[發(fā)明專利]一種腦力負(fù)荷自動(dòng)辨識方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010452922.1
• 申請日: 2020-05-26
• 公開（公告）號: CN111616680A
• 公開（公告）日: 2020-09-04
• 發(fā)明（設(shè)計(jì)）人: 龐麗萍;曲洪權(quán);完顏笑如;曹曉東;王錫玥
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/0476;G06K9/62
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 杜陽陽

1.一種腦力負(fù)荷自動(dòng)辨識方法，其特征在于，包括：

獲取腦電信號；

采用獨(dú)立成分分析法對所述腦電信號進(jìn)行分離，得到多個(gè)腦電獨(dú)立分量；

提取各所述腦電獨(dú)立分量的能量特征；

將所述能量特征輸入到SVM分類器中，得到所述腦電信號的腦力負(fù)荷分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種腦力負(fù)荷自動(dòng)辨識方法，其特征在于，所述采用獨(dú)立成分分析法對所述腦電信號進(jìn)行分離，得到多個(gè)腦電獨(dú)立分量，具體包括：

構(gòu)建計(jì)算模型

X(t)＝AS(t)；

其中，X(t)表示腦電信號，X(t)＝[x₁,x₂,...,x_m]^T，m表示電極點(diǎn)的個(gè)數(shù)，S(t)表示腦電獨(dú)立分量集合，S(t)＝[s₁,s₂,...,s_n]^T，n表示腦電獨(dú)立分量的個(gè)數(shù)，A表示混合矩陣，A＝{a_ij},i＝1,2,...,m；j＝1,2,...,n；

構(gòu)建對數(shù)似然函數(shù)

p_s(w_jX(t))表示第j個(gè)獨(dú)立分量的概率密度，W表示解混合矩陣，W＝[w₁,w₂,...,w_n]^T＝A^-1；

以所述對數(shù)似然函數(shù)最大為目標(biāo)，對所述解混合矩陣求解，得到解混合矩陣的最優(yōu)解；

由所述解混合矩陣的最優(yōu)解計(jì)算混合矩陣的最優(yōu)解；

將所述混合矩陣的最優(yōu)解代入到所述計(jì)算模型中，得到腦電信號分離模型；

采用所述腦電信號分離模型對所述腦電信號進(jìn)行分離，得到多個(gè)腦電獨(dú)立分量。

3.根據(jù)權(quán)利要求1所述的一種腦力負(fù)荷自動(dòng)辨識方法，其特征在于，所述提取各所述腦電獨(dú)立分量的能量特征，具體包括：

對所述腦電獨(dú)立分量進(jìn)行分段處理，得到多個(gè)腦電獨(dú)立分量片段；

對所述腦電獨(dú)立分量片段進(jìn)行傅里葉變換，得到腦電獨(dú)立分量頻域片段；

計(jì)算所述腦電獨(dú)立分量頻域片段的功率譜密度；

由所述功率譜密度計(jì)算各頻段的能量特征。

4.根據(jù)權(quán)利要求3所述的一種腦力負(fù)荷自動(dòng)辨識方法，其特征在于，所述由所述功率譜密度計(jì)算各頻段的能量特征，具體包括：

其中，E_α表示8Hz-13Hz頻段的能量特征，E_β表示14Hz-30Hz頻段的能量特征，E_θ表示4Hz-7Hz頻段的能量特征，E_δ表示0.5Hz-3Hz頻段的能量特征，p_freq表示對應(yīng)頻段的功率譜密度。

5.根據(jù)權(quán)利要求1所述的一種腦力負(fù)荷自動(dòng)辨識方法，其特征在于，在所述獲取腦電信號之后，還包括：

對所述腦電信號進(jìn)行濾波，得到濾波后的腦電信號。

6.一種腦力負(fù)荷自動(dòng)辨識系統(tǒng)，其特征在于，包括：

腦電信號獲取模塊，用于獲取腦電信號；

信號分離模塊，用于采用獨(dú)立成分分析法對所述腦電信號進(jìn)行分離，得到多個(gè)腦電獨(dú)立分量；

能量特征提取模塊，用于提取各所述腦電獨(dú)立分量的能量特征；

分類模塊，用于將所述能量特征輸入到SVM分類器中，得到所述腦電信號的腦力負(fù)荷分類結(jié)果。