[发明专利]一种决策树式脑电噪声识别系统

说明书

本发明公开的一种决策树式脑电噪声识别系统，包括如下步骤，步骤一：采集原始脑电数据，对其做预处理；步骤二：通过预处理后的脑电数据基本特征判断噪声类别；步骤三：将步骤二中未能识别的脑电信号传入神经网络判断不易识别的噪声类别。本发明所设计决策树式噪声识别系统兼顾高识别率和低计算复杂度，并可实时区分噪声类别，噪声类别覆盖了大多数常见脑电噪声。本发明属于脑电信号处理技术领域，提供了一种解决当前脑电信号质量检测方法可区分种类少的缺点，能从脑电信号中自适应的识别噪声种类，具有计算量低、鲁棒性高等优点。

技术领域

本发明属于脑电信号处理领域，涉及一种决策树式脑电噪声识别系统。

背景技术

随着脑电采集设备的小型化、便携化，基于脑电技术的产品和应用越来越广泛，进而脑电信号的数据量呈现爆发式增长。不管是医疗级的脑电采集设备，还是商用便携式脑电采集设备，脑电数据都不可避免被各种噪声影响，包括以电子设备的工频和电路电流为主的环境噪声和来源于不同肌肉群的生理噪声，如眼部噪声，面部肌肉噪声，心脏噪声等。因此脑电信号常常淹没在包括上述以及众多未知的各种噪声中，使得获取干净有效的脑电信号难度剧增。因此，去除脑电信号中掺杂的噪声是极为自然的想法，但由于脑电采集设备性能的不同，去除噪声的难度也不相同。比如，以凝胶为主的湿电极脑电设备来说，信号质量比干电极的脑电采集设备要高很多，相对而言也容易去除一些噪声，当然也有很多无法去除的。干电极脑电设备由于电极与头皮的接触不良或不紧导致阻抗过高，因此信号质量相较于湿电极来说会差很多，噪声源也更明显。

目前所存在问题是，脑电信号质量检测普通通过硬件给出单一指标，而我们不仅需要判断脑电信号好坏，同时，若脑电信号里包含噪声的话也要知道噪声的种类，从而能采取措施去避免产生噪声。处理脑电信号中的噪声一般采取的措施是剔除，而识别是空白领域。并且剔除噪声的算法都有各自的缺陷，并不都能成功剔除噪声。我们的想法是尽可能识别脑电信号中的噪声，采取一些措施去主动避免噪声产生，尽可能保证每一次采集的脑电数据都有较高的信噪比。

进一步的，脑电信号降噪方法多是准对于多通道脑电设备而设计的，单通道脑电设备并不能适用大部分方法，所以说对于单通道脑电设备而已信号质量检测时必不可少的。

我们为解决上述问题而设计了一种决策树式脑电噪声识别系统，可实现在线自动化识别多种噪声种类。

发明内容

本发明目的在于提供一种决策树式脑电噪声识别系统，识别可用脑电信号，以提高脑电设备的信号采集效率，同时解决难以检测脑电信号质量的问题。系统框架包括脑电信号预处理子系统，脑电信号基本特征提取与识别子系统，脑电信号复杂特征识别子系统(即神经网络子系统)，以上三个部分。基本的处理流程是，实时收集脑电信号并做初步预处理，包括带通滤波和降采样。之后通过信号的基本特征做出初步的判断，包括信号幅值和能量以及基于统计特征的峰度。最后根据上一步的判断是否再需要精细识别，这一步通过神经网络子系统识别。

神经网络具体来说由两个模块组成：

由卷积神经网络构成的初级特征提取模块，用以提取脑电特征；

由条件随机场构成的特征识别模块，用以在线判断特征类别；

两个模块按照初级特征提取模块、特征识别模块来组合，经初级特征提取模块提取噪声特征后传输至噪声识别模块做出判断，神经网络子系统也在线对脑电数据进行处理；

为了实现上述目的，本发明提供技术方案如下：一个在线脑电信号质量检测系统，用以检测噪声类别。本系统具体的分析识别步骤如下：

步骤一：在线采集原始脑电信号，将原始脑电信号传输至预处理子系统，对原始脑电信号做带通滤波和降采样，将处理好的数据传输到脑电信号基本特征提取与识别子系统；

步骤二：通过预处理后的脑电数据基本特征判断噪声类别，判断类别分为：环境噪声、眼电噪声、肌电噪声三种大类别，若无法判断则将数据传输到精细识别子系统做进一步特征提取；