基于余弦相似的改进CEEMD脑电信号去噪方法

发布时间：2024-03-09 09:34

　　针对传统脑电去噪方法易将信号中高频部分所含的有用信息作为噪声滤除导致降噪后的脑电信号失真的问题,文中提出了一种基于余弦相似的互补总体经验模态分解(CEEMD)脑电信号去噪方法。首先脑电信号经过CEEMD分解成尺度不同的多个本征模态函数(IMF),用余弦相似法计算各个IMF与原始信号的相似度,选择相似度曲线中第一个极小值后的IMF分量作为信号主导模态和噪声主导模态的分界点。然后用小波包变换对噪声主导模态提取有用信息,最后与其余的IMF重构得到降噪信号。实验结果表明,文中算法能够有效保留高频模态中的有用信息,且在不同噪声强度下的去噪性能均优于传统算法。

【文章页数】：7 页

【部分图文】：

图3含噪信号CEEMD分解结果

图2C3电极脑电信号图4H(k)与k的关系

图1小波包分解结构图

假设分解的尺度为3,则信号S的小波包分解如图1所示。其中,S为原始信号,Si,j(i为分解层数,j为第i层的子空间序列)代表小波包子空间。

图2C3电极脑电信号

分界点k的定义为:相似度由逐渐减小转为逐渐变大的位置。因此本文选定H(k)中第一个极小值的后一个位置的IMF分量作为分界点。图2是一例信噪比为10dB的正常人左右手运动想象C3电极处的脑电信号。经过CEEMD分解后所获得的IMF分量如图3所示。图4是各个IMF分量与含噪信号的余....

图4H(k)与k的关系

图3含噪信号CEEMD分解结果为了验证该方法对于确定k的有效性,从第二层开始,叠加2～n的IMF分量,以往后每次减少一个高阶IMF分量的方式,逐次叠加形成不同的降噪信号,并计算其信噪比和均方根误差,与原始信号对比。结果如表1所示。

本文编号：3923227