一种识别脑电放松度的方法及系统技术方案

本发明专利技术公开了一种识别脑电放松度的方法，包括：对待处理脑电序列信号进行卡尔曼滤波，得到各个脑电波的第一信号；基于自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第二信号；基于第一信号的卡尔曼残差，得到与第一信号对应的第一权重因子；基于第二信号的质量指数，得到与第二信号对应的第二权重因子；根据第一信号、第一权重因子、第二信号及第二权重因子，计算得到第三信号；对各个脑电波的第三信号进行特征提取，并根据特征量进行分类识别，得到脑电放松度。本发明专利技术还提供了一种识别脑电放松度的系统，可准确提取脑电波，从而实现准确的脑电放松度识别。

A method and a system for identification of brain electricity pine

The invention discloses a method, a recognition degree including: brain release pine treated Calman filter processing of EEG signal, the first signal is obtained in various brain waves; autoregressive model for processing EEG signal receiving the signal extraction based on second signals corresponding to each of the first Calman residual brain waves; based on the signal, the first signal corresponding to the first weighting factor and quality index; second signals based on the second weighting factor corresponding to the second signal; according to the first signal, the first weighting factor, second signal and two weighting factors calculated by the third signal; the third signal for each EEG feature extraction, and according to the classification features, looseness of the brain electricity. The invention also provides a system for identification of brain electricity loose, can accurately extract the brain waves, so as to realize the accurate identification of brain electricity pine.

