一种脑电特征提取方法技术

本发明专利技术公开了一种脑电特征提取方法，包括以下步骤：去除背景脑电数据和待处理脑电数据中的伪迹，分别获得背景脑电数据和待处理脑电数据的有效频段，分别将背景脑电数据和待处理脑电数据的有效频段分为若干数据段；对每个数据段分别提取时频特征和形态特征，得到每个数据段相应的时频特征值和形态特征值；利用背景脑电数据每个数据段的时频特征值和形态特征值，计算得到特征值的频率分布函数；利用背景脑电数据的频率分布函数，得到待处理脑电数据每个数据段的时频特征值出现的概率和形态特征值出现的概率；利用特征值的概率计算得到IMF-VoE特征值。利用IMF-VoE特征值可以快速有效识别脑电信号的变化特征，监测大脑状态。

【技术实现步骤摘要】

本专利技术涉及脑电数据分析领域，具体涉及ー种脑电特征提取方法。
技术介绍
脑电数据信号是携带有人脑特征或状态的信息载体，人脑是ー个开放的、时变的和非线性的系统，其产生的信号也是时变的，非线性的，同时脑电数据信号在測量后会产生随机误差，并且脑电信号还会受到个体差异的硬性，因此，对于脑电数据信号的分析成为难题。申请号为200910196746. 3的专利技术公开了ー种脑电波分析方法，应用了经典的时频域分析和主成份分析方法解决了脑电信号特征提取的难题，成功地提取了与人体紧张， 疲劳与放松息息相关的时频域參数，并且将其映射到主成分空间中去，还运用了支持向量机在主成份空间中高效地分析非线性关系，提高了判读的精确性和有效性。但是，该专利技术计算方法复杂，能够处理的频率范围有限，不能满足更宽频段的需求。申请号为200710163302. 0的专利技术公开了ー种脑电超慢波分析方法及其数据处理装置，它通过对0. 5-50HZ范围内的脑电波进行系列分析，提取出其中超慢波，并分析超慢谱系功率，用以反映所对应的脑神经递质的功能状况，为建立一种无创伤脑神经递质功能检测方法提供了条件。但是，该专利技术对于脑电数据特征具有针对性，当特征值不一致时效果较差。通过对脑电数据信号的监测和分析，可以得到大脑的状态，如深度睡眠，大脑疲劳，大脑警觉等状态，同时，也为人类与计算机的交互控制提供了新的手段。对脑电数据信号进行特征提取，得到可识别的，可靠程度高的特征值是脑电数据分析的基础环节，具有重要意义。
技术实现思路
本专利技术提供了ー种脑电特征提取方法，该方法通过提取脑电数据得到时频特征和形态特征，并将时频特征和形态特征相结合，进而反应大脑状态，计算复杂程度低，实时性好。，包括以下步骤(I)去除背景脑电数据和待处理脑电数据中的伪迹，分别获得背景脑电数据的有效频段和待处理脑电数据的有效频段，再分别将背景脑电数据的有效频段和待处理脑电数据的有效频段分为若干数据段；(2)对所得的每个数据段分别提取时频特征和形态特征，得到每个数据段相应的时频特征值和形态特征值；(3)利用背景脑电数据每个数据段的时频特征值和形态特征值，计算得到时频特征值的频率分布函数和形态特征值的频率分布函数；(4)利用背景脑电数据的时频特征值的频率分布函数和形态特征值的频率分布函数，得到待处理脑电数据每个数据段的时频特征值出现的概率和形态特征值出现的概率；(5)利用下式计算得到頂F-VoE特征值，权利要求1.ー种脑电特征提取方法，包括获取背景脑电数据和待处理脑电数据，其特征在干，还包括以下步骤 (1)去除背景脑电数据和待处理脑电数据中的伪迹，分别获得背景脑电数据的有效频段和待处理脑电数据的有效频段，再分别将背景脑电数据的有效频段和待处理脑电数据的有效频段分为若干数据段； (2)对所得的每个数据段分别提取时频特征和形态特征，得到每个数据段相应的时频特征值和形态特征值； (3)利用背景脑电数据每个数据段的时频特征值和形态特征值，计算得到时频特征值的频率分布函数和形态特征值的频率分布函数； (4)利用背景脑电数据的时频特征值的频率分布函数和形态特征值的频率分布函数，得到待处理脑电数据每个数据段的时频特征值出现的概率和形态特征值出现的概率； (5)利用下式计算得到IMF-VoE特征值，2.如权利要求I所述脑电特征提取方法，其特征在于，所述步骤(I)采用带通滤波去除伪迹，去除伪迹后获得的有效频段频率为I. 6 70Hz。3.如权利要求2所述脑电特征提取方法，其特征在于，所述步骤(I)采用滑动时间窗的方法将有效频段分为若干数据段，滑动时间窗的长度为ls，滑动步长为0. 2s。4.如权利要求3所述脑电特征提取方法，其特征在于，所述步骤(2)中对每个数据段采用经验模态分解法提取时频特征，取前三个固有模态函数，利用下式计算得到每个数据段的时频特征值VoIMF 5.如权利要求4所述脑电特征提取方法，其特征在于，所述步骤(2)中的对每个数据段提取形态特征的步骤如下 a、对每个数据段进行均值滤波，得到平滑后的数据； b、求取平滑后的数据段的极大值，连接极大值得到上包络线Euppot;求取平滑后的数据段的极小值，得到下包络线E1otot ;利用下式求取上包络线和下包络线的之间的包络范围 Envelope_Range (t) = Eupper (t) -Elower (t)其中，t为数据段序数； Envelope_Range(t)为第t个数据段的包络范围； 利用下式计算每个数据段的形态特征值VoE，6.如权利要求5所述脑电特征提取方法，其特征在于，所述步骤(3)中采用频率分布直方图归ー化的方法得到时频特征值的频率分布函数和形态特征值的频率分布函数。全文摘要本专利技术公开了，包括以下步骤去除背景脑电数据和待处理脑电数据中的伪迹，分别获得背景脑电数据和待处理脑电数据的有效频段，分别将背景脑电数据和待处理脑电数据的有效频段分为若干数据段；对每个数据段分别提取时频特征和形态特征，得到每个数据段相应的时频特征值和形态特征值；利用背景脑电数据每个数据段的时频特征值和形态特征值，计算得到特征值的频率分布函数；利用背景脑电数据的频率分布函数，得到待处理脑电数据每个数据段的时频特征值出现的概率和形态特征值出现的概率；利用特征值的概率计算得到IMF-VoE特征值。利用IMF-VoE特征值可以快速有效识别脑电信号的变化特征，监测大脑状态。文档编号A61B5/0476GK102824172SQ201210308790公开日2012年12月19日 申请日期2012年8月28日 优先权日2012年8月28日专利技术者王跃明, 祁玉, 郑筱祥 申请人:浙江大学本文档来自技高网...

