第195章 神经信號（1/2）

沈一鸣盯著显示屏上那条锯齿状的波形，手里的咖啡已经凉了。

波形在屏幕上跳动，像一条不安分的蛇。左侧的噪声峰值几乎和有效信號等高，採集到的神经电信號被淹没在环境干扰里，解码算法无从下手。

已经连续工作七十二小时了。

联合实验室成立三周，第一个课题的进展远比预期艰难。nx-30晶片的1024个通道同时工作，採集能力强，但数据量大不等於数据质量高。神经信號天然微弱，脑电波的电压在微伏级別，而实验室的电磁干扰动輒达到毫伏量级。

沈一鸣试过带通滤波、独立成分分析、小波去噪，效果都一般。噪声降了一些，有效信號也跟著损失。信噪比改善幅度卡在百分之三十，再往上推不动了。

左城是早上七点来到实验室的。他推开门，看到沈一鸣坐在工位上，桌上摆著三个空咖啡杯。

你昨晚没回去

沈一鸣说，回去了，凌晨两点，四点又来了。左城，这个噪声的问题比我想像的难。你过来看一下。

左城拉了把椅子坐下，看了几分钟波形。

问题在哪儿

沈一鸣说，信號源是神经电信號，带宽在三百赫兹到三千赫兹之间。但实验室的工频干扰在五十赫兹，肌电干扰在三百到五百赫兹，这段频率和有效信號的低频部分重叠。用硬体滤波不够精细，用软体滤波损失信號。

左城没有立刻说话。他想起了一件事。

去年天穹卫星的数据回传项目里，有一个类似的问题。卫星到地面的通信链路受到电离层信號扰动，频段和有效数据部分重叠，不能简单滤除，得用自適应算法实时估计扰动特徵，再从信號里减去。左城当时用系统整合过一个改进版本。

他打开系统面板，在心里操作。

面板上当前积分显示667分。他在商业航天枝干和ai枝干之间调出跨枝干融合选项，找到卫星通信信號处理模块里的自適应噪声抑制算法，把它和神经信號特徵进行匹配分析。

系统提示：融合可行，消耗5积分，生成神经信號自適应噪声抑制算法，支持实时估计干扰特徵，预计信噪比提升60%。

左城確认。积分从667降到662。

他关掉面板，对沈一鸣说，我有个思路。卫星通信里有一套处理方法，不是直接滤掉某个频段，而是实时建立一个干扰模型，每隔几毫秒更新一次，把估计到的干扰成分从原始信號里减去。这样可以在不损失有效信號的前提下压制噪声。

沈一鸣皱了皱眉，说，这个思路我知道，叫自適应干扰抵消。问题是神经信號里的干扰来源太多，肌电、工频、设备本身的电子噪声，参数差异很大，实时建模的计算量能不能撑住

左城说，用低阶自回归模型来估计干扰，参数少，更新快。再加一个基於信號统计特性的置信度加权，让算法自动判断哪些成分是干扰，哪些是有效信號。具体的实现我写一个框架，你在上面调参。

沈一鸣说，这要多久

左城说，框架今天给你。

他坐到空閒的工作站前，打开编辑器，开始写代码。脑子里那些算法细节清晰得像是刚刚复习过，每一行落地都准確。

一个多小时后，他把框架的核心模块发给了沈一鸣。

沈一鸣看著代码，说，你这个置信度加权的部分，用的是滑动窗口的方差估计，窗口长度怎么定

左城说，先试二十毫秒，对应六百个採样点，基本能覆盖一个完整的神经电位波形。你跑起来看效果，不行再调。

沈一鸣把框架接入测试数据，运行。

显示屏上的波形开始变化。锯齿状的噪声峰值逐渐压下去，有效的神经电位波形慢慢浮现出来，那些尖锐的动作电位信號变得清晰可辨。

信噪比的数值开始跳动，从之前的十一分贝往上爬，越过了二十分贝，最后稳定在了二十三点七分贝。

本章未完，点击下一页继续阅读。