【技术实现步骤摘要】
一种识别脑电放松度的方法及系统
本专利技术涉及放松治疗领域，尤其涉及一种识别脑电放松度的方法及系统。
技术介绍
放松训练是行为疗法中使用最广的技术之一，是在心理学实验的基础上建立和发展起来的咨询和治疗方法，其在治疗焦虑抑郁症、神经性头痛、失眠、高血压病，减轻更年期综合征和转变不良行为模式等方面取得了较好的疗效。现有的放松训练主要有录音指导、口头指导和生物反馈指导。其中，录音指导方法僵化、没有变化，无法根据受训者的状态变化内容；口头指导则要求对口头指导的对象要求很高，且受到时间、场地限制；生物反馈指导以脑电反馈为主，能够结合前两种方式的优点，因而受到广泛关注。进行生物反馈指导需要识别用户的放松度，而计算放松度首先需要从用户的脑电信号中提取各个频段的脑电波(包括Delta、Theta、Alpha、Beta、Gamma波)，脑电波能否准确提取关系到最终脑电放松度识别的精确度。虽然每个脑电波都有自己的特征频率，但由于各个脑电波的特征频率比较接近，因此如何准确的分离提取各个频段脑电波就显得至关重要。现有方式一般直接采用单一的滤波方式进行脑电波的提取，但是这种提取方法提取效果不稳定，容易受到外界因素干扰以及滤波器本身的性能或波动性的影响，进而影响到最终的脑电放松度的识别精度。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种识别脑电放松度的方法及系统，可准确的分离提取出脑电信号中的各个脑电波。本专利技术提供了一种识别脑电放松度的方法，包括如下步骤：对接收的待处理脑电序列信号进行卡尔曼滤波，提取得到对应于各个脑电波的第一信号；基于构建好的自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第二信号；基于在卡尔曼滤波过程中生成的各个脑电波的第一信号的卡尔曼残差，计算得到与各个脑电波的第一信号对应的第一权重因子；基于各个脑电波的第二信号的质量指数，计算得到与各个脑电波的第二信号对应的第二权重因子；根据所述各个脑电波的第一信号、第一权重因子、第二信号及第二权重因子，计算得到对应于各个脑电波的第三信号；根据所述各个脑电波的第三信号进行特征提取，并根据提取得到的特征量进行分类识别，得到脑电放松度。优选地，在根据各个脑电波的频率范围，对接收的待处理脑电序列信号进行卡尔曼滤波，提取得到对应于各个脑电波的第一信号之前，还包括：以待处理脑电序列信号为原始信号，以与所述待处理脑电序列信号同步采集得到的伪迹序列信号为参考信号，采用经函数链神经网络优化的自适应滤波器对所述原始脑电序列信号进行滤波，得到去除伪迹序列信号后的待处理脑电序列信号。优选地，所述基于构建好的自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第一信号具体包括：基于待处理脑电序列信号构建得到自回归模型；估计与各个脑电波对应的自回归模型中的加权参数，计算与各个脑电波对应的系数矩阵，得到对应的各个脑电波的特征；根据各个脑电波的特征，采用自相关分离算法，对待处理脑电序列信号进行抽取，提取得到对应的脑电波的第一信号。优选地，所述自回归模型经滑动平均法优化。优选地，所述根据所述各个脑电波的第一信号、第一权重因子、第二信号及第二权重因子，计算得到对应于各个脑电波的第三信号具体包括：当判断一个脑电波的第一权重因子大于预设的基准值且该脑电波的第二权重因子小于所述基准值时，将该脑电波的第三信号设置为该脑电波的第一信号；当判断所述脑电波的第二权重因子小于预设的基准值且所述脑电波的第二权重因子大于所述基准值时，将该脑电波的第三信号设置为该脑电波的第二信号；当判断所述脑电波的第一权重因子及所述第二权重因子均大于预设的基准值时，根据所述第一权重因子及所述第二权重因子对所述第一信号和第二信号进行加权求和，计算得到对应于各个脑电波的第三信号。优选地，所述基于所述各个脑电波进行特征提取，并根据提取得到的特征量进行分类识别，得到当前的脑电放松度，具体包括：根据对应于各个脑电波的第三信号，计算得到所述待处理脑电序列信号的特征量；利用预先训练好的分类器对所述特征量进行分类，根据分类结果得到当前的脑电放松度。优选地，所述根据对应于各个脑电波的第三信号，计算得到所述待处理脑电序列信号的特征量，具体为：基于对应于各个脑电波的第三信号，计算得到各个脑电波的能量函数；根据各个脑电波的频率范围及能量函数，计算各个脑电波的中心频率，得到所述待处理脑电序列信号的特征量。优选地，所述利用预先训练好的分类器对所述特征量进行分类，根据分类结果得到当前的脑电放松度具体包括：利用至少两个训练好的支持向量机对所述特征量进行分类，得到所述特征量在各个支持向量机下的分类；其中，不同的支持向量机的误差惩罚参数和核函数的宽度参数由不同的参数寻优算法进行优化得到；将出现次数最多的分类设置为所述特征量的分类；根据所述分类与脑电放松度的对应关系，识别得到当前的脑电放松度。本专利技术还提供一种识别脑电放松度的系统，包括：卡尔曼滤波单元，用于对接收的待处理脑电序列信号进行卡尔曼滤波，提取得到对应于各个脑电波的第一信号；自回归提取单元，用于根据各个脑电波的频率范围，对接收的待处理脑电序列信号进行小波变换，重构得到对应于各个脑电波的第二信号；第一权重因子计算单元，用于基于在卡尔曼滤波过程中生成的各个脑电波的第一信号的卡尔曼残差，计算得到与各个脑电波的第一信号对应的第一权重因子；第二权重因子计算单元，用于基于各个脑电波的第二信号的质量指数，计算得到与各个脑电波的第二信号对应的第二权重因子；加权单元，用于根据所述各个脑电波的第一信号、第一权重因子、第二信号及第二权重因子，计算得到对应于各个脑电波的第三信号；脑电放松度识别单元，用于对所述各个脑电波的第三信号进行特征提取，并根据提取得到的特征量进行分类识别，得到脑电放松度。本专利技术提供的识别脑电放松度的方法及系统，通过利用卡尔曼滤波技术与自回归技术相结合的方式处理脑电信号，得到各个脑电波的第一信号及第二信号，并根据与所述第一信号对应的第一权重因子和与所述第二信号对应的第二权重因子得到最终用于特征提取的第三信号，如此，可避免由于单一方式提取时出现偏差过大而导致的提取分离的脑电波不够准确，进而影响了最终脑电放松度识别的精确性的问题。即通过专利技术实施例提取的各个脑电波，其信号稳定性更高，从而保证了脑电放松度的准确识别，为准确的生物反馈指导提供了数据基础和依据。附图说明为了更清楚地说明本专利技术的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的识别脑电放松度的方法的流程示意图。图2是本专利技术实施例提供的Shannon小波熵与中心频率-带宽比的关系图。图3是通过切片得到待处理脑电序列信号的示意图。图4是本专利技术实施例提供的对对原始脑电序列信号进行加权移动平均计算的原理图。图5是自适应滤波器的工作原理图。图6是SVM的最优超平面分类的示意图。图7是SVM高维映射的示意图。图8是本专利技术实施例提供的识别脑电放松度的系统的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述本文档来自技高网...

