基于时域及相空间的脑电放松度识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于时域及相空间的脑电放松度识别方法，包括：对原始脑电信号进行切片，生成待处理脑电序列信号；从待处理脑电序列信号中提取信号波；计算信号波的能量参数，基于能量参数的最大值及脑电波的等电位线能量参数变化率比率，获取待处理脑电序列信号在时域空间的特征量；根据信号波及待处理脑电序列信号，形成包含有信号的二维图表，并统计二维图表上的信号覆盖密度，获得待处理脑电序列信号在相空间的特征量；根据在时域空间的特征量及在相空间的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基于时域及相空间的脑电放松度识别装置，可全面提取各个脑电波的不同角度的特征，从而实现准确的脑电放松度识别。

【技术实现步骤摘要】
基于时域及相空间的脑电放松度识别方法及装置
本专利技术涉及放松治疗领域，尤其涉及一种基于时域及相空间的脑电放松度识别方法及装置。
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)，再提取各个脑电波的特征，将这些特征输入到分类器进行分类识别。现有的特征提取方法一般只能从单一角度提取脑电波的特征，评价方式单一，不能保证分类结果的准确性。而且现有的特征提取算法的计算和处理过程复杂，一方面，增加了对硬件的要求，另一方面，由于计本文档来自技高网...

【技术保护点】
一种基于时域及相空间的脑电放松度识别方法，其特征在于，包括如下步骤：对接收的原始脑电信号进行切片，生成具有指定时间长度的待处理脑电序列信号；从所述待处理脑电序列信号中提取出对应于各个脑电波的信号波；计算对应于各个脑电波的信号波的能量参数，并基于各个信号波的能量参数的最大值及预设的每个脑电波的等电位线能量参数变化率比率，获取所述待处理脑电序列信号在时域空间的特征量；根据所述各个脑电波的信号波及所述待处理脑电序列信号，形成对应的包含有信号的二维图表，并通过统计各个二维图表上的信号覆盖密度，获得所述待处理脑电序列信号在相空间的特征量；根据所述待处理脑电序列信号在时域空间的特征量及在相空间的特征量进行...

【技术特征摘要】
1.一种基于时域及相空间的脑电放松度识别方法，其特征在于，包括如下步骤：对接收的原始脑电信号进行切片，生成具有指定时间长度的待处理脑电序列信号；从所述待处理脑电序列信号中提取出对应于各个脑电波的信号波；计算对应于各个脑电波的信号波的能量参数，并基于各个信号波的能量参数的最大值及预设的每个脑电波的等电位线能量参数变化率比率，获取所述待处理脑电序列信号在时域空间的特征量；根据所述各个脑电波的信号波及所述待处理脑电序列信号，形成对应的包含有信号的二维图表，并通过统计各个二维图表上的信号覆盖密度，获得所述待处理脑电序列信号在相空间的特征量；根据所述待处理脑电序列信号在时域空间的特征量及在相空间的特征量进行分类识别，得到脑电放松度。2.根据权利要求1所述的基于时域及相空间的脑电放松度识别方法，其特征在于，所述计算对应于各个脑电波的信号波的能量参数，并基于各个信号波的能量参数的最大值及预设的每个脑电波的等电位线能量参数变化率比率，获取所述待处理脑电序列信号在时域空间的特征量具体包括：计算各个信号波的能量参数，并基于各个信号波的能量参数的最大值及预设的每个脑电波的等电位线能量参数变化率比率，计算得到每个信号波的等电位线能量参数变化率基线；其中，所述能量参数至少包括以下其中之一：能量、能量密度；基于最小二乘法计算每个信号波在各个时刻的能量参数变化率；统计所述每个信号波的能量参数变化率小于所述等电位线能量参数变化率基线的个数；根据统计得到的对应于每个信号波的个数与对应的信号波的总采样点数的比值，获取所述待处理脑电序列信号在时域空间的特征量。3.根据权利要求1所述的基于时域及相空间的脑电放松度识别方法，其特征在于，所述根据所述各个脑电波的信号波及待处理脑电序列信号，形成对应的包含有信号的二维图表，并通过统计各个二维图表上的信号覆盖密度，获得所述待处理脑电序列信号在相空间的特征量具体包括：根据所述各个脑电波的信号波及所述待处理脑电序列信号形成对应的包含有信号的二维图表；在各个二维图表上覆盖与所述二维图表等大小的m*m的网格对应，并统计覆盖有信号的网格数；其中，m为大于1的整数；根据覆盖有信号的网格数与所述网格的全部网格数的比值，生成各个信号波及待处理脑电序列信号的相空间分布密度，获得待处理脑电序列信号在相空间的特征量。4.根据权利要求1所述的基于时域及相空间的脑电放松度识别方法，其特征在于，在所述根据所述待处理脑电序列信号在时域空间的特征量及在相空间的特征量进行分类识别，得到脑电放松度之前，还包括：基于方差分析和F检验计算每个特征量的显著性指标，并选取显著性指标大于预设阈值的特征量。5.根据权利要求4所述的基于时域及相空间的脑电放松度识别方法，其特征在于，所述基于方差分析和F检验计算每个特征量的显著性指标，并选取显著性指标大于预设阈值的特征量具体包括：根据所述特征量、由标准设备同步采集得到的脑电放松度及预先拟合的与每个特征量对应的线性拟合曲线进行方差分析，计算得到每个特征量的拟合值与期望的平方和及原值与拟合值的平方和；根据拟合值与期望的平方和、原值与拟合值的平方和及自由度，计算得到每个特征量的显著性指标；根据每个特征量的显著性指标，选取出显著性指标大于预设阈值的特征量。6.根据权利要求1所述的基于时域及相空间的脑电放松度识别方法，其特征在于，在所述根据所述待处理脑电序列信号在时域空间的特征量及在相空间的特征量进行分类识别，得到脑电放松度之前还包括：基于主成分分析法对所述待处理脑电序列信号在时域空间的特征量及在相空间的特征量进行降维处理，获得降维后的...

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