CN102327116A - 一种皮层脑电信号的网络***随机共振复原方法 - Google Patents

一种皮层脑电信号的网络***随机共振复原方法 Download PDF

Info

Publication number
CN102327116A
CN102327116A CN201110294900A CN201110294900A CN102327116A CN 102327116 A CN102327116 A CN 102327116A CN 201110294900 A CN201110294900 A CN 201110294900A CN 201110294900 A CN201110294900 A CN 201110294900A CN 102327116 A CN102327116 A CN 102327116A
Authority
CN
China
Prior art keywords
cortex
eeg signals
signal
cortex eeg
noise
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
Application number
CN201110294900A
Other languages
English (en)
Other versions
CN102327116B (zh
Inventor
范影乐
王海玲
赵磊
陈金龙
郭芳芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangzhou Zhonggui Motor Technology Co Ltd
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN 201110294900 priority Critical patent/CN102327116B/zh
Publication of CN102327116A publication Critical patent/CN102327116A/zh
Application granted granted Critical
Publication of CN102327116B publication Critical patent/CN102327116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种皮层脑电信号的网络***随机共振复原方法。它通过随机共振机制来复原皮层脑电信号，避免传统复原方法在消除噪声的同时对于有用信号本身的影响，同时采用符合真实神经元电生理信号特点的FitzHugh-Nagumo模型，并将多个神经元构成双层结构，使其符合神经***中神经元连接的网络层次关系。本发明利用神经元双层网络模型的随机共振机制，将皮层脑电信号中有害的噪声信号转换为有利于皮层脑电信号复原的能量，从而使得复原结果更加接近于原信号。