【技术保护点】
一种识别脑电放松度的方法，其特征在于，包括如下步骤：对接收的待处理脑电序列信号进行卡尔曼滤波，提取得到对应于各个脑电波的第一信号；基于构建好的自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第二信号；基于在卡尔曼滤波过程中生成的各个脑电波的第一信号的卡尔曼残差，计算得到与各个脑电波的第一信号对应的第一权重因子；基于各个脑电波的第二信号的质量指数，计算得到与各个脑电波的第二信号对应的第二权重因子；根据所述各个脑电波的第一信号、第一权重因子、第二信号及第二权重因子，计算得到对应于各个脑电波的第三信号；根据所述各个脑电波的第三信号进行特征提取，并根据提取得到的特征量进行分类识别，得到放松度。

【技术特征摘要】
1.一种识别脑电放松度的方法，其特征在于，包括如下步骤：对接收的待处理脑电序列信号进行卡尔曼滤波，提取得到对应于各个脑电波的第一信号；基于构建好的自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第二信号；基于在卡尔曼滤波过程中生成的各个脑电波的第一信号的卡尔曼残差，计算得到与各个脑电波的第一信号对应的第一权重因子；基于各个脑电波的第二信号的质量指数，计算得到与各个脑电波的第二信号对应的第二权重因子；根据所述各个脑电波的第一信号、第一权重因子、第二信号及第二权重因子，计算得到对应于各个脑电波的第三信号；根据所述各个脑电波的第三信号进行特征提取，并根据提取得到的特征量进行分类识别，得到放松度。2.根据权利要求1所述的识别脑电放松度的方法，其特征在于，在根据各个脑电波的频率范围，对接收的待处理脑电序列信号进行卡尔曼滤波，提取得到对应于各个脑电波的第一信号之前，还包括：以待处理脑电序列信号为原始信号，以与所述待处理脑电序列信号同步采集得到的伪迹序列信号为参考信号，采用经函数链神经网络优化的自适应滤波器对所述原始脑电序列信号进行滤波，得到去除伪迹序列信号后的待处理脑电序列信号。3.根据权利要求1所述的识别脑电放松度的方法，其特征在于，所述基于构建好的自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第一信号具体包括：基于待处理脑电序列信号构建得到自回归模型；估计与各个脑电波对应的自回归模型中的加权参数，计算与各个脑电波对应的系数矩阵，得到对应的各个脑电波的特征；根据各个脑电波的特征，采用自相关分离算法，对待处理脑电序列信号进行抽取，提取得到对应的脑电波的第一信号。4.根据权利要求3所述的识别脑电放松度的方法，其特征在于，所述自回归模型经滑动平均法优化。5.根据权利要求1所述的识别脑电放松度的方法，其特征在于，所述根据所述各个脑电波的第一信号、第一权重因子、第二信号及第二权重因子，计算得到对应于各个脑电波的第三信号具体包括：当判断一个脑电波的第一权重因子大于预设的基准值且该脑电波的第二权重因子小于所述基准值时，将该脑电波的第三信号设置为该脑电波的第一信号；当判断所述脑电波的第二权重因子小于预设的基准值且所述脑电波的第二权重因子大于所述基准值时，将该脑电波的第三信号设置为该脑电波的第二信号；当判断所述脑...

【专利技术属性】
技术研发人员：胡静，赵巍，韩志，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：广东,44