一种复杂环境下的脑机信号快速响应方法技术

本发明专利技术涉及脑机信号响应的技术领域，公开了一种复杂环境下的脑机信号快速响应方法，所述方法包括：利用线性滤波器对复杂环境下的脑机信号进行滤波处理；对滤波处理后的脑机信号进行多尺度分解处理；利用结合多尺度分解结果概率密度以及小波熵的方法提取有效脑机信号的多尺度分解结果；将有效脑机信号的多尺度分解结果重构为有效脑机信号

【技术实现步骤摘要】
一种复杂环境下的脑机信号快速响应方法


[0001]本专利技术涉及脑机信号响应的
，尤其涉及一种复杂环境下的脑机信号快速响应方法
。

技术介绍

[0002]脑机信号常用于采集人体脑电信号驱动体外神经设备进行活动，然而，在奈奎斯特
‑
香农定理指导下的采样过程逐渐成为脑机信号快速响应的限制因素
。
依据奈奎斯特采样定理，采样频率需高于模拟信号最高频率两倍，长时间采样带来的高采样率和大数据量给监护设备的续航
、
数据存储
、
传输和处理带来极大的挑战
。
尤其是复杂环境下，采样数据量激增，加剧了脑机信号数据处理负载
。
针对该问题，本专利技术提出一种复杂环境下的脑机信号快速响应方法，实现脑机信号快速响应
。

技术实现思路

[0003]有鉴于此，本专利技术提供一种复杂环境下的脑机信号快速响应方法，目的在于：
1)
通过基于滤波处理前后信号的结构变化情况确定线性滤波器的权重系数，进而在保证信号稳定性的基础上对信号噪音进行过滤，基于不同分解尺度，对滤波处理后的脑机信号进行多尺度分解，实现复杂环境下有效脑机信号
、
生理动作信号以及其他信号的尺度分解，并对尺度分解结果进行快速傅里叶变换处理，得到不同尺度分解结果的功率谱；
2)
对不同尺度的分解结果进行基于功率谱的概率密度以及小波熵计算，根据计算结果判断分解结果是否捕捉到微弱信号，将捕捉到微弱信号的分解结果构成集合，并对每个分解结果的快速傅里叶变换处理向量进行样本熵计算，选取样本熵之和最高的快速傅里叶变换处理向量作为足够表征该分解结果的向量，且所选取向量经多次变换处理，对应的功率较小，能够表示较为微弱的有效脑机信号，并据此进行信号重构，重构得到有效脑机信号进行响应
。
[0004]实现上述目的，本专利技术提供的一种复杂环境下的脑机信号快速响应方法，包括以下步骤：
[0005]S1
：获取复杂环境下的脑机信号，利用线性滤波器对所获取脑机信号进行滤波处理；
[0006]S2
：对滤波处理后的脑机信号进行多尺度分解处理；
[0007]S3
：利用结合多尺度分解结果概率密度以及小波熵的方法从多尺度分解结果中提取有效脑机信号的多尺度分解结果；
[0008]S4
：将有效脑机信号的多尺度分解结果重构为有效脑机信号，并进行响应处理
。
[0009]作为本专利技术的进一步改进方法：
[0010]可选地，所述
S1
步骤中获取复杂环境下的脑机信号，包括：
[0011]获取复杂环境下的脑机信号，其中复杂环境表示脑机信号采样设备的高频率采样环境以及在受测者的脑机信号采集过程中会对受测者进行干扰的环境，所采集脑机信号包括受测者的脑电信号
、
受测者受到干扰后产生的生理动作信号以及脑机信号采样设备内部
产生的设备噪音信号，将受测者的脑电信号作为有效脑机信号，所述复杂环境下脑机信号的获取流程为：
[0012]将脑机信号采样设备的电极片放置于受测者的头部区域，得到复杂环境下所采集的脑机信号，所述复杂环境下所采集脑机信号的表示为：
[0013]X(t)
＝
(X(t1)
，
X(t2)
，
...
，
X(t
n
)
，
...
，
X(t
N
))
[0014]其中：
[0015]X(t)
表示复杂环境下所采集的脑机信号，
t
表示时序信息，
t∈[t1，
t
N
]，
t1表示脑机信号
X(t)
采集的初始时刻，
t
N
表示脑机信号
X(t)
采集的截止时刻；
[0016]X(t
n
)
表示脑机信号
X(t)
在信号采集时刻
t
n
的信号值
。
[0017]可选地，所述
S1
步骤中利用线性滤波器对所获取脑机信号进行滤波处理，包括：
[0018]利用线性滤波器对所获取脑机信号进行滤波处理，其中基于线性滤波器的脑机信号滤波处理流程为：
[0019]S11
：初始化线性滤波器的权重系数
ω0：
[0020]ω0＝
(
ω0(1)
，
ω0(2)
，
...
，
ω0(n)
，
...
，
ω0(N))
[0021]其中：
[0022]ω0(n)
表示权重系数
ω0的第
n
个权重值，线性滤波器的权重系数长度为
N
；
[0023]S12
：设置线性滤波器的权重系数当前迭代次数为
v
，则权重系数的第
v
次迭代结果为
ω
v
，
v
的初始值为0；
[0024]S13
：若小于预设的阈值，则将
ω
v
作为线性滤波器的最终权重系数，并计算得到脑机信号
X(t)
的滤波处理结果：
Y(t)
＝
(X(t1)
ω
v
(1)
，
X(t2)
ω
v
(2)
，
...
，
X(t
N
)
ω
v
(N))
，否则转向步骤
S14
，其中
||
·
||2表示
L2
范数，
Y(t)
表示脑机信号
X(t)
的滤波处理结果；
[0025]S14
：对线性滤波器的权重系数进行迭代更新，其中迭代更新公式为：
[0026][0027]其中：
[0028]||
·
||
表示
L1
范数；
[0029]σ
X
(t)
表示脑机信号
X(t)
的标准差；
[0030]σ
v
表示信号
(X(t1)
ω
v
(1)
，
X(t2)
ω
v
(2)
，
...
，
X(t
N
)
ω
u
(N))
的标准差；
[0031]令
v
＝
v+1
，返回步骤...

