算量,也会导致信噪比增益不明显,甚至有时候会使信噪比增益下降。图2、图3分别对C3通道的信号进行2层和3层的小波分解后得到的近似系数和细节系数图,对比可以得到,当分解层次为3的时,d3的波形与原始信号波形有很大的不同,所以当分解层次j=2时,能去除大部分的噪声信号,同时保留有用信息。
其中步骤2中所述的阈值函数和阈值的选取中,三种传统的阈值去噪算法分别是硬阈值法、软阈值法、Garrote法,其中硬阈值数学表达式为
软阈值数学表达式为
Garrote阈值法数学表达式为
式中是真实信号小波系数的估计值;λj,k是选取的阈值;wj,k是小波分解后高频部分的小波系数,即表示j尺度上k点的小波系数值。
本发明的改进阈值函数的数学表达式为
式中,a是形状系数,用于控制wj,k<λj,k区域内的函数形状,即控制衰减程度,λj,k表示阈值。由上面表达式可以看出,当a=0时,该方法为软阈值法,在a为非0情况下,改进的阈值比纯软阈值具有更好的平滑性。
小波阈值处理一般都采用Dohono的阈值,记为λj,k,即表示j尺度上k点的阈值,则
在小波阈值处理过程中假设小波系数是独立分布的,但实际的小波系数是统计相关的,因此将对阈值进行改进,定义加权阈值缩放因子λj,根据分解层次不同,对应的阈值不同,能有效的去除脑电信号中的噪声信号,缩放因子的表达式为:
λj=p/(1+In(j))2
其中,p≥0、j是分解尺度。
对Donoho阈值进行缩放得到各个分解子空间的阈值,记为Tj,k,其表达式为:
Tj,k=λj*λj,k
根据分解尺度对频率高的子空间进行阈值放大,对频率低的子空间阈值进行缩小,进而增强对EEG中高频噪声的抑制,保留低频有用信号。经过多次的实验仿真,当a=0.01,p=0.5时,去噪后的效果最为理想。
步骤3中将经过阈值缩放后的小波系数进行重构,得到去噪后的脑电信号。以信噪比(SNR)和均方根误差(RMSE)作为定量指标来评判去噪效果的好坏,将改进阈值法、硬阈值法、软阈值法、Garrote阈值法对脑电信号去噪,其中信噪比表达式为
均方根误差的表达式为
从图4可以看出改进阈值算法对EEG去噪效果比其他三种算法有了较大的改善,高频部分的毛刺减少,信号更加平滑,同时与图1原始C3通道的EEG信号变化趋势是一致的。根据信噪比和均方根误差计算公式,得出140次EEG去噪效果的SNR和RMSE,然后分别求SNR和RMSE均值和方差,得到EEG信号经过消噪后的评价指标如表1所示。
表1不同算法去噪效果的SNR和RMSE结果对比
评价指标 | 硬阈值 | 软阈值 | Garrote阈值 | 改进阈值 |
SNR | 19.16±3.92 | 18.42±4.79 | 16.55±11.27 | 20.08±3.94 |
RMSE | 0.034±6.063e-5 | 0.035±8.993e-5 | 0.038±1.16e-4 | 0.032±5.81e-5 |
从表1中对比SNR和RMSE的值,其中改进阈值算法的SNR的值最高,同时改进算法的RMSE的值最低,在定量上表明了使用改进阈值算法对EEG信号去噪的效果优于其他三种算法。由于数据是由140次测试所得,其中因测试人员注意力不集中、疲劳等原因,140次试验中有几组实验数据不是很理想,但不影响最终实验结果。
Claims (1)
1.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wj,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
式中表示真实信号小波系数的估计值;λj,k表示Donoho阈值;a是形状系数,用于控制wj,k<λj,k区域内的函数形状,即控制衰减程度;
对Donoho阈值λj,k进行缩放得到各个分解子空间的阈值,记为Tj,k,其表达式为:Tj,k=λj*λj,k,λj=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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410192868.6A CN103961092B (zh) | 2014-05-09 | 2014-05-09 | 基于自适应阈值处理的脑电信号去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410192868.6A CN103961092B (zh) | 2014-05-09 | 2014-05-09 | 基于自适应阈值处理的脑电信号去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103961092A true CN103961092A (zh) | 2014-08-06 |
CN103961092B CN103961092B (zh) | 2016-08-24 |
Family
ID=51231456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410192868.6A Active CN103961092B (zh) | 2014-05-09 | 2014-05-09 | 基于自适应阈值处理的脑电信号去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103961092B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104771163A (zh) * | 2015-01-30 | 2015-07-15 | 杭州电子科技大学 | 基于csp和r-csp算法的脑电信号特征提取方法 |
CN105652166A (zh) * | 2016-03-01 | 2016-06-08 | 国网江西省电力科学研究院 | 一种用于局放在线监测的加权阈值小波降噪方法 |
CN106073741A (zh) * | 2016-05-30 | 2016-11-09 | 珠海脉动时代健康科技有限公司 | 一种自适应滤波及计算脉搏的系统和方法 |
CN106473705A (zh) * | 2016-09-21 | 2017-03-08 | 广州视源电子科技股份有限公司 | 用于睡眠状态监测的脑电信号处理方法和系统 |
CN107080522A (zh) * | 2017-03-16 | 2017-08-22 | 深圳竹信科技有限公司 | 信号处理方法及装置 |
