基于贝叶斯估计的小波脑电信号去噪算法研究

摘要

针对传统脑电去噪算法易丢失细节特征、峰值信噪比低、计算量大等问题,对脑电信号70～200 ms的尖波部分和持续时间小于70 ms的棘波部分,采用拉普拉斯分布为去噪模型,利用贝叶斯估计方法对小波变换后的系数进行估计,将估计后的信号进行重构,以达到去噪的目的.采用信噪比、均方根误差、作为去噪的评价指标,对比贝叶斯估计算法、全局阈值算法、改进阈值算法和自适应阈值算法的优缺点.通过对比发现贝叶斯算法的信噪比远高于其他算法,该方法获得了较大的峰值信噪比增益,而在四组均方根分析数据中,贝叶斯估计算法取得的误差较小,去噪效果更好.在能量和功率谱的分析中,充分验证了贝叶斯估计算法的去噪优越性,有效保留了原始信号的高频和低频部分的细节信息.