【技术实现步骤摘要】
本专利技术涉及脑电信号处理，尤其涉及一种脑电信号实时伪迹处理与特征提取的方法和系统。
技术介绍
1、脑电信号采集的是大脑皮层的电活动，具有毫秒级的时间分辨率，能够提取出丰富多样的特征值，反应灵敏。并且随着传感器技术的发展，便携式脑电设备的种类逐渐多样化，在生物反馈、情绪检测、状态识别和脑机接口等领域有着广泛的应用。脑电源于大脑皮层大量神经元突触后膜的同步放电，根据是否接受外界刺激可以分为诱发性脑电和自发性脑电，前者是由外界刺激诱发的，具有明显的锁时锁相性，通过叠加可以获得中事件相关电位(event related potential，erp)来反应大脑的认知加工过程。自发性脑电具有特定的生理节律，可以分为δ、θ、α、β和γ5个频段，每个频段都有其特定的头皮分布和生理学意义，且会受到刺激的调制而产生特定频段能量的增加和减少，可以反映个体的身心状态。
2、然而脑电数据受噪音和伪迹的影响比较大，且其特征值复杂多样，反映了脑电信号的不同方面，因此正确地分析数据和提取有效的特征值成为应用灵敏度的关键。这就需要研究者具有丰富的脑电数据处理经验和强大的代码基础，给脑电设备跨领域的广泛应用设置了屏障。同时，已有应用多基于单一类型的特征值展开，缺乏各维度数据整合的能力，引起大脑活动信息表征的缺失，数据量变小，降低了情绪检测、状态识别和脑机接口等领域应用的准确率。脑电信号的随机性很强，振幅微弱，极易被无关噪音污染，从而形成各种伪迹，如眼电伪迹、肌电伪迹、汗水伪迹和市电干扰。因此，从头皮电极点上直接记录的脑电信号往往还不能准确地代表大脑神
3、在现有技术中，缺乏对脑电信号进行实时处理的技术方案，同时，对于不同脑电设备来源的脑电信号缺少一体化、自动化的解决方案。
技术实现思路
1、鉴于此，本专利技术实施例提供了一种脑电信号实时伪迹处理与特征提取的方法和系统，以消除或改善现有技术中存在的一个或更多个缺陷。
2、本专利技术的一个方面提供了一种脑电信号实时伪迹处理与特征提取的方法，该方法包括以下步骤：
3、实时接收通过脑电设备采集的脑电信号数据流；
4、采用滑动窗口的方式对脑电信号数据流进行实时分段；
5、获取脑电设备的包含通道数和采样率在内的参数信息，基于参数信息对脑电信号数据流分段进行相适应的滤波处理步骤和伪迹去除步骤；
6、对于预先选定的一个或多个输出指标匹配特征提取策略，按照匹配的特征提取策略在包括时域、频域、时频域和/或非线性分析在内的角度从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取得到符合输出指标的特征值。
7、在本专利技术的一些实施例中，在接收脑电信号数据流并进行伪迹处理与特征提取之前，该方法还包括：获取各个输入脑电信号数据流的脑电设备的设备信息，所述设备信息包含通道数和采样率。
8、在本专利技术的一些实施例中，该方法还包括获取实时伪迹处理与特征提取的用户配置的步骤，所述用户配置包括滑动窗口的时间窗口大小、滤波处理策略、伪迹去除策略、特征值输出指标和特征值传输支持协议选择。
9、在本专利技术的一些实施例中，对通过脑电设备采集的脑电信号数据流和提取到的特征值分别进行传输的支持协议包括tcp协议、udp协议、无线蓝牙协议、mqtt协议、rs-232/rs-485协议和lsl协议中的一种或多种。
10、在本专利技术的一些实施例中，所述滤波处理步骤包含低通滤波、高通滤波、带通滤波和凹陷滤波中的一种或多种；所述伪迹去除步骤包含独立成分分析、基于网格的自然语言结构分析、盲源信号分离和svm伪迹去除中的一种或多种。
11、在本专利技术的一些实施例中，在脑电信号识别焦虑状态场景中，以α频段、θ频段和γ的能量值作为输出指标，所使用的伪迹去除步骤中包含独立成分分析和基于网格的自然语言结构分析处理；在采集脑电信号以控制假肢的场景中，按照匹配的特征提取策略在时频域分析角度从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取得到相应的μ节律和β节律的事件相关同步化和去同步化输出指标的特征值。