WO2017148451A1 (zh) * | 2016-03-02 | 2017-09-08 | 深圳竹信科技有限公司 | 一种基于平稳小波变换滤除肌电干扰的方法和系统 |
CN107887031A (zh) * | 2017-11-02 | 2018-04-06 | 杭州电子科技大学 | 基于同步筛选的脑区间耦合分析方法 |
CN108158573A (zh) * | 2017-12-26 | 2018-06-15 | 智慧康源(厦门)科技有限公司 | 基于自适应阈值小波变换的心电信号降噪方法 |
CN108615031A (zh) * | 2018-05-23 | 2018-10-02 | 中国计量大学 | 基于阈值小波变换的心音滤波方法 |
CN109557429A (zh) * | 2018-11-07 | 2019-04-02 | 国网浙江省电力有限公司电力科学研究院 | 基于改进小波阈值去噪的gis局部放电故障检测方法 |
CN111657936A (zh) * | 2020-06-16 | 2020-09-15 | 河南大学 | 基于小波变换和全变差正则化的信号去噪方法 |
CN111938594A (zh) * | 2020-08-13 | 2020-11-17 | 山东大学 | 基于层次图模型的癫痫脑电信号异常监测系统及设备 |
CN112914588A (zh) * | 2021-02-25 | 2021-06-08 | 深圳大学 | 一种脑电爆发抑制指数计算方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080294063A1 (en) * | 2002-07-12 | 2008-11-27 | Stephane Bibian | Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram |
US20120101401A1 (en) * | 2009-04-07 | 2012-04-26 | National University Of Ireland | Method for the real-time identification of seizures in an electroencephalogram (eeg) signal |
CN102636577A (zh) * | 2012-03-23 | 2012-08-15 | 南京航空航天大学 | 一种基于小波变换提取轮辋超声波探伤信号的方法 |
CN102928517A (zh) * | 2012-11-15 | 2013-02-13 | 河北省电力公司电力科学研究院 | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 |
CN103610461A (zh) * | 2013-10-17 | 2014-03-05 | 杭州电子科技大学 | 基于双密度小波邻域相关阈值处理的脑电信号消噪方法 |
-
2014
- 2014-05-09 CN CN201410192868.6A patent/CN103961092B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080294063A1 (en) * | 2002-07-12 | 2008-11-27 | Stephane Bibian | Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram |
US20120101401A1 (en) * | 2009-04-07 | 2012-04-26 | National University Of Ireland | Method for the real-time identification of seizures in an electroencephalogram (eeg) signal |
CN102636577A (zh) * | 2012-03-23 | 2012-08-15 | 南京航空航天大学 | 一种基于小波变换提取轮辋超声波探伤信号的方法 |
CN102928517A (zh) * | 2012-11-15 | 2013-02-13 | 河北省电力公司电力科学研究院 | 一种基于小波分解阈值去噪的瓷绝缘子振动声学检测数据降噪的方法 |
CN103610461A (zh) * | 2013-10-17 | 2014-03-05 | 杭州电子科技大学 | 基于双密度小波邻域相关阈值处理的脑电信号消噪方法 |
Non-Patent Citations (1)
Title |
---|
段永刚 等: "基于小波分析的改进软阈值去噪算法", 《科学技术与工程》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104771163B (zh) * | 2015-01-30 | 2018-01-02 | 杭州电子科技大学 | 基于csp和r‑csp算法的脑电信号特征提取方法 |
CN104771163A (zh) * | 2015-01-30 | 2015-07-15 | 杭州电子科技大学 | 基于csp和r-csp算法的脑电信号特征提取方法 |
CN105652166A (zh) * | 2016-03-01 | 2016-06-08 | 国网江西省电力科学研究院 | 一种用于局放在线监测的加权阈值小波降噪方法 |
CN105652166B (zh) * | 2016-03-01 | 2018-04-17 | 国网江西省电力科学研究院 | 一种用于局放在线监测的加权阈值小波降噪方法 |
WO2017148451A1 (zh) * | 2016-03-02 | 2017-09-08 | 深圳竹信科技有限公司 | 一种基于平稳小波变换滤除肌电干扰的方法和系统 |
CN106073741B (zh) * | 2016-05-30 | 2019-03-29 | 珠海脉动时代健康科技有限公司 | 一种自适应滤波及计算脉搏的系统和方法 |
CN106073741A (zh) * | 2016-05-30 | 2016-11-09 | 珠海脉动时代健康科技有限公司 | 一种自适应滤波及计算脉搏的系统和方法 |
CN106473705A (zh) * | 2016-09-21 | 2017-03-08 | 广州视源电子科技股份有限公司 | 用于睡眠状态监测的脑电信号处理方法和系统 |
CN106473705B (zh) * | 2016-09-21 | 2019-05-07 | 广州视源电子科技股份有限公司 | 用于睡眠状态监测的脑电信号处理方法和系统 |
