[发明专利]一种基于非对称合成滤波器组的脑电信号重构方法

说明书

本发明提出一种基于非对称合成滤波器组的脑电信号重构方法，涉及脑电信号处理的技术领域，解决了当前脑电信号重构方法无法从下采样的脑电信号分量中重构出原始脑电信号的问题；对原始脑电信号预处理得到频谱，划分边界，基于边界划分引入带下采样器的分析滤波器组，将原始脑电信号输入分析滤波器组进行滤波和下采样，以降低脑电信号的采样率，减少冗余；构建非对称合成滤波器组以降低经下采样及滤波后的脑电信号的信息丢失，确定非对称合成滤波器组的合成矩阵后，根据合成矩阵确定每条通道对应的滤波器的频率响应，在信号的重构处理时可以从因下采样而丢失信息的子带信号中恢复出原始的脑电信号。

技术领域

本发明涉及脑电信号处理的技术领域，更具体地，涉及一种基于非对称合成滤波器组的脑电信号重构方法。

背景技术

脑电是大脑神经细胞的电生理活动在头皮上的反映，本质上是生物电的一种。通过固定于头皮上的电极可以采集到脑电信号，安全、无创伤、操作简单而快速，脑电信号可以为脑疾病提供诊断和治疗的依据，在生物医药工程领域被大多数科研和医疗工作者所采用，脑电信号分析和特征提取也是在诊断系统和控制系统中为模式识别提供客观参数的重要环节。

脑电信号是一种随机性很强的微弱生物电信号，一方面，在脑电信号图中，最重要的信息集中在δ波、θ波、α波、β波、γ波对应的0Hz-50Hz的频带内，其中，δ波局限于0.5Hz~4Hz的频段内，θ波局限于4Hz~8Hz的频段内，α波局限于8Hz~12Hz的频段内，β波局限于12Hz~30Hz的频段内，γ波局限于30Hz和50Hz的频带内，这五个波段反映了大脑头皮神经元的大部分活动，但也可以看出五个波段具有不同的带宽；另一方面，脑电信号在采集的过程中容易被其他因素干扰，所以采集到的脑电信号常常伴有各种伪迹噪声，伪迹噪声会对脑电信号分析及特征提取造成影响。在许多实际应用中，通常将脑电信号通过具有非均匀频段的滤波器组分解在上述五个关键频段上来进行分析和噪声滤除，且考虑用于分析的脑电信号的总数据量巨大，一般通过下采样以降低脑电信号的采样率，从而达到减少冗余的目的，但采样率降低后，脑电信号数据量降低，则可能导致脑电信号信息丢失，因此，如何从经过下采样的各个子带分量精确重建出原始脑电信号，是一项技术难题。

当前比较常用的脑电信号分解重构技术主要有经验模态分解、离散小波变换、奇异谱分析等，相对于离散小波变换和奇异谱分析，经验模态分解更具有优势，因为它不需要设定任何基函数，而且能自由分割频谱。现有技术中公开了一种脑电信号噪声去除方法，在该方法中提出首先采用EEMD算法对采集到的脑电信号进行集合经验模态分解，得到包含不同频段信息的本征分量；然后选取所得的本征分量中主要包含高频随机噪声的若干分量，采用DTCWT算法对其进行分解，得到噪声分量对应的一系列小波系数；针对随机噪声所对应的小波系数，采用软阈值法进行小波系数处理，将随机噪声对应小波系数置零，进而实现噪声去除的效果，最后将经过噪声去除处理的小波系数进行DTCWT逆算法的重构，得到去噪后的本征分量，再与剩余的代表信号有用信息的本征分量进行相加重构，得到最终的去噪脑电信号，能在噪声去除的同时有效保证有用信息的完整性，但经验模态函数高度依赖于原始信号，不具有严格的频率选择性，而且经其分解后的重构是一系列模态函数和残差分量的相加，面对降采样率后的脑电信号不具备可行性。另外，经验模态分解的分量本征模态函数的带宽仅依赖于信号的本身，其自身的带宽并不符合脑电信号各个波段的带宽标准，仍会导致模态混叠的问题。

发明内容

为解决当前脑电信号重构方法无法从下采样的脑电信号分量中重构出原始脑电信号的问题，本发明提出一种基于非对称合成滤波器组的脑电信号重构方法，既能保留频率选择的特性，又能从因下采样而丢失信息的子带信号中恢复出原始的脑电信号，避免冗余信息产生的同时，保证信息的完整性。

为了达到上述技术效果，本发明的技术方案如下：

一种基于非对称合成滤波器组的脑电信号重构方法，包括：

S1.采集原始脑电信号，对原始脑电信号进行预处理，得到原始脑电信号的频谱；