[發(fā)明專利]一種基于非高斯時序模型的腦電特征提取方法

有效

• 申請?zhí)枺?/td>: 201310579269.5
• 申請日: 2013-11-18
• 公開（公告）號: CN103690160A
• 公開（公告）日: 2014-04-02
• 發(fā)明（設(shè)計）人: 王躍明;祁玉;鄭筱祥;張建明;朱君明
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: A61B5/0476
• 分類號: A61B5/0476
• 代理公司: 杭州天勤知識產(chǎn)權(quán)代理有限公司 33224
• 代理人: 胡紅娟

1.一種基于非高斯時序模型的腦電特征提取方法，其特征在于，包括以下步驟：

（1）獲取待處理腦電數(shù)據(jù)和兩組訓(xùn)練腦電數(shù)據(jù)，去除待處理腦電數(shù)據(jù)和兩組訓(xùn)練腦電數(shù)據(jù)中的偽跡，分別獲得待處理腦電數(shù)據(jù)的有效頻段和兩組訓(xùn)練腦電數(shù)據(jù)的有效頻段，再分別將待處理腦電數(shù)據(jù)的有效頻段和每組訓(xùn)練腦電數(shù)據(jù)的有效頻段分為若干數(shù)據(jù)段；每組訓(xùn)練腦電數(shù)據(jù)中均包括兩種大腦狀態(tài)下的腦電數(shù)據(jù)；

（2）提取步驟（1）中每個數(shù)據(jù)段的時頻特征、形態(tài)特征和復(fù)雜度特征，得到相應(yīng)的時頻特征值、形態(tài)特征值和復(fù)雜度特征值，每個數(shù)據(jù)段的時頻特征值、形態(tài)特征值和復(fù)雜度特征值構(gòu)成一個特征向量；

（3）兩組訓(xùn)練腦電數(shù)據(jù)分別記為第一組訓(xùn)練腦電數(shù)據(jù)和第二組訓(xùn)練腦電數(shù)據(jù)：

3-1、為第一組訓(xùn)練腦電數(shù)據(jù)中的每一個特征向量標(biāo)記狀態(tài)值，利用標(biāo)記完狀態(tài)值的第一組訓(xùn)練腦電數(shù)據(jù)訓(xùn)練支持向量機；

3-2、將第二組訓(xùn)練腦電數(shù)據(jù)的所有特征向量輸入步驟3-1中所得的訓(xùn)練好的支持向量機中，得到第二組訓(xùn)練腦電數(shù)據(jù)的狀態(tài)值序列；

（4）建立表達特征向量與大腦狀態(tài)之間關(guān)系的觀察方程，并利用自回歸模型建立狀態(tài)轉(zhuǎn)移方程，利用第二組訓(xùn)練腦電數(shù)據(jù)的特征向量和狀態(tài)值序列，確定觀察方程和狀態(tài)轉(zhuǎn)移方程中的所有參數(shù)；

（5）利用待處理腦電數(shù)據(jù)的特征向量以及步驟（4）獲得的觀察方程和狀態(tài)轉(zhuǎn)移方程，采用粒子濾波的方法得到待處理腦電數(shù)據(jù)的狀態(tài)值。

2.如權(quán)利要求1所述的基于非高斯時序模型的腦電特征提取方法，其特征在于，所述狀態(tài)轉(zhuǎn)移方程的表達式如下：

xt=Σi=1pαixt-i+β+vt,vt~N(0,σv2)]]>

其中，

t為數(shù)據(jù)段的序數(shù)；

x_t為第t個數(shù)據(jù)段的狀態(tài)值；

p為自回歸模型的階數(shù)；

x_t-i為第t-i個數(shù)據(jù)段的狀態(tài)值；

α_i為狀態(tài)值x_t-i對應(yīng)的系數(shù)；

β為常數(shù)；

v_t表示第t個數(shù)據(jù)段的狀態(tài)轉(zhuǎn)移噪聲，服從均值為0，方差為的正態(tài)分布。

3.如權(quán)利要求2所述的基于非高斯時序模型的腦電特征提取方法，其特征在于，所述觀察方程的表達式如下：

f_t＝Wx′_t+u_t，u_t～C(0，Scale)

其中，

t為數(shù)據(jù)段的序數(shù)；

f_t表示第t個數(shù)據(jù)段的特征向量；

表示第t個數(shù)據(jù)段的狀態(tài)值x_t的i階乘方，q為多項式模型的階數(shù)；

W為系數(shù)矩陣；

u_t為第t個數(shù)據(jù)段的觀察噪聲，服從中心為0，尺度為Scale的柯西分布。

4.如權(quán)利要求3所述的基于非高斯時序模型的腦電特征提取方法，其特征在于，每組訓(xùn)練腦電數(shù)據(jù)中的兩種大腦狀態(tài)所對應(yīng)的時長相同，且每種大腦狀態(tài)所持續(xù)的時間不少于1分鐘。