CN107080522A (zh) * | 2017-03-16 | 2017-08-22 | 深圳竹信科技有限公司 | 信号处理方法及装置 |
CN107887031B (zh) * | 2017-11-02 | 2020-10-27 | 杭州电子科技大学 | 基于同步筛选的脑区间耦合分析方法 |
CN107887031A (zh) * | 2017-11-02 | 2018-04-06 | 杭州电子科技大学 | 基于同步筛选的脑区间耦合分析方法 |
CN108158573A (zh) * | 2017-12-26 | 2018-06-15 | 智慧康源(厦门)科技有限公司 | 基于自适应阈值小波变换的心电信号降噪方法 |
CN108158573B (zh) * | 2017-12-26 | 2020-10-30 | 智慧康源(厦门)科技有限公司 | 基于自适应阈值小波变换的心电信号降噪方法 |
CN108615031A (zh) * | 2018-05-23 | 2018-10-02 | 中国计量大学 | 基于阈值小波变换的心音滤波方法 |
CN109557429A (zh) * | 2018-11-07 | 2019-04-02 | 国网浙江省电力有限公司电力科学研究院 | 基于改进小波阈值去噪的gis局部放电故障检测方法 |
CN109557429B (zh) * | 2018-11-07 | 2021-08-27 | 国网浙江省电力有限公司电力科学研究院 | 基于改进小波阈值去噪的gis局部放电故障检测方法 |
CN111657936A (zh) * | 2020-06-16 | 2020-09-15 | 河南大学 | 基于小波变换和全变差正则化的信号去噪方法 |
CN111938594A (zh) * | 2020-08-13 | 2020-11-17 | 山东大学 | 基于层次图模型的癫痫脑电信号异常监测系统及设备 |
CN111938594B (zh) * | 2020-08-13 | 2021-07-02 | 山东大学 | 基于层次图模型的癫痫脑电信号异常监测系统及设备 |
CN112914588A (zh) * | 2021-02-25 | 2021-06-08 | 深圳大学 | 一种脑电爆发抑制指数计算方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103961092B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103961092B (zh) | 基于自适应阈值处理的脑电信号去噪方法 | |
CN107157477B (zh) | 脑电信号特征识别系统及方法 | |
CN106709469B (zh) | 基于脑电和肌电多特征的自动睡眠分期方法 | |
CN102697493B (zh) | 一种快速的脑电信号中眼电伪迹自动识别和去除的方法 | |
CN104688220B (zh) | 一种去除脑电信号中眼电伪迹的方法 | |
CN102697495B (zh) | 基于总体平均经验模式分解的二代小波肌电信号消噪方法 | |
CN103761424B (zh) | 基于二代小波和独立分量分析肌电信号降噪与去混迭方法 | |
CN103610461A (zh) | 基于双密度小波邻域相关阈值处理的脑电信号消噪方法 | |
CN109359506B (zh) | 一种基于小波变换的心磁信号降噪方法 | |
CN103984866A (zh) | 一种基于局域均值分解的信号去噪方法 | |
Li et al. | Automatic removal of ocular artifact from EEG with DWT and ICA Method | |
CN112307959B (zh) | 一种用于心电信号分析的小波去噪方法 | |
CN110151175A (zh) | 基于ceemd与改进小波阈值的表面肌电信号消噪方法 | |
CN109589114A (zh) | 基于ceemd和区间阈值的肌电消噪方法 | |
CN106353649A (zh) | 一种基于提升小波变换的局部放电信号去噪方法 | |
CN111657936B (zh) | 基于小波变换和全变差正则化的信号去噪方法 | |
CN114469124B (zh) | 一种运动过程中异常心电信号的识别方法 | |
CN113616213B (zh) | 一种基于bp神经网络及改进的emd方法的心电信号去噪方法、设备及存储介质 | |
CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
CN104732498B (zh) | 一种基于非下采样Contourlet变换的阈值化图像去噪方法 | |
She et al. | De-noisng of ECG based on EMD improved-thresholding and mathematical morphology operation | |
Wang et al. | Wavelet transform based ECG denoising using adaptive thresholding | |
Sharma | EEG signal denoising based on wavelet transform | |
CN103915102B (zh) | 一种lfm水声多途信号的噪声抑制方法 | |
CN117056675A (zh) | 一种基于小波变换和粒子滤波结合的漏磁信号降噪方法 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140806 Assignee: Ruixukang (Hangzhou) Intelligent Technology Co.,Ltd. Assignor: HANGZHOU DIANZI University Contract record no.: X2022330000044 Denomination of invention: EEG signal denoising method based on adaptive threshold processing Granted publication date: 20160824 License type: Common License Record date: 20220218 |