【技术保护点】
一种脑电特征提取方法，包括获取背景脑电数据和待处理脑电数据，其特征在于，还包括以下步骤：(1)去除背景脑电数据和待处理脑电数据中的伪迹，分别获得背景脑电数据的有效频段和待处理脑电数据的有效频段，再分别将背景脑电数据的有效频段和待处理脑电数据的有效频段分为若干数据段；(2)对所得的每个数据段分别提取时频特征和形态特征，得到每个数据段相应的时频特征值和形态特征值；(3)利用背景脑电数据每个数据段的时频特征值和形态特征值，计算得到时频特征值的频率分布函数和形态特征值的频率分布函数；(4)利用背景脑电数据的时频特征值的频率分布函数和形态特征值的频率分布函数，得到待处理脑电数据每个数据段的时频特征值出现的概率和形态特征值出现的概率；(5)利用下式计算得到IMF？VoE特征值，IMF-VoE(t)=log2Πc=1nPc;其中，t为数据段的序数；n为特征值的数量；Pc为步骤(4)中待处理脑电数据每个数据段的时频特征值出现的概率或形态特征值出现的概率；c为特征值的序数。

【技术特征摘要】

【专利技术属性】
技术研发人员：王跃明，祁玉，郑筱祥，
申请(专利权)人：浙江大学，
类型：发明
国别省市：