12、在本专利技术的一些实施例中，在所述按照匹配的特征提取策略在包括时域、频域、时频域和/或非线性分析在内的角度从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取得到符合输出指标的特征值步骤中，包括：在时域分析角度，基于统计算法或hjorth算法从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取均值、方差、标准差、峰度、偏度和自相关系数中的一种或多种；在频域分析角度，基于快速傅里叶变换算法、周期图法、welch法、多窗口法和自回归模型中的任一种从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取能量值和/或功率值；在时频域分析角度，基于短时傅里叶变换方式或连续小波变换方式从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取特征值；在非线性分析角度，基于递归变量分析和复杂度从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取香农熵、近似熵、样本熵和排序熵中的一种或多种。
13、在本专利技术的一些实施例中，基于参数信息对脑电信号数据流分段进行相适应的滤波处理步骤和伪迹去除步骤包括：在脑电设备采集的脑电信号通道数少于预设阈值的情况下，使用预先训练的神经网络模型对脑电信号数据流分段进行相适应的滤波处理步骤和伪迹去除，其中，所述神经网络模型使用大数据规模包含不同类型伪迹和/或不同信噪比的脑电信号进行有监督的学习训练得到。
14、本专利技术的另一方面提供了一种脑电信号实时伪迹处理与特征提取的系统，该系统包括：
15、用户配置模块，用于接收预先选定的一个或多个输出指标匹配特征提取策略和设定的输出指标，获取脑电设备的包含通道数和采样率在内的参数信息；
16、内置处理模块，用于基于参数信息对脑电信号数据流分段进行相适应的滤波处理步骤和伪迹去除步骤，对于预先选定的一个或多个输出指标匹配特征提取策略，按照匹配的特征提取策略在包括时域、频域、时频域和/或非线性分析在内的角度从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取得到符合输出指本文档来自技高网...
【技术保护点】
1.一种脑电信号实时伪迹处理与特征提取的方法，其特征在于，所述方法包含：
2.根据权利要求1所述的方法，其特征在于，在接收脑电信号数据流并进行伪迹处理与特征提取之前，该方法还包括：获取各个输入脑电信号数据流的脑电设备的设备信息，所述设备信息包含通道数和采样率。
3.根据权利要求2所述的方法，其特征在于，该方法还包括获取实时伪迹处理与特征提取的用户配置的步骤，所述用户配置包括滑动窗口的时间窗口大小、滤波处理策略、伪迹去除策略、特征值输出指标和特征值传输支持协议选择。
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求1所述的方法，其特征在于，在所述按照匹配的特征提取策略在包括时域、频域、时频域和/或非线性分析在内的角度从经过滤波处理步骤和伪迹去除步骤的脑电信号数据流分段中实时提取得到符合输出指标的特征值步骤中，包括：
8.根据权利要求1所述的方法，其特征在于，基于参数信息对脑电信号数据流分段进行相适应的
9.一种脑电信号实时伪迹处理与特征提取的系统，其特征在于，该系统包括：
10.一种脑电信号实时伪迹处理与特征提取的装置，包括处理器和存储器，其特征在于，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该装置实现如权利要求1至8中任一项所述方法的步骤。
11.一种终端设备，其特征在于，所述终端设备应用如权利要求1至8中任一项所述方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述方法的步骤。
...【技术特征摘要】
1.一种脑电信号实时伪迹处理与特征提取的方法，其特征在于，所述方法包含：
2.根据权利要求1所述的方法，其特征在于，在接收脑电信号数据流并进行伪迹处理与特征提取之前，该方法还包括：获取各个输入脑电信号数据流的脑电设备的设备信息，所述设备信息包含通道数和采样率。
3.根据权利要求2所述的方法，其特征在于，该方法还包括获取实时伪迹处理与特征提取的用户配置的步骤，所述用户配置包括滑动窗口的时间窗口大小、滤波处理策略、伪迹去除策略、特征值输出指标和特征值传输支持协议选择。
4.根据权利要求1所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求1所述的方法，其特征在于，在所述按照匹配的特征提取策略在包括时域、频域、时频域和/或非线性分析在内的角度从经过滤波...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：北京津发科技股份有限公司，
类型：发明
国别省市：
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。