[發(fā)明專利]基于腦電信號(hào)的改進(jìn)EEMD算法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810093526.7
• 申請(qǐng)日: 2018-01-31
• 公開(kāi)（公告）號(hào): CN108095722B
• 公開(kāi)（公告）日: 2021-05-28
• 發(fā)明（設(shè)計(jì)）人: 張學(xué)軍;王龍強(qiáng);何濤;成謝鋒
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué);南京郵電大學(xué)南通研究院有限公司
• 主分類號(hào): A61B5/372
• 分類號(hào): A61B5/372;A61B5/00;G06K9/00
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 楊曉玲

本發(fā)明公開(kāi)了一種基于腦電信號(hào)的改進(jìn)EEMD算法，該方法首先基于腦電信號(hào)的先驗(yàn)知識(shí)，選取μ節(jié)律頻段(8?12Hz)和β節(jié)律頻段(18?26Hz)分別設(shè)計(jì)兩個(gè)帶通濾波器；利用上述帶通濾波器對(duì)全帶高斯白噪聲進(jìn)行濾波處理，得到兩個(gè)帶限高斯白噪聲；最后在原始腦電信號(hào)中加入上述帶限高斯白噪聲w(t)，進(jìn)行經(jīng)驗(yàn)?zāi)Ｊ椒纸狻?yīng)用本發(fā)明算法對(duì)腦電信號(hào)進(jìn)行分解，得到了頻率相對(duì)集中的固有模態(tài)函數(shù)信號(hào)，各個(gè)頻段的固有模態(tài)函數(shù)得以區(qū)分，大大抑制了由于經(jīng)驗(yàn)?zāi)Ｊ椒纸馑鶐?lái)的模態(tài)混疊問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及基于腦電信號(hào)的改進(jìn)EEMD算法，屬于智能信息處理技術(shù)領(lǐng)域。

背景技術(shù)

經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)作為一種新型自適應(yīng)信號(hào)時(shí)頻處理方法，適用于分析處理非線性、非平穩(wěn)信號(hào)。EMD算法以信號(hào)本身的局部特征為基礎(chǔ)，通過(guò)反復(fù)篩選可以將復(fù)雜的原始信號(hào)分解成一系列有限的、數(shù)據(jù)量小的本征模態(tài)函數(shù)(Intrinsic Mode Functions,IMF)之和，然后對(duì)每個(gè)IMF進(jìn)行Hilbert變換求解其瞬時(shí)頻率，使得瞬時(shí)頻率具有實(shí)際的物理意義，進(jìn)而得到非線性、非平穩(wěn)信號(hào)的時(shí)頻分布。

EMD算法的主要缺陷是模態(tài)混疊問(wèn)題。針對(duì)該問(wèn)題，集合經(jīng)驗(yàn)?zāi)B(tài)分解算法(Ensemble EMD,EEMD)引入了噪聲輔助數(shù)據(jù)分析方法(Noise-Assisted Data Analysis,NA-DA)。當(dāng)原始信號(hào)加上均勻分布的白噪聲背景時(shí)，不同尺度的信號(hào)區(qū)域?qū)⒆詣?dòng)映射到與背景白噪聲相關(guān)的適當(dāng)尺度，從而有效地克服了模態(tài)混疊問(wèn)題。EEMD自提出以來(lái)，在機(jī)械故障診斷、語(yǔ)音信號(hào)處理、圖像處理、海洋學(xué)、地質(zhì)勘測(cè)等諸多領(lǐng)域得到了廣泛的應(yīng)用。

運(yùn)動(dòng)想象指只進(jìn)行肢體運(yùn)動(dòng)想象而沒(méi)有實(shí)際的肢體運(yùn)動(dòng)。運(yùn)動(dòng)感知節(jié)律由μ和β節(jié)律組成，他們是大腦活動(dòng)位于μ頻帶(7-13)和β頻帶(19-26Hz)的波動(dòng)。當(dāng)大腦的活動(dòng)和運(yùn)動(dòng)任務(wù)相關(guān)時(shí)，感覺(jué)運(yùn)動(dòng)節(jié)律會(huì)發(fā)生改變，更為重要的是，僅僅進(jìn)行運(yùn)動(dòng)想象也會(huì)反映在感覺(jué)運(yùn)動(dòng)節(jié)律的變化中。運(yùn)動(dòng)想象時(shí)，大腦感覺(jué)運(yùn)動(dòng)皮層會(huì)產(chǎn)生事件相關(guān)同步/去同步(ERS/ERD)現(xiàn)象，由此產(chǎn)生的腦電信號(hào)是一種非線性非平穩(wěn)的信號(hào)。

發(fā)明內(nèi)容

針對(duì)上述現(xiàn)有技術(shù)的不足，本發(fā)明提供基于腦電信號(hào)的改進(jìn)EEMD算法，對(duì)傳統(tǒng)的EEMD算法進(jìn)行了改進(jìn)。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于腦電信號(hào)的改進(jìn)EEMD算法，包括如下步驟：

步驟1：針對(duì)腦電信號(hào)x(t)的不同節(jié)律頻段分別設(shè)計(jì)出一個(gè)帶通濾波器；

步驟2：利用所述帶通濾波器對(duì)全帶高斯白噪聲進(jìn)行濾波處理，得到帶限高斯白噪聲序列w_i(t)(i＝1,2,…,N)；

步驟3：在所述腦電信號(hào)x(t)中分別加入所述帶限高斯白噪聲序列w_i(t)(i＝1,2,…,N)中的每一項(xiàng)，得到輸入信號(hào)x_i(t)＝x(t)+w_i(t)，(i＝1,2,…,N)，對(duì)x_i(t)進(jìn)行經(jīng)驗(yàn)?zāi)Ｊ椒纸猓琋個(gè)輸入信號(hào)x_i(t)分別得到n階固有模態(tài)函數(shù)和一個(gè)剩余函數(shù)r_i,n(t)；

步驟4：對(duì)得到的N個(gè)輸入信號(hào)的各階固有模態(tài)函數(shù)進(jìn)行集合平均，即得到腦電信號(hào)x(t)的第j階固有模態(tài)函數(shù)c_j(t)；

所述腦電信號(hào)x(t)可表示為：

其中，c_i,j(t)表示第i次對(duì)腦電信號(hào)加入帶限高斯白噪聲進(jìn)行經(jīng)驗(yàn)?zāi)Ｊ椒纸獾玫降牡趈階固有模態(tài)函數(shù)。

優(yōu)選的，所述腦電信號(hào)x(t)的不同節(jié)律頻段包括μ節(jié)律頻段和β節(jié)律頻段，頻率范圍分別為8-12Hz、18-26Hz。