1.一种基于卷积自编码器的双阶段心电信号降噪方法,其特征在于,包括:准备的心电信号数据采样率为360HZ,心电信号的输入长度固定为统一长度,并给心电信号增加不同程度的噪声;
给每一组数据准备了其对应的标签输出,输出即为干净的心电信号;
心电信号降噪阶段:将加噪的心电信号以及对应的一维标签输入到神经网络中进行训练,训练方法为adam算法,损失函数为均方误差损失函数;
所述心电信号降噪阶段中,该网络:每次下采样与上采样使用不同大小的采样倍率,每次下采样的倍率依次是1/10、1/5和1/2,每次上采样的倍率依次是2、5和10;
加入了上下文比对机制;首先将输入数据进行两次核大小为5*1的卷积,其输出记为conv1;接着将输入数据进行两次核大小为5*1、膨胀率为10的空洞卷积,其输出记为conv2;
将conv1与conv2相减得到第三个输出conv3,最后将conv1、conv2和conv3按通道连接作为最终的输出;加入了残差结构的跳跃连接,将学习到的低维特征直接并入到高维特征中一起学习;
心电信号细节重建阶段:将经过第一阶段网络的降噪后的信号输入到神经网络中进行训练,训练方法为adam算法,损失函数为均方误差损失函数;
所述心电信号细节重建阶段中,该网络经过三个Block,每一个Block都是一个残差块并加入了Attention机制,每一个Block中的第三个卷积层中的核大小设置不同,依次是1*
20、1*10和1*5;
经过三个Block的三次下采样后,将信号通过一个核大小为1*9,核数量为100的卷积核,信号维度变为100*36,接着将维度重新排列为1*3600,此时的维度即为原始心电信号的维度;
整个网络结构有两个分支,主分支为经过了三个Block的组合,左分支中输入信号只进行了两次卷积操作,最后两个分支的输出连接在一起。
2.如权利要求1所述的基于卷积自编码器的双阶段心电信号降噪方法,其特征在于,所述噪声包括:电极干扰噪声、肌电干扰噪声以及基线漂移噪声。
3.如权利要求1所述的基于卷积自编码器的双阶段心电信号降噪方法,其特征在于,心电信号降噪阶段中,网络参数设置如下:学习率lr=0.001,beta_1=0.9,beta_2=0.999,epsilon=1e‑08,clipvalue=0.5。
4.如权利要求1所述的基于卷积自编码器的双阶段心电信号降噪方法,其特征在于,心电信号降噪阶段中,该网络:每一次卷积层后面都有批归一化操作并添加了“relu”激活函数,只有最后一层没有批归一化操作并且激活函数为“linear”。
5.如权利要求1所述的基于卷积自编码器的双阶段心电信号降噪方法,心电信号细节重建阶段中,该网络:Block中的每层卷积层的核数量经过反复实验确认,即将“relu”激活函数前的卷积核数量增大,将“relu”激活函数后的卷积核数量减小;
该网络结构中不含有批归一化层(BN层)。
6.如权利要求5所述的基于卷积自编码器的双阶段心电信号降噪方法,其特征在于,每一个Block都经过一个下采样,每次下采样的倍率不同,依次是1/10、1/5和1/2。
7.如权利要求1所述的基于卷积自编码器的双阶段心电信号降噪方法,其特征在于,心电信号细节重建阶段中,网络参数设置如下:参数设置如下:学习率lr=0.001,beta_1=
0.9,beta_2=0.999,epsilon=1e‑08,clipvalue=0.5。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1到7任一项所述的方法。