System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及脑电信号处理,具体为基于深度神经网络的脑电信号处理方法及系统。
技术介绍
1、脑电信号处理技术是指对脑电信号进行分析和处理的一系列方法和技术;脑电信号是记录脑部活动的电生理信号,通过测量头皮上的电位变化来反映大脑神经元的电活动;脑电信号处理技术旨在从原始的脑电数据中提取有用的信息,以实现不同的研究目标和应用。
2、现有的用于脑电信号处理的改进,通常是对脑电信号获取装置以及滤波装置进行优化,使脑电信号获取装置的数量以及体积减小,比如在申请公开号为cn112949586a的中国专利中,公开了一种脑电信号处理芯片以及脑电信号处理系统,该方案就是通过优化信号处理芯片,进而更改滤波器,减少了滤波器的使用数量,而现有的改进方法中缺少对脑电信号图中的电压波动幅度进行分析,这会导致未对伪迹的出现频率进行分析,滤波处理后脑电信号图中仍可能存在伪迹干扰,进而导致在对脑电信号图进行分析时会影响分析的精准性,鉴于此,有必要对现有的脑电信号处理进行改进。
技术实现思路
1、本专利技术旨在至少在一定程度上解决现有技术中的技术问题之一,通过对脑电信号处理的滤波技术进行改进,用于解决现有技术中因缺少对脑电信号图中波幅较大的电压进行分析,从而导致在后续分析中仍会受到伪迹干扰,使得在对脑电信号图进行分析时影响分析的精准性的问题。
2、为实现上述目的,第一方面,本专利技术提供基于深度神经网络的脑电信号处理方法,包括:
3、步骤s1,获取第一时间内的脑电信号图,所述脑电信
4、步骤s2,基于脑波数量信息设置带通滤波器的滤波频率,利用带通滤波器对消误脑波图进行滤波处理,输出滤波信号图;
5、步骤s3,基于脑波数量信息以及第一时间对滤波信号图进行划分处理,输出划分时间;
6、步骤s4,对划分时间内滤波信号图的电压进行分析计算,基于计算结果得到参考判断频率;对参考判断频率进行分析,基于分析结果输出脑波具体信息。
7、进一步地,所述步骤s1包括如下子步骤:
8、步骤s1011,获取第一时间内连续的脑电信号图,所述脑电信号图的纵坐标为电压,横坐标为获取时间;
9、步骤s1012,获取电压的最大值,标记为最大电压;
10、步骤s1013,按获取时间顺序计算获取时间相邻的两组电压的差值的绝对值,标记为第n峰值判断电压,其中n为峰值判断电压编号,且n为正整数;
11、步骤s1014,利用跳跃判断公式进行计算得到跳跃判断值;
12、所述跳跃判断公式配置为:其中ju为跳跃判断值,pv为峰值判断电压,max为最大电压;
13、步骤s1015,获取跳跃判断值为正的峰值判断电压,将计算峰值判断电压的两组电压中的最大值标记为确认跳跃值。
14、进一步地,所述消误处理包括平均电压处理以及伪迹消除处理,所述步骤s1还包括如下子步骤:
15、步骤s1021,计算确认跳跃值占脑电信号图中总电压数的占比,标记为伪迹判断比例;
16、步骤s1022,当伪迹判断值小于伪迹阈值时,对确认跳跃值进行平均电压处理;
17、所述平均电压处理包括获取与确认跳跃值的获取时间左相邻的电压以及右相邻的电压,计算左相邻的电压以及右相邻的电压的平均值,将确认跳跃值更新为左相邻的电压以及右相邻的电压的平均值;
18、步骤s1023,当伪迹判断值大于或等于伪迹阈值时,进行伪迹消除处理。
19、进一步地,所述伪迹消除处理包括:
20、将确认跳跃值按获取时间由前至后进行排序,得到跳跃值序列;
21、利用消除时间公式计算得到相邻确认跳跃值的出现间隔;
22、所述消除时间公式配置为:tmi=gni+1-gni;其中tm为出现间隔,gn为确认跳跃值的获取时间,i为出现间隔以及获取时间的编号,且i为正整数;
23、计算所有出现间隔的平均值,标记为平均间隔;
24、利用深度神经网络对平均间隔进行分析,输出伪迹信息;
25、基于伪迹信息利用深度神经网络对脑电信号图进行伪迹消除处理,输出消误脑波图,所述消误脑波图包括电压;
26、获取消误脑波图中电压的最大值,将最大电压更新为消误脑波图中的电压的最大值。
27、进一步地,所述脑波数量信息包括第一脑波数量信息、第二脑波数量信息以及第三脑波数量信息,所述步骤s1还包括如下步骤:
28、步骤s103,对最大电压进行分析,当最大电压大于或等于第一判断电压时,输出第一脑波数量信息;
29、当最大电压大于第一判断电压且小于或等于第二判断电压时,输出第二脑波数量信息;
30、当最大电压大于第二判断电压且小于第三判断电压时,输出第三脑波数量信息。
31、进一步地,所述步骤s2包括如下子步骤:
32、步骤s201,接收脑波数量信息,当接收到第一脑波数量信息时,将带通滤波器的低通频率设置为第一低频,将带通滤波器的高通频率设置为第一高频;
