[发明专利]一种脑电图信号分类方法

权利要求书

1.一种脑电图信号分类方法，其特征在于，包括以下步骤：

一、输入脑电图信号，并对输入的脑电图信号进行经验模态分解，把脑电图信号分解成本征模函数的和；

二、对每个本征模函数c(t)=a(t)cosθ(t)进行经验调幅-调频分解，得到经验调频分量F(t)=cosθ(t)；

三、判断得到的经验调频分量中是否含有骑行波；

四、如果含有骑行波，进行去骑行波处理；

五、通过计算经验调幅分量；

六、计算经验调频分量的正交分量，为了得到四个象限的相位值以便解卷绕求解瞬时相位，对的符号根据三角函数特点做以下处理：如果F(t)单调递增则取否则取这样相位便可对应四个象限的值；

七、计算瞬时相位：由经验调频分量及其正交分量反正切解卷绕得到瞬时相位θ(t)=unwrap[arctansinθ(t)F(t)];]]>

八、由步骤五得到的调幅分量和步骤七得到的瞬时相位，按照Cohen带宽公式计算调幅带宽和调频带宽：

<ω>=1E∫-∞+∞θ′(t)a2(t)]]>

B2AM=1E∫-∞+∞a′2(t)dt]]>

B2FM=1E∫-∞+∞(θ′(t)-<ω>)2a2(t)dt]]>

九、将步骤八计算得到的调幅带宽和调频带宽作为支持向量机的输入，对脑电图信号进行分类。

2.根据权利要求1所述的一种脑电图信号分类方法，其特征在于，步骤四所述去骑行波处理包括以下步骤：

1)首先判断其是否为孤立骑行波，判断方法：对于上凸或下凸的骑行波，如果其右端点为下一个上凸或下凸的骑行波的左端点，则该骑行波为首尾相连非孤立的骑行波，否则为孤立的骑行波；

2)如果是孤立骑行波则直接进行骑行波翻转，即沿着连接骑行波的两个端点的直线翻转骑行波，假设s(t)为一段骑行波，l(t)为连接两端的直线，骑行波s(t)经翻转后为2l(t)-s(t)；然后找到被翻转的骑行波的极值，用该极值的绝对值去除骑行波左侧第一个过零点到骑行波右侧第一个过零点之间的波形数据，经这一过程处理后不仅该孤立骑行波被去除掉而且局部的数据被归一化；

3)如果步骤1)判断不是孤立的骑行波而是连续出现几个骑行波首尾相连，首先翻转每个骑行波；然后选择最左端骑行波的左端点和最右端骑行波的右端点再加上两端点间的另一个点共三个点进行抛物线插值拟合，拟合出来的抛物线作为母波的一部分；之后用抛物线的极值的绝对值去除最左端骑行波左侧第一个过零点和最右侧骑行波右侧第一个过零点之间的波形数据，经这一过程处理后不仅该首尾相连的骑行波被去除掉而且局部的数据被归一化；

4)最后检查是否还有骑行波，如果有则返回步骤1)重复执行，否则退出。