基于生成对抗网络的脑电波去噪处理研究.pdfVIP

第22卷第5期软件导刊Vol.22No.5

2023年5月SoftwareGuideMay2023

基于生成对抗网络的脑电波去噪处理研究

1，2，31，2，31，2，31，2，31，2，3

文斗，杨青，王亚群，李晨，李铭

（1.华中师范大学计算机学院；

2.华中师范大学人工智能与智慧学习湖北省重点实验室；

3.国家语言资源监测与研究网络媒体中心，湖北武汉430079）

摘要：脑电波采集过程往往会包含生理噪声和外部噪声，外部噪声目前可以通过滤波进行消除，去除生理噪声通

常采用的方法是自适应滤波器、空间滤波和主成分分析，但这些方法需要一定的信号作为先决条件，并且去噪性能有

限。近年来，深度学习技术开始运用于脑电波去噪，而且在去噪性能上得到了一定提升。鉴于在生成对抗网络

（GAN）的判别器和生成器博弈过程中，生成样本具有逐渐向真实样本逼近的特点，设计一种基于卷积神经网络

（CNN）的生成对抗网络模型，用于消除脑电波生理噪声中的肌源性噪声和眼源性噪声，同时在GAN的生成器网络中

引入新的损失函数，使去噪后的数据与原始数据更加接近。设计的GAN-1D-CNN模型在去除肌源性噪声上的相关

系数达到0.945，在去除眼源性噪声上的相关系数达到0.894。实验结果表明，GAN-1D-CNN模型对脑电波的去噪能

力得到了增强，相关性能指标都优于现有基准数据集上的去噪方法。

关键词：脑电波；生成对抗网络；卷积神经网络；去噪；伪影消除

DOI：10.11907/rjdk.221659开放科学（资源服务）标识码（OSID）：

中图分类号：TP301文献标识码：A文章编号：1672-7800（2023）005-0014-09

ResearchonEEGSignalsDenoisingBasedonGenerativeAdversarialNetworks

WENDou1，2，3，YANGQing1，2，3，WANGYa-qun1，2，3，LIChen1，2，3，LIMing1，2，3

（1.SchoolofComputer，CentralChinaNormalUniversity；

2.HubeiProvincialKeyLaboratoryofArtificialIntelligenceandSmartLearning，CentralChinaNormalUniversity；

3.NationalLanguageResourcesMonitoringResearchCenterforNetworkMedia，CentralChinaNormalUniversity，Wuhan430079，China）

Abstract：TheprocessofEEGacquisitionoftenincludesphysiologicalnoiseandexternalnoise.Atpresent，theexternalnoisecanbeelimi‐

na