[发明专利]脑电信号特征识别系统及方法

权利要求书

1.一种脑电信号特征识别系统，其特征在于，包括：导电极组、预处理模块、特征提取模块以及SVM训练模块，其中：导电极组采集原始脑电信号经放大后输出至预处理模块，预处理模块对原始脑电信号进行滤波去噪处理并输出脑电数字信号至特征提取模块，特征提取模块从脑电数字信号中提取出脑电特征并进行特征平滑处理，SVM训练模块与预处理模块相连并根据平滑处理后的脑电特征训练分类器，并在收到待测信号后基于训练分类器输出分类结果；

所述的导电极组，具体是指：根据脑电电极布置的国际标准10-20系统的电极分布图所选的T7、T8、FT7、FT8这四个导电极，其分布于耳部上方的颞叶区；

所述的特征提取模块利用短时傅里叶变换将预处理后时域下的脑电信号转换到频域上，在频域上对特征频段求能量谱，再对能量谱提取微分熵得到特征；

所述的特征频段包括：Delta波，其频率范围为：1～4Hz；Theta波，其频率范围为：4～8Hz；Alpha波，其频率范围为：8～14Hz；Beta波，其频率范围为：14～31Hz；Gamma波，其频率范围为：31～50Hz。

2.一种基于权利要求1所述系统的脑电信号特征识别方法，其特征在于，利用设置于耳部上方颞叶区的四个导电极采集不同人在不同情绪状态下的原始脑电信号并形成样本集合；然后通过预处理和特征提取，从样本集合中得到脑电特征数据；最后对脑电特征数据进行平滑处理后得到训练样本，用于对支持向量机进行训练，从而得到情绪识别分类器；

所述的导电极，具体是指：根据脑电电极布置的国际标准10-20系统的电极分布图所选的T7、T8、FT7、FT8这四个导电极，其分布于耳部上方的颞叶区；

所述的特征提取是指：利用短时傅里叶变换将预处理后时域下的脑电信号转换到频域上，在频域上对特征频段求能量谱，再对能量谱提取微分熵得到。

3.根据权利要求2所述的方法，其特征是，所述的预处理是指：对采集到的原始脑电信号进行降噪去伪迹的预处理，即采用范围为1～75Hz的带通滤波器进行滤波。

4.根据权利要求2所述的方法，其特征是，所述的特征提取具体包括以下步骤：

1)脑电信号序列为x[n]＝{x₁,…,x_n}，N表示在一个时间窗口内的样本个数；该信号序列的短时傅里叶变换为：其中：是角频率，k＝0,1,...,N-1，w[n]是窗函数；

2)根据特征频段计算出其对应的能量谱E(ω_k)＝X(m,ω_k)X^*(m,ω_k)；

3)基于能量谱计算微分熵特征h(x)＝-∫_x f(x)log f(x)dx，其中：X为随机变量，f(x)是X的概率密度函数，是f(x)的支持；当脑电信号服从X的高斯分布N(μ,σ²)，则微分熵为

4)由于脑电信号的微分熵只与方差σ²有关，而脑电信号中的直流分量经带通滤波器滤除，因此均值为0，因此有而脑电信号不同频段的方差与该频段能量P_i成正比，即由此得到每个频段的微分熵

5.根据权利要求4所述的方法，其特征是，所述的窗函数采用汉宁窗，即经过汉宁窗处理能够减少由于傅里叶变换所造成的频谱损失。

6.根据权利要求5所述的方法，其特征是，为了与眼动信号在时间轴上的样本点个数相同，汉宁窗口大小设为4秒。

7.根据权利要求4所述的方法，其特征是，所述的微分熵，即特征提取为h_i(X)＝log(P_i)。