【技术保护点】

【技术特征摘要】
1.
一种复杂环境下的脑机信号快速响应方法，其特征在于，所述方法包括：
S1
：获取复杂环境下的脑机信号，利用线性滤波器对所获取脑机信号进行滤波处理；
S2
：对滤波处理后的脑机信号进行多尺度分解处理；
S3
：利用结合多尺度分解结果概率密度以及小波熵的方法从多尺度分解结果中提取有效脑机信号的多尺度分解结果；
S4
：将有效脑机信号的多尺度分解结果重构为有效脑机信号，并进行响应处理
。2.
如权利要求1所述的一种复杂环境下的脑机信号快速响应方法，其特征在于，所述
S1
步骤中获取复杂环境下的脑机信号，包括：获取复杂环境下的脑机信号，其中复杂环境表示脑机信号采样设备的高频率采样环境以及在受测者的脑机信号采集过程中会对受测者进行干扰的环境，所采集脑机信号包括受测者的脑电信号
、
受测者受到干扰后产生的生理动作信号以及脑机信号采样设备内部产生的设备噪音信号，将受测者的脑电信号作为有效脑机信号，所述复杂环境下脑机信号的获取流程为：将脑机信号采样设备的电极片放置于受测者的头部区域，得到复杂环境下所采集的脑机信号，所述复杂环境下所采集脑机信号的表示为：
X(t)
＝
(X(t1),X(t2),...,X(t
n
),...,X(t
N
))
其中：
X(t)
表示复杂环境下所采集的脑机信号，
t
表示时序信息，
t∈[t1,t
N
]
，
t1表示脑机信号
X(t)
采集的初始时刻，
t
N
表示脑机信号
X(t)
采集的截止时刻；
X(t
n
)
表示脑机信号
X(t)
在信号采集时刻
t
n
的信号值
。3.
如权利要求2所述的一种复杂环境下的脑机信号快速响应方法，其特征在于，所述
S1
步骤中利用线性滤波器对所获取脑机信号进行滤波处理，包括：利用线性滤波器对所获取脑机信号进行滤波处理，其中基于线性滤波器的脑机信号滤波处理流程为：
S11
：初始化线性滤波器的权重系数
ω0：
ω0＝
(
ω0(1),
ω0(2),...,
ω0(n),...,
ω0(N))
其中：
ω0(n)
表示权重系数
ω0的第
n
个权重值，线性滤波器的权重系数长度为
N
；
S12
：设置线性滤波器的权重系数当前迭代次数为
v
，则权重系数的第
v
次迭代结果为
ω
v
，
v
的初始值为0；
S13
：若小于预设的阈值，则将
ω
v
作为线性滤波器的最终权重系数，并计算得到脑机信号
X(t)
的滤波处理结果：
Y(t)
＝
(X(t1)
ω
v
(1),X(t2)
ω
v
(2),...,X(t
N
)
ω
v
(N))
，否则转向步骤
S14
，其中
||
·
||2表示
L2
范数，
Y(t)
表示脑机信号
X(t)
的滤波处理结果；
S14
：对线性滤波器的权重系数进行迭代更新，其中迭代更新公式为：其中：
||
·
||
表示
L1
范数；
σ
X(t)
表示脑机信号
X(t)
的标准差；
σ
v
表示信号
(X(t1)
ω
v
(1),X(t2)
ω
v
(2),...,X(t
N
)
ω
v
(N))
的标准差；令
v
＝
v+1
，返回步骤
S13。4.
如权利要求3所述的一种复杂环境下的脑机信号快速响应方法，其特征在于，所述
S2
步骤中对脑机信号的滤波处理结果进行多尺度分解处理，包括：对脑机信号的滤波处理结果
Y(t)
进行多尺度分解处理，其中多尺度分解处理流程为：
S21
：设置尺度因子
a
，利用小波函数
γ
(t)
对
Y(t)
进行多尺度小波分解处理，得到
Y(t)
在不同尺度因子下的小波系数：其中：
d(a,Y(t))
表示
Y(t)
在尺度
a
下的小波系数，
a∈[1,A]
，
A
表示最大分解尺度；
S22
：对
Y(t)
在尺度
a
下的小波系数
d(a,Y(t))
进行
L
a
点的快速傅里叶变换处理：点的快速傅里叶变换处理：其中：
L
a
表示小波系数
d(a,Y(t))
的长度，
d(a,Y(t),L)
表示小波系数
d(a,Y(t))
中第
L
个点的值；
j
表示虚数单位，
j2＝
―1
；
exp(
·
)
表示以自然常数为底的指数函数；表示小波系数
d(a,Y(t))
在
L
a
点的快速傅里叶变换处理结果；
D1(a,Y(t))
表示小波系数
d(a,Y(t))
的快速傅里叶变换向量；
S23
：对
D1(a,Y(t))
进行
Q
‑1次
L
a
点的快速傅里叶变换迭代处理，得到
Q
‑1组快速傅里叶变换向量：
(D2(a,Y(t)),...,D
q+1

【专利技术属性】
技术研发人员：陈贤祥，刘哲，黄絮，徐德祥，
申请(专利权)人：湖南万脉医疗科技有限公司，
类型：发明
国别省市：