針對傳統(tǒng)腦電去噪方法易將信號中高頻部分所含的有用信息作為噪聲濾除導(dǎo)致降噪后的腦電信號失真的問題,文中提出了一種基于余弦相似的互補總體經(jīng)驗?zāi)B(tài)分解(CEEMD)腦電信號去噪方法。首先腦電信號經(jīng)過CEEMD分解成尺度不同的多個本征模態(tài)函數(shù)(IMF),用余弦相似法計算各個IMF與原始信號的相似度,選擇相似度曲線中第一個極小值后的IMF分量作為信號主導(dǎo)模態(tài)和噪聲主導(dǎo)模態(tài)的分界點。然后用小波包變換對噪聲主導(dǎo)模態(tài)提取有用信息,最后與其余的IMF重構(gòu)得到降噪信號。實驗結(jié)果表明,文中算法能夠有效保留高頻模態(tài)中的有用信息,且在不同噪聲強度下的去噪性能均優(yōu)于傳統(tǒng)算法。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖3含噪信號CEEMD分解結(jié)果

圖2C3電極腦電信號圖4H(k)與k的關(guān)系

圖1小波包分解結(jié)構(gòu)圖

假設(shè)分解的尺度為3,則信號S的小波包分解如圖1所示。其中,S為原始信號,Si,j(i為分解層數(shù),j為第i層的子空間序列)代表小波包子空間。

圖2C3電極腦電信號

分界點k的定義為:相似度由逐漸減小轉(zhuǎn)為逐漸變大的位置。因此本文選定H(k)中第一個極小值的后一個位置的IMF分量作為分界點。圖2是一例信噪比為10dB的正常人左右手運動想象C3電極處的腦電信號。經(jīng)過CEEMD分解后所獲得的IMF分量如圖3所示。圖4是各個IMF分量與含噪信號的余....

圖4H(k)與k的關(guān)系

圖3含噪信號CEEMD分解結(jié)果為了驗證該方法對于確定k的有效性,從第二層開始,疊加2～n的IMF分量,以往后每次減少一個高階IMF分量的方式,逐次疊加形成不同的降噪信號,并計算其信噪比和均方根誤差,與原始信號對比。結(jié)果如表1所示。

本文編號：3923227