33、步骤s202,当接收到第二脑波数量信息或第三脑波数量信息时,将带通滤波器的低通频率设置为第二低频,将带通滤波器的高通频率设置为第二高频;
34、步骤s203,利用带通滤波器对脑电信号图进行滤波处理,输出滤波信号图。
35、进一步地,所述步骤s3包括如下子步骤:
36、步骤s301,当接收到第一脑波数量时,将划分时间设置为第二时间;
37、步骤s302,当接收到第二脑波数量时,将划分时间设置为第三时间;
38、步骤s303,当接收到第三脑波数量时,将划分时间设置为第四时间;
39、步骤s304,将第一时间按划分时间划分为多个时长相等或不等的时间段,输出划分时间。
40、进一步地,所述参考判断频率包括第一判断频率以及第二判断频率,所述步骤s4包括如下子步骤:
41、步骤s401,将第二判断电压的第一计算倍数设置为第一计算电压;将第二判断电压的第二计算倍数设置为第二计算电压;
42、步骤s402,计算划分时间内第一计算电压以及第二计算电压出现的频率,分别标记为第一判断频率以及第二判断频率;
43、步骤s403,对第一判断频率以及第二判断频率进行分析,基于分析结果输出脑波具体信息;所述脑波具体信息包括α脑波信息、β脑波信息、γ脑波信息、δ脑波信息以及θ脑波信息。
44、进一步地,所述步骤s403包括:
45、当第一判断频率以及第二判断频率处于第一频率区间时,输出δ脑波信息;
46、当第一判断频率处于第二频率区间且第二判断频率处于第一或第二频率区间时,输出θ脑波信息;本文档来自技高网...
【技术保护点】
1.基于深度神经网络的脑电信号处理方法,其特征在于,包括:
2.根据权利要求1所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述步骤S1包括如下子步骤:
3.根据权利要求2所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述消误处理包括平均电压处理以及伪迹消除处理,所述步骤S1还包括如下子步骤:
4.根据权利要求3所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述伪迹消除处理包括:
5.根据权利要求4所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述脑波数量信息包括第一脑波数量信息、第二脑波数量信息以及第三脑波数量信息,所述步骤S1还包括如下步骤:
6.根据权利要求5所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述步骤S2包括如下子步骤:
7.根据权利要求6所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述步骤S3包括如下子步骤:
8.根据权利要求7所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述参考判断频率包括第一判断频率以及第二判断频率
9.根据权利要求8所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述步骤S403包括:
10.适用于权利要求1-9任一项所述的基于深度神经网络的脑电信号处理方法的系统,其特征在于,包括误差处理模块、电压处理模块以及脑波分析模块;所述误差处理模块包括误差确认单元以及误差消除单元;所述误差确认单元用于计算峰值判断电压,基于峰值判断电压判断是否存在确认跳跃值;所述误差消除单元用于对确认跳跃值进行分析,基于分析结果对确认跳跃值进行消误处理,输出消误脑波图;
...【技术特征摘要】
1.基于深度神经网络的脑电信号处理方法,其特征在于,包括:
2.根据权利要求1所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述步骤s1包括如下子步骤:
3.根据权利要求2所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述消误处理包括平均电压处理以及伪迹消除处理,所述步骤s1还包括如下子步骤:
4.根据权利要求3所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述伪迹消除处理包括:
5.根据权利要求4所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述脑波数量信息包括第一脑波数量信息、第二脑波数量信息以及第三脑波数量信息,所述步骤s1还包括如下步骤:
6.根据权利要求5所述的基于深度神经网络的脑电信号处理方法,其特征在于,所述步骤s2包括如下子步骤:
<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。