[發(fā)明專利]一種腦電特征提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210308790.0
• 申請(qǐng)日: 2012-08-28
• 公開(kāi)（公告）號(hào): CN102824172A
• 公開(kāi)（公告）日: 2012-12-19
• 發(fā)明（設(shè)計(jì)）人: 王躍明;祁玉;鄭筱祥
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): A61B5/0476
• 分類號(hào): A61B5/0476
• 代理公司: 杭州天勤知識(shí)產(chǎn)權(quán)代理有限公司 33224
• 代理人: 胡紅娟

技術(shù)領(lǐng)域

本發(fā)明涉及腦電數(shù)據(jù)分析領(lǐng)域，具體涉及一種腦電特征提取方法。

背景技術(shù)

腦電數(shù)據(jù)信號(hào)是攜帶有人腦特征或狀態(tài)的信息載體，人腦是一個(gè)開(kāi)放的、時(shí)變的和非線性的系統(tǒng)，其產(chǎn)生的信號(hào)也是時(shí)變的，非線性的，同時(shí)腦電數(shù)據(jù)信號(hào)在測(cè)量后會(huì)產(chǎn)生隨機(jī)誤差，并且腦電信號(hào)還會(huì)受到個(gè)體差異的硬性，因此，對(duì)于腦電數(shù)據(jù)信號(hào)的分析成為難題。

申請(qǐng)?zhí)枮?00910196746.3的發(fā)明公開(kāi)了一種腦電波分析方法，應(yīng)用了經(jīng)典的時(shí)頻域分析和主成份分析方法解決了腦電信號(hào)特征提取的難題，成功地提取了與人體緊張，疲勞與放松息息相關(guān)的時(shí)頻域參數(shù)，并且將其映射到主成分空間中去，還運(yùn)用了支持向量機(jī)在主成份空間中高效地分析非線性關(guān)系，提高了判讀的精確性和有效性。但是，該發(fā)明計(jì)算方法復(fù)雜，能夠處理的頻率范圍有限，不能滿足更寬頻段的需求。

申請(qǐng)?zhí)枮?00710163302.0的發(fā)明公開(kāi)了一種腦電超慢波分析方法及其數(shù)據(jù)處理裝置，它通過(guò)對(duì)0.5-50Hz范圍內(nèi)的腦電波進(jìn)行系列分析，提取出其中超慢波，并分析超慢譜系功率，用以反映所對(duì)應(yīng)的腦神經(jīng)遞質(zhì)的功能狀況，為建立一種無(wú)創(chuàng)傷腦神經(jīng)遞質(zhì)功能檢測(cè)方法提供了條件。但是，該發(fā)明對(duì)于腦電數(shù)據(jù)特征具有針對(duì)性，當(dāng)特征值不一致時(shí)效果較差。

通過(guò)對(duì)腦電數(shù)據(jù)信號(hào)的監(jiān)測(cè)和分析，可以得到大腦的狀態(tài)，如深度睡眠，大腦疲勞，大腦警覺(jué)等狀態(tài)，同時(shí)，也為人類與計(jì)算機(jī)的交互控制提供了新的手段。

對(duì)腦電數(shù)據(jù)信號(hào)進(jìn)行特征提取，得到可識(shí)別的，可靠程度高的特征值是腦電數(shù)據(jù)分析的基礎(chǔ)環(huán)節(jié)，具有重要意義。

發(fā)明內(nèi)容

本發(fā)明提供了一種腦電特征提取方法，該方法通過(guò)提取腦電數(shù)據(jù)得到時(shí)頻特征和形態(tài)特征，并將時(shí)頻特征和形態(tài)特征相結(jié)合，進(jìn)而反應(yīng)大腦狀態(tài)，計(jì)算復(fù)雜程度低，實(shí)時(shí)性好。

一種腦電特征提取方法，包括以下步驟：

(1)去除背景腦電數(shù)據(jù)和待處理腦電數(shù)據(jù)中的偽跡，分別獲得背景腦電數(shù)據(jù)的有效頻段和待處理腦電數(shù)據(jù)的有效頻段，再分別將背景腦電數(shù)據(jù)的有效頻段和待處理腦電數(shù)據(jù)的有效頻段分為若干數(shù)據(jù)段；

(2)對(duì)所得的每個(gè)數(shù)據(jù)段分別提取時(shí)頻特征和形態(tài)特征，得到每個(gè)數(shù)據(jù)段相應(yīng)的時(shí)頻特征值和形態(tài)特征值；

(3)利用背景腦電數(shù)據(jù)每個(gè)數(shù)據(jù)段的時(shí)頻特征值和形態(tài)特征值，計(jì)算得到時(shí)頻特征值的頻率分布函數(shù)和形態(tài)特征值的頻率分布函數(shù)；

(4)利用背景腦電數(shù)據(jù)的時(shí)頻特征值的頻率分布函數(shù)和形態(tài)特征值的頻率分布函數(shù)，得到待處理腦電數(shù)據(jù)每個(gè)數(shù)據(jù)段的時(shí)頻特征值出現(xiàn)的概率和形態(tài)特征值出現(xiàn)的概率；

(5)利用下式計(jì)算得到IMF-VoE特征值，

IMF-VoE(t)=log2Πc=1nPc;]]>

其中，t為數(shù)據(jù)段的序數(shù)；

n為特征值的數(shù)量；

P_c為步驟(4)中待處理腦電數(shù)據(jù)每個(gè)數(shù)據(jù)段的時(shí)頻特征值出現(xiàn)的概率或形態(tài)特征值出現(xiàn)的概率；

c為特征值的序數(shù)。

首先，對(duì)腦電數(shù)據(jù)進(jìn)行預(yù)處理，將原始的腦電數(shù)據(jù)通過(guò)帶通濾波去除偽跡，選取有效頻段進(jìn)行分析和處理；優(yōu)選地，所述步驟(1)中帶通濾波后獲得的有效頻段頻率為1.6～70Hz。帶通濾波可以采用2階巴特沃茲濾波器(Butterworth)，有效頻段的頻率可以根據(jù)需要通過(guò)濾波參數(shù)進(jìn)行選擇。

作為優(yōu)選，采用滑動(dòng)時(shí)間窗的方法將有效頻段分為若干數(shù)據(jù)段，滑動(dòng)時(shí)間窗的長(zhǎng)度為1s，滑動(dòng)步長(zhǎng)為0.2s。

數(shù)據(jù)分段的目的在于，確定數(shù)據(jù)處理的最小單元?；瑒?dòng)時(shí)間窗的長(zhǎng)度以及滑動(dòng)步長(zhǎng)可以根據(jù)需要選取，時(shí)間窗的長(zhǎng)度越短，滑動(dòng)步長(zhǎng)越短，劃分的數(shù)據(jù)段越多，則提取得到的時(shí)頻特征值和形態(tài)特征值越精確，但是，相應(yīng)的計(jì)算量也大。

作為優(yōu)選，所述步驟(2)中對(duì)每個(gè)數(shù)據(jù)段采用經(jīng)驗(yàn)?zāi)B(tài)分解法提取時(shí)頻特征，取前三個(gè)固有模態(tài)函數(shù)，利用下式計(jì)算得到每個(gè)數(shù)據(jù)段的時(shí)頻特征值VoIMF：