[發明專利]基于變尺度符號補償傳遞熵的情緒誘導腦電信號分析方法

有效

• 申請號: 202011015337.1
• 申請日: 2020-09-24
• 公開（公告）號: CN112244880B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 高云園;王翔坤;高博;朱濤;張卷卷
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/38
• 分類號: A61B5/38;A61B5/378;A61B5/16;A61B5/372;A61B5/00;A61B5/374
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.基于變尺度符號補償傳遞熵的情緒誘導腦電信號分析方法，該方法具體包括以下步驟：

步驟一，利用不同類型的視聽覺刺激誘發不同的情緒，采集此時段參與者的多通道頭皮腦電信號；

步驟二，對采集到的不同情緒誘發的腦電信號進行預處理；

步驟三，對預處理后的信號Q＝{q₁，q₂...，q_n}，q_n表示原序列的第n個采樣點，進行尺度化具體為：其中s為尺度因子,a為尺度化后元素的位置坐標；

步驟四，將尺度化后的時間序列符號化，可以有效地發現隱藏的或有偏差的動態信息，從而展現出完整的符號動態特征；尺度序列的符號化的定義如下：

其中，N為符號集的大小，N越大與原始序列越接近，其中表示尺度化后尺度因子為s時的第個采樣點；但是符號集太大就失去了符號化處理的意義；X_i為設定的一個門閾值，本方法使用等概率法，即不同符號出現的概率大致相等，這樣有利于保留序列的有效信息；

步驟五，對尺度符號化后的時間序列進行重構，公式如下：

其中，m是嵌入維數，τ是延遲時間；根據排列熵的排列方式對的每個分段中的元素進行重組，并按升序排列，如公式(4)所示；

元素原始位置的序列π_j＝{j₁，j₂，...，j_m}，對于嵌入維數m，一共有m！種排列方式；

步驟六，使用補償傳遞熵計算尺度符號化后的時間序列的因果關系，考慮由一組相互作用的動力學過程M構成的復合系統，在該復合系統中，需要得到從源系統X流向目標系統Y的信息；將M中的其余系統歸入向量Z＝{Z^(k)}_{k＝1,2,...,M-2}，用x、y和z描述系統X＝{x₁，x₂，…，x_n}、Y＝{y₁，y₂，…，y_n}和Z＝{z₁，z₂，…，z_n}隨時間變化的狀態的平穩隨機過程，在給定Z的條件下，源系統X到目標系統Y的傳遞熵示如下：

根據信息熵的定義，得出傳遞熵與信息熵H(·)的等價關系：

TE_X→Y|Z＝H(y_n|y_1:n-1,z_1:n-1)-H(y_n|x_1:n-1,y_1:n-1,z_1:n-1) (6)

其中1:n表示全部序列，1:n-1就是全部序列，除了最后一個點；p(·)表示系統的概率分布函數；

當瞬時效應被認為具有因果意義，源進程的零滯后項x_n則合并在第二個條件熵中用于傳遞熵計算，即：

CTE'_X→Y|Z＝H(y_n|y_1:n-1,z_1:n)-H(y_n|x_1:n,y_1:n-1,z_1:n) (7)

在這種情況下，零滯后項與被過去時間序列吸收，即x_n與x_1：n-1的作用相同；因此，在使用傳遞熵計算瞬時因果關系時，源系統的當前狀態被認為是因果相關的；

當瞬時效應被認為不具有因果意義，零滯后項同時包含在用于傳遞熵計算的第一個和第二個條件熵中，即：

CTE”_X→Y|Z＝H(y_n|x_n,y_1:n-1,z_1:n)-H(y_n|x_1:n,y_1:n-1,z_1:n) (8)

此時零滯后項被認為是一個條件因子，即x_n與y_1：n-1，z_1：n的作用相同，從而補償源系統的當前狀態，以消除傳遞熵計算中的瞬時因果關系；

步驟七，通過計算多個尺度時補償傳遞熵，得到選擇合適的最優尺度，計算多個腦電通道的變尺度符號化補償傳遞熵，構建這些腦電信號通道間因果關系矩陣；

步驟八，對步驟七中腦電信號因果關系矩陣進行自適應閾值選擇，得到的鄰接矩陣，并以此構建因效性腦網絡模型，分析不同情緒時腦區和通道之間的變化。

2.根據權利要求1所述的基于變尺度符號補償傳遞熵情緒誘導腦電信號分析方法，其特征在于：所述的對采集到的不同情緒誘發的腦電信號進行預處理；具體為：

使用Matlab的EEGLAB工具包去除基線漂移、眼電偽跡和50Hz工頻信號，并且使用帶通濾波器保留4-45Hz的腦電信號，將采集的腦電信號從512Hz降采樣到128Hz并保存；

使用小波包變換將每個樣本分解成4個頻段的數據，分別是θ頻段，α頻段，β頻段，γ頻段，使用‘db5’小波基對4個頻段的數據進行6層分解，再找出4個頻段分別對應的小波包樹節點，將各個頻段的小波包系數進行重構后，得到4個頻段的腦電信號數據。