[发明专利]基于时域及相空间的脑电放松度识别方法及装置

权利要求书

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；其中，所述等电位线能量参数变化率比率是指预先根据各个脑电波对应的所有预设的学习样本中的能量参数变化率基准值与能量参数最大值的比值学习获得的平均值；

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准值；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准值的个数；

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；

其中，所述方法通过以下公式计算所述等电位线能量参数变化率基准值：

A_xleps＝max(E)×A_xlepsRate

其中，A_xleps为所述等电位线能量参数变化率基准值，max(E)为每个信号波的能量参数的最大值，A_xlepsRate为所述等电位线能量参数变化率比率。

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每一特征量对应的所述线性拟合曲线的自由度，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。