[发明专利]基于小波变换和全变差正则化的信号去噪方法

说明书

本发明公开了一种基于小波变换和全变差正则化的信号去噪方法。包括：对含有噪声的脑电信号y(n)进行小波阈值去噪；计算信号y(n)与小波阈值去噪后信号的余量；对余量d(n)利用全变差正则化进行去噪；将去噪后的信号重构，得到干净信号的估计值；根据去噪评价指标评估脑电信号去噪性能。利用本发明，可以在信号去噪场景中，一方面放松小波阈值去噪中的阈值选择对去噪效果的影响；另一方面保护信号边缘信息，使得去噪后的信号不出现局部震荡，以得到更好的去噪效果。

技术领域

本发明涉及信号去噪技术领域，具体涉及一种基于小波变换和全变差正则化的信号去噪方法。

背景技术

脑电活动是由大脑皮层神经元产生自发的，节律性的电位变化引起的，从颅外头皮或颅内记录的局部神经元电活动的总和称为脑电图。近些年来，电子计算科学的飞速发展和人工智能的发展为应用脑电信号进行诊断和治疗的进步注入了新的力量，目前为止，脑电信号已经成为评价脑功能的重要医学指标，已经被应用到很多的中枢神经系统疾病的研究与诊断。根据电极在头部放置位置的差异，可将脑电图分为大脑皮层脑电图、深部脑电图以及头皮脑电图等。其中大脑皮层脑电图和深部脑电图都需要将电极植入脑内，这种脑电采集方式具有很好的稳定性，得到的脑电信号具有较高的信噪比，但由于需要植入脑内，故对患者具有一定的创伤，因此在实际临床检测中，我们广泛应用的是头皮脑电图。头皮脑电图的电极位置在头皮表面，是一种无创伤的采集方式，但这种采集方式采集到的脑电信号比较微弱，且在采集过程中易受到噪声的影响，会对分类结果产生巨大的影响。而如何处理和得到干净有效的脑电信号是对脑电信号进行后续分析的关键，因此，在对脑电信号进行分析前，对其进行去噪处理是一项重要的研究内容。

根据脑电信号的采集过程，这些噪声的干扰源主要分为两大类：一类是检测系统自身的噪声，例如头皮和电极之间接触的噪声、交流电源和电磁的干扰等；另一类是我们在采集脑电信号时，眨眼、肌肉运动以及心跳等生理电信号产生的噪声。脑电信号噪声的去除在脑电信号处理过程中是一项比较重要的研究内容，普遍采用的方法是通过傅里叶变换去噪，但是脑电信号是一种非线性非平稳的信号，傅里叶变换是针对平稳信号提出的一种信号处理方法，所以存在一定的缺陷，随着小波理论的发展，小波变换在脑电信号去噪中得到广泛应用，1994年，Carmona,R.A和Hudgins,L.H最早将小波变换应用到去噪领域；后来Herrera,R.E等人利用小波变换软阈值去噪法对脑电信号去噪；Zhou Weidong等人将小波变换与独立分量分析相结合，分离出了脑电信号中的心电干扰与肌电干扰；国内最早研究脑电信号去噪的是吴小培等人在2000年研究了基于正交小波变换的脑电脉冲干扰消除技术，由于脑电信号中包含了大量的不同频率成分的瞬态信息，因此，较之传统的傅里叶分析方法，小波变换在脑电信号处理中更有效；随后，吴平等人提出了基于自回归模型(ARM)与小波变换的脑电信号分析方法,并利用它来消除脑电信号中的噪声干扰；2012年，朱晓军等人提出了一种基于改进EMD的脑电信号去噪方法，为了消除EMD的端点效应，需要对脑电信号端点进行延拓，利用延拓后的EMD方法对EEG进行去噪，可以有效的去除信号中的噪声，但过程相对小波变换比较繁琐。

小波变换是一种多分辨率的时间—尺度分析方法，它能够将信号划分为不同频段的子带信号，利用小波变换可以更有效、灵活地检测并去除脑电信号中的噪声干扰，故国内外用于脑电信号去噪的研究大体上都是基于小波变换进行处理的，但小波变换自身在处理中也存在一些缺陷：小波变换去噪后信号上容易出现局部震荡；在采用小波阈值去噪时，阈值函数和阈值的选择对去噪结果有很大的影响，阈值过大或过小都会影响去噪效果，进而影响分类结果。

发明内容

本发明提供了一种基于小波变换和全变差正则化的信号去噪方法，实现了信号去噪的同时，一方面放松小波阈值去噪中的阈值选择对去噪效果的影响；另一方面保护信号边缘信息，使得去噪后的信号不出现局部震荡，以得到更好的去噪效果。

一种基于小波变换和全变差正则化的信号去噪方法，该方法包括：

步骤1，对含有噪声的信号y(n)进行小波阈值去噪：