Description

一种皮层脑电信号的网络***随机共振复原方法
技术领域
本发明属于生物医学工程领域，涉及一种脑电信号噪声的处理方法，具体涉及一种基于神经元双层网络模型随机共振机制的微弱皮层脑电信号实时复原方法。
背景技术
皮层脑电信号对于理解大脑活动机制、了解人的认知过程以及诊断疾病等应用有着重要的意义。通常皮层脑电信号信噪比较低，容易受到眼电、肌电以及其他噪声的干扰，而传统的皮层脑电信号复原方法一般需要干扰信号的先验知识，而且对于低信噪比情形，复原效果并不理想。为减少消除噪声对于复原皮层脑电信号的影响，后引入了随机共振机制，它能够调和非线性***、信号以及噪声之间的关系，将噪声能量向信号能量转移，因此在某种意义上随机共振机制认为噪声的存在是有意义的。目前已有随机共振机制在脑电信号复原中的应用研究，例如基于阈值选择的双稳态***，通过脑电信号、双稳态***以及噪声之间的随机共振调和，从而实现信号的复原。但是双稳态***是一种理想化的物理抽象模型，对于来自生物***的电生理信号处理，具有一定的局限性。因此本发明提出采用能够真实反映神经元电生理特性的神经元模型，并将其构成双层网络结构以模拟大脑神经元之间的耦合作用；利用随机共振机制实现弱信号的复原。
发明内容
本发明基于神经元电生理模型，提出了一种基于双层FHN神经元网络模型的随机共振机制，以此来实现微弱头皮脑电信号的复原。将FHN神经元构成网络结构，以此避免单个神经元的局限性，使其具有神经***的耦合作用，从而提高皮层脑电信号的复原质量。
本发明包括以下各步骤：
步骤（1）通过皮层脑电采集***，采集                                                
Figure 2011102949008100002DEST_PATH_IMAGE001
段不连续的皮层脑电信号，并将每段划分成若干个不重叠的特定时长窗口。其中，不连续采集为：每段信号采集具有一定的时间间隔，以避免信号采集时受到外界特定干扰的影响。对这
Figure 537293DEST_PATH_IMAGE001
段不连续的皮层脑电信号求取均值，以此均值作为皮层脑电信号幅值映射的基准值。
步骤（2）将要复原的特定窗口的皮层脑电进行幅值处理，即将每个皮层脑电信号的值减去步骤（1）求取的基准值，将其幅值范围映射到对称的取值范围内，使得皮层脑电信号具备双极性特点，满足神经元电生理模型随机共振机制输入的要求。
步骤（3）将步骤（2）处理后的皮层脑电信号和添加的噪声信号输入到基于双层FHN神经元网络模型中，得到对应的输出皮层脑电信号。
步骤（4）对于步骤（3）的噪声信号，分别取不同强度的噪声值，计算双层FHN神经元网络模型在不同噪声强度作用下的响应信噪比。当信噪比达到极大值时，获得在信噪比意义上的皮层脑电信号最佳复原状态，将此皮层脑电信号作为输出。
步骤（5）将输出的皮层脑电信号逆映射到原幅值范围，即将输出的皮层脑电信号与步骤（1）获得的基准值求和，从而获得最终复原后的皮层脑电信号。
本发明的有益效果：
（1）由于每个人的大脑开发的活跃程度不同，大脑产生的电信号波动也不尽相同，因此对要处理的皮层脑电信号进行处理和恢复时，并不能仅选取唯一不变的标准。本发明采用随机抽样求取平均值的方法，以此获得处理皮层脑电信号的基准值，提高了微弱脑电信号处理的实时性。同时，采集不连续特定窗口的皮层脑电信号求取基准值，能够避免由于一些人为操作以及外界条件影响，对基准值的求取带来误差。
（2）由于采集的皮层脑电信号含噪声比较大，若滤除噪声信号，势必会对皮层脑电信号带来很大的影响。本发明采用随机共振机制，将噪声作为有利于信号的因素，从而来复原皮层脑电信号；同时选取FHN神经元模型构成随机共振***的基本单元，其符合真实神经元电生理特性，更有利于皮层脑电这类生物电生理信号的复原处理。
（3）将FHN神经元电生理模型构成单向网络结构，首层由多个神经元组成，具有独立对皮层脑电和特定噪声强度的噪声进行响应的能力，可显著提高皮层脑电复原过程中的抗干扰性。
附图说明
图1为双层 FHN神经元网络模型的结构示意图。
具体实施方式
以下结合附图对本发明作进一步说明。
步骤（1）通过皮层脑电信号采集***，采集
Figure 122995DEST_PATH_IMAGE001
段不连续的皮层脑电信号，将每段划分成若干个不重叠的窗口，窗口时长记为，其中N表示窗口内的采样点数，T表示采样周期。因此第
Figure 106050DEST_PATH_IMAGE004
段的皮层脑电信号可记为
Figure 443490DEST_PATH_IMAGE006
，
Figure 2011102949008100002DEST_PATH_IMAGE007
。并对这
Figure 900010DEST_PATH_IMAGE001
段不连续的脑电信号求取均值，将此均值作为皮层脑电信号的基准值，记为
Figure 235177DEST_PATH_IMAGE008
。
步骤（2）经步骤（1）采集获得要复原的特定窗口内的大脑皮层脑电
Figure DEST_PATH_IMAGE009
，将其减去步骤（1）求取的基准值，获得幅值具有双极性特点的皮层脑电信号
Figure 26415DEST_PATH_IMAGE010
，
Figure 2011102949008100002DEST_PATH_IMAGE011
。
步骤（3）将步骤（2）获得的皮层脑电信号和添加的高斯白噪声一并输入到双层FHN神经元网路模型中，获得复原的皮层脑电输出信号。
其中，双层FHN神经元网络模型的模型结构示意图如图1所示，图中
Figure 416814DEST_PATH_IMAGE012
为当前时刻经双极性映射处理后的皮层脑电信号；
Figure DEST_PATH_IMAGE013
Figure 977108DEST_PATH_IMAGE014
是相同噪声强度的独立噪声项； 
Figure DEST_PATH_IMAGE015
Figure 561805DEST_PATH_IMAGE014
表示第一层的第
Figure 512443DEST_PATH_IMAGE004
个神经元和第二层神经元的连接系数； 
Figure 457265DEST_PATH_IMAGE016
Figure 809749DEST_PATH_IMAGE014
为第一层的第
Figure DEST_PATH_IMAGE017
个FHN神经元；
Figure 63882DEST_PATH_IMAGE018
为第二层FHN神经元；
Figure DEST_PATH_IMAGE019
为第二层神经元的输出膜电压，即输出信号。
表达式如式(1)和式(2)所示：
第一层：
               （1）
第二层：
Figure DEST_PATH_IMAGE021
    (2)
式(1)和(2)中，
Figure 797800DEST_PATH_IMAGE022
为采样周期；为输出信号；
Figure 332686DEST_PATH_IMAGE024
为时间常数，决定了神经元的点火速率；为临界值，促使神经元定期点火；
Figure 781158DEST_PATH_IMAGE026
为信号电平均值与
Figure 706389DEST_PATH_IMAGE025
的差值；
Figure DEST_PATH_IMAGE027
、为方程组常数；
Figure DEST_PATH_IMAGE029
为基于双层FHN神经元网络模型的输入信号，其中
Figure 867560DEST_PATH_IMAGE030
，为经过双极性处理后的皮层脑电信号，
Figure 214227DEST_PATH_IMAGE032
是输入信号中的噪声项，通常由均值为0、自相关函数为的高斯白噪声加以模拟，其中
Figure 938339DEST_PATH_IMAGE034
为噪声强度，
Figure DEST_PATH_IMAGE035
表示冲激函数；，
Figure 23286DEST_PATH_IMAGE014
为首层第i个神经元的输出膜电压，
Figure 212959DEST_PATH_IMAGE019
为第二层神经元的膜电压，
Figure DEST_PATH_IMAGE037
为第二层神经元的慢变恢复变量，连接系数为
Figure 175099DEST_PATH_IMAGE015
，
Figure 52794DEST_PATH_IMAGE014
。
步骤（4）步骤（3）中，在添加不同强度D的噪声信号情况下，分别计算双层FHN神经元网络模型响应的信噪比。随机共振机制特性表明，当噪声强度在一定范围内时，响应信噪比会随着噪声强度的增加而增加；当噪声强度增加到一定程度时，响应信噪比会达到一个极大值，之后若继续增加噪声强度，响应信噪比则会下降，直到不能用信噪比来衡量信号和噪声信号。因此在信噪比的意义上，当响应信噪比达到极大值时，此时输出信号为最优的皮层脑电复原信号。其中信噪比的定义为：
Figure 354462DEST_PATH_IMAGE038
                        (3)
其中，
Figure DEST_PATH_IMAGE039
、
Figure 777353DEST_PATH_IMAGE040
分别代表在功率谱密度中对应特定窗口时长的皮层脑电信号输出信号和添加的噪声信号，信噪比的单位为分贝(dB)。在计算功率谱密度中，本文针对噪声的随机性，采用功率谱密度累加平均方法。即在相同输入的皮层脑电信号和噪声强度作用下，重复求取模型的响应值，对每组响应分别计算功率谱密度，再将所有响应值的功率谱密度进行累加平均。
步骤（5）将步骤（4）输出的皮层脑电信号与步骤（1）求得的基准值进行求和，逆映射回原信号幅值范围，从而获得最终复原后的皮层脑电信号。

