[发明专利]基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法

权利要求书

1.一种基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法，其特征是包括下列步骤：

1)对采集得到的单导联脑电信号，进行集合经验模式分解，得到多个固有模态函数IMF；

2)对步骤1)多个固有模态函数(Intrinsic Mode Functions,IMF)信号与原始信号，分别进行起码2个特征参数的提取，即活动性Ac和移动性Mo参数；

3)将步骤2)得到的多个固有模态函数信号与原始信号的特征参数构成输入矩阵，输入到分类模型中，获得睡眠分期的结果；

所述步骤1)中，对单导联脑电信号进行集合经验模式分解EEMD时，其中分解得到n个固有模态函数信号；

步骤2)中，特征参数的提取，还包括次要的特征参数：峰度K、复杂性Co、零点穿越率ZCT、样本熵SE；

对于原始信号或者IMF信号，计算统计学参数峰度；

对于原始信号或者IMF信号，计算时域参数Hjorth指数(包括活动性，移动性，复杂性)和零点穿越率；

对于原始信号或者IMF信号，计算非线性参数样本熵。

2.根据权利要求1的所述的基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法，其特征是所述对单导联电信号进行集合经验模式分解时，集合经验模式分解(EEMD)中3个参数范围：

固有模态函数信号(IMF)个数n为5-10；

高斯白噪声的标准差ε为0.05-0.5；

集成的数量N为100-1000。

3.根据权利要求1的所述的基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法，其特征是所述的时域参数Hjorth指数获得方式如下：

活动性描述信号在时域上的幅度，即信号函数的方差；

移动性描述信号在时域上的斜率，即信号一阶导数的方差与信号方差之比的平方根；

复杂性描述信号在时域上的斜率变化率，即信号一阶导数的移动性与信号的移动性之比；

其中所述的时域参数零点穿越率的获得方式如下：

对信号x(t)相邻两点求积，得到序列y_i:1≤i≤Q-1，并求得新序列中值小于0的点的个数q；将q与信号长度Q之比作为信号的零点穿越率值。

4.根据权利要求1的所述的基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法，其特征是其中所述的非线性参数样本熵计算时，特征参数样本熵SE中3个参数范围：嵌入维数m为2-3；相似容限r为信号标准偏差的0.1-0.2倍；数据长度为实际中所用数据长度。

5.根据权利要求1的所述的基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法，其特征是所述步骤3)中，所述将得到的多个固有模态函数信号与原始信号的特征参数构成输入矩阵，输入到分类模型中，获得睡眠分期的结果具体步骤如下：

3.1)将所有被试的多个固有模态函数信号与原始信号的特征参数构成一个大的输入矩阵；

3.2)将输入矩阵中的所有的特征参数进行各自最大最小值归一化处理，得到归一化矩阵；

3.3)将归一化矩阵的每个睡眠分期的样本随机地平均分成五份，通过5折交叉验证构成训练样本和测试样本；

3.4)在训练模型中输入训练样本和对应的睡眠分期类型标签训练网络，通过每一次迭代训练模型，使损失函数最小化。

6.根据权利要求3所述的基于集合经验模式分解的单导联脑电信号的睡眠自动分期的方法，其特征是，其中所述的非线性参数样本熵计算时，嵌入维数m为2，相似容限r为信号标准偏差的0.1倍。