1.一种基于残差生成对抗网络的脑电信号去噪方法，其特征在于由下述步骤组成：(1)选取脑电样本

从DEAP数据库中选取32个测试者的纯净脑电信号样本 表示该测试者第S个样本，S的取值为2000～10000，C为纯净脑电信号样本的通道数，C取值为16～64，T为第S个样本的纯净脑电信号样本采样点个数，T取值为320～1000；

(2)构建含噪脑电信号样本

分别选取高斯白噪声和测试者的肌电噪声作为噪声，在纯净脑电信号样本中分别加入信噪比为‑2dB、0dB、2dB的噪声，构建成6种含噪脑电信号样本，按下式加入噪声：EEGn＝EEGc+γ×EEGs

其中EEGn为添加了噪声的脑电信号，RMS(EEGc)为干净脑电信号的均方根，γ表示噪声的污染程度因子，RMS(EEGs)为噪声信号的均方根，gi表示脑电信号第i个样本，SNR为信噪比，即原始信号与添加的噪声信号的比值；N为有限的正整数；

(3)划分网络训练集和测试集

将含噪脑电信号样本的80％划分为网络训练集、含噪脑电信号样本的20％划分为网络测试集；

(4)构建残差生成对抗神经网络

残差生成对抗神经网络由1个判别器D(y)与1个残差生成器G(x)串联组成，判别器D(y)由4个神经网络层(1)串联构成；残差生成器G(x)由第一个残差单元(2)依次与第二个残差单元(3)、第三个残差单元(4)、第四个残差单元(5)、池化层(6)、全连接层(7)串联构建成残差生成器G(x)；

所述第一个残差单元(2)、第二个残差单元(3)、第三个残差单元(4)、第四个残差单元(5)由2～6个一维卷积层串联构成,一维卷积层的卷积核大小为1×3；

所述的脑电信号经第一个残差单元(2)的输出通道为64、步长为1，第二个残差单元(3)的输出通道为128、步长为2，第三个残差单元(4)的输出通道为256、步长为2，第四个残差单元(5)的输出通道为512、步长为2，第四个残差单元(5)的输出经过池化层(6)、全连接层(7)输出，得到长度为1000的脑电信号；

(5)训练残差生成对抗神经网络

用训练样本训练残差生成对抗神经网络，损失函数使用传统的对抗损失函数LGAN和LL1(x,y)损失函数组合的联合损失函数L，采用Adam优化算法动态调整残差生成对抗神经网络的学习率进行训练，得到训练好的残差生成对抗神经网络；

所述的对抗损失函数LGAN为：

其中y表示纯净脑电信号样本，x表示输入的含噪脑电信号样本， 表示纯净脑电信号样本的数学期望值， 表示输入的含噪脑电信号样本的数学期望值：所述的损失函数LL1(x,y)为：

其中N为有限的正整数，本实施例的N取值为6000，所述的联合损失函数L为：L＝LGAN+LL1(x,y)

(6)重建去噪脑电信号

将网络测试集的含噪脑电信号输入到训练好的残差生成对抗神经网络中，输出对应的重构脑电信号。

2.根据权利要求1所述的基于残差生成对抗网络的脑电信号去噪方法，其特征在于：在(4)构建残差生成对抗神经网络步骤中，所述的判别器D(y)由4个神经网络层(1)串联构成，第一个神经网络层(1)的维度为1000×800，第二个神经网络层(1)的维度为800×100，第三个神经网络层(1)的维度为100×50，第四个神经网络层(1)的维度为50×1。