机构名称：
¥ 1.0
生物测量通常受到大量非平稳噪声的污染，需要有效的降噪技术。我们提出了一种新的实时深度学习算法，该算法可以自适应地产生与噪声相反的信号，从而发生破坏性干扰。作为概念验证，我们通过使用定制的、灵活的、3D 打印的复合电极降低脑电图中的肌电图噪声来展示该算法的性能。使用此设置，通过消除宽带肌肉噪声，EEG 的信噪比平均提高了 4dB，最高提高了 10dB。这一概念不仅可以自适应地提高 EEG 的信噪比，还可以应用于广泛的生物、工业和消费者应用，例如工业传感或降噪耳机。
通过深度学习实现实时降噪
主要关键词
相关文件推荐
