[发明专利]一种基于复杂网络的脑电信号特征提取方法

权利要求书

1.一种基于复杂网络的脑电信号特征提取方法，包括有以下步骤：

(1)小波包分解

通过脑电图机采集X导脑电信号，对每导脑电信号进行八级小波包分解，第一级分解是把信号分解成低频和高频两部分，第二级分解将分解出的低频部分分解成低频和高频两部分，高频部分分解成低频和高频两部分，如此类推，通过第八级小波包分解，将原始信号频率平均分成2⁸个频带成分，每导脑电信号分解成Q个子频带脑电信号；

(2)计算脑电信号的频率交叉同步性

定义两个系数n和m，其中f_x，f_y分别是脑电信号x和y所处子频带的中心频率，n和m分别取满足比例关系的最小正整数，由此计算任意两个子频带的脑电信号间的相位差Δφ＝nφ_x-mφ_y，利用得到的相位差Δφ计算两个脑电信号同步性指数，同步性指数范围在0和1之间且数值越大代表相位同步性越高，得到一个包含同一子频带内和不同子频带频率交叉相位同步程度的加权矩阵M；该矩阵包括：该矩阵包括以下部分：{M_ij，i，j＝1，2，3…，16}表示δ频带内邻接矩阵；{M_ij，i，j＝17，18，19…，32}表示θ频带内同步性矩阵；{M_ij，i，j＝33，34，35…，48}表示α频带内同步性矩阵；{M_ij，i，j＝49，50，51…，64}表示β频带内同步性矩阵；{M_ij，i＝1，2，3…，16，j＝17，18，19…，32}表示δ-θ的频率交叉同步矩阵；{M_ij，i＝1，2，3…，16，j＝33，34，35…，48}表示δ-α的频率交叉同步矩阵；{M_ij，i＝1，2，3…，16，j＝49，50，51…，64}表示δ-β的频率交叉同步矩阵；{M_ij，i＝17，18，19…，32，j＝33，34，35…，48}表示θ-α的频率交叉同步矩阵；{M_ij，i＝17，18，19…，32，j＝49，50，51…，64}表示θ-β的频率交叉同步矩阵；{M_ij，i＝33，34，35…，48，j＝49，50，51…，64}表示α-β的频率交叉同步矩阵；

(3)构建频率交叉网络

对步骤2得到的加权矩阵M，对该矩阵进行阈值为T，0＜T＜10，比例阈值处理，T代表保留矩阵中前T*10/100最大值的元素，由此得到一个阈值化处理的矩阵，矩阵中的每个元素表示两个导联之间的同步性，导联表示网络中的节点；根据所得到的阈值化的矩阵构建频率交叉网络；

(4)网络特征参数提取

对步骤3得到的频率交叉网络提取特征参数，对于有N个结点的网络，设所有结点集合为G，网络的结点最短路径长度定义为：

l_ij定义为连接两个节点i和j的最短路径上的边数；

网络的局部效率定义为：

全局效率为所有结点局部效率和的平均值：

将步骤3得到的频率交叉网络，按照公式(2)，公式(3)和公式(4)计算得到相应的网络参数特征，用以揭示脑电信号频率交叉耦合特性。