Claims (1)

1.一种皮层脑电信号的网络***随机共振复原方法，其特征在于该方法包括如下步骤：
步骤1、通过皮层脑电采集***，采集                                               
Figure 2011102949008100001DEST_PATH_IMAGE002
段不连续的皮层脑电信号，并将每段划分成若干个不重叠的特定时长窗口；对这段不连续的皮层脑电信号求取均值，以此均值作为皮层脑电信号幅值映射的基准值；其中，不连续采集为：每段信号采集具有一定的时间间隔，以避免信号采集时受到外界特定干扰的影响；
步骤2、将要复原的特定窗口的皮层脑电进行幅值处理，即将每个皮层脑电信号的值减去步骤1求取的基准值，将其幅值范围映射到对称的取值范围内，使得皮层脑电信号具备双极性特点，满足神经元电生理模型随机共振机制输入的要求；
步骤3、将步骤2处理后的皮层脑电信号和添加的噪声信号输入到基于双层FHN神经元网络模型中，得到对应的输出皮层脑电信号；
步骤4、对于步骤3的噪声信号，分别取不同强度的噪声值，计算双层FHN神经元网络模型在不同噪声强度作用下的响应信噪比；当信噪比达到极大值时，获得在信噪比意义上的皮层脑电信号最佳复原状态，将此皮层脑电信号作为输出；
步骤5、将步骤4输出的皮层脑电信号逆映射到原幅值范围，即将输出的皮层脑电信号与步骤1获得的基准值求和，从而获得最终复原后的皮层脑电信号。
CN 201110294900 2011-09-28 2011-09-28 一种皮层脑电信号的网络***随机共振复原方法 Active CN102327116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110294900 CN102327116B (zh) 2011-09-28 2011-09-28 一种皮层脑电信号的网络***随机共振复原方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110294900 CN102327116B (zh) 2011-09-28 2011-09-28 一种皮层脑电信号的网络***随机共振复原方法

Publications (2)

Publication Number Publication Date
CN102327116A true CN102327116A (zh) 2012-01-25
CN102327116B CN102327116B (zh) 2013-09-04

Family

ID=45479275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110294900 Active CN102327116B (zh) 2011-09-28 2011-09-28 一种皮层脑电信号的网络***随机共振复原方法

Country Status (1)

Country Link
CN (1) CN102327116B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110393525A (zh) * 2019-06-18 2019-11-01 浙江大学 一种基于深度循环自编码器的大脑活动检测方法
CN113158746A (zh) * 2021-02-02 2021-07-23 杭州电子科技大学 一种基于神经元小世界网络随机共振的弱信号感知方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102068246A (zh) * 2010-12-30 2011-05-25 上海电机学院 微弱诱发电位信号的韧性增强方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102068246A (zh) * 2010-12-30 2011-05-25 上海电机学院 微弱诱发电位信号的韧性增强方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
耿丽硕等: "神经元网络模型的弱信号随机共振检测研究", 《计算机工程与应用》 *
薛凌云等: "基于FitzHugh_Naguno神经元随机共振机制的图像复原", 《浙江大学学报（工学版）》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110393525A (zh) * 2019-06-18 2019-11-01 浙江大学 一种基于深度循环自编码器的大脑活动检测方法
CN110393525B (zh) * 2019-06-18 2020-12-15 浙江大学 一种基于深度循环自编码器的大脑活动检测方法
CN113158746A (zh) * 2021-02-02 2021-07-23 杭州电子科技大学 一种基于神经元小世界网络随机共振的弱信号感知方法
CN113158746B (zh) * 2021-02-02 2024-04-30 杭州电子科技大学 一种基于神经元小世界网络随机共振的弱信号感知方法

Also Published As

Publication number Publication date
CN102327116B (zh) 2013-09-04

Similar Documents

Publication Publication Date Title
CN110495880B (zh) 基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法
CN107024987A (zh) 一种基于eeg的实时人脑注意力测试和训练***
CN105022486B (zh) 基于不同表情驱动的脑电信号辨识方法
CN100594858C (zh) 一种脑电肌电联合控制的电动假手的控制方法
CN108433722A (zh) 便携式脑电采集设备及其在ssvep和运动想象中的应用
CN106974647A (zh) 一种脑电波头戴装置及遥控机器人和锻炼大脑的方法
CN110389663B (zh) 一种基于小波宽度学习***的sEMG手势识别方法
CN104091172A (zh) 一种运动想象脑电信号的特征提取方法
CN110353704B (zh) 基于穿戴式心电监测的情绪评估方法与装置
CN104809434A (zh) 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法
CN104548347A (zh) 一种纯意念神经肌肉电刺激控制与神经功能评价***
CN104571504A (zh) 一种基于想象动作的在线脑-机接口方法
CN109325586B (zh) 一种用于脑电信号去噪的***
CN101645267A (zh) 一种应用于电子耳蜗的语音处理方法
CN102940490A (zh) 基于非线性动力学的运动想象脑电信号特征提取方法
CN108992066A (zh) 基于肌电信号的便携式下肢行为模式实时识别***及方法
CN109481164B (zh) 一种基于脑电信号的电动轮椅控制***
CN102327116B (zh) 一种皮层脑电信号的网络***随机共振复原方法
CN102499675B (zh) 一种皮层脑电信号的反馈***随机共振增强方法
CN106943150A (zh) 精神疲劳检测***及其采用的方法
CN108742611A (zh) 一种随机动态参数电刺激条件下的自主肌电提取方法
CN108681394A (zh) 一种基于脑源成像技术的电极优选方法
CN116340824A (zh) 基于卷积神经网络的肌电信号动作识别方法
CN113384277B (zh) 心电数据的分类方法及分类***
CN204520670U (zh) 一种基于物联网的心电监护***

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20181128

Address after: 313000 industrial zone of Donglin Town, Wuxing District, Huzhou, Zhejiang

Patentee after: Zhejiang far new material Co., Ltd.

Address before: 310018 2 street, Xiasha Higher Education Park, Hangzhou, Zhejiang

Patentee before: Hangzhou Electronic Science and Technology Univ

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20191211

Address after: No.146, Shuangjin Road, Xiannv Town, Jiangdu District, Yangzhou City, Jiangsu Province

Patentee after: Yangzhou Zhonggui Motor Technology Co., Ltd

Address before: 313000 Zhejiang Province, Huzhou city Wuxing District East Town Industrial Zone

Patentee before: Zhejiang far new material Co., Ltd.