[发明专利]一种基于心电信号的脑力负荷分类方法及系统

权利要求书

1.一种基于心电信号的脑力负荷分类方法，其特征在于，包括：

获取待测人员的心电信号；所述心电信号的时长为12分钟；

对所述心电信号进行预处理；所述预处理包括R-R间期切分以及去噪；

提取预处理后的心电信号的R-R间期的时域特征；所述时域特征为R波峰值；

根据所述预处理后的心电信号，利用不同频率下的功率谱密度提取心电信号的频域特征；所述频域特征包括P波和T波的能量特征以及QRS波的能量特征；

根据所述预处理后的心电信号，利用样本熵算法提取非线性动力学特征；

将所述预处理后的心电信号的时域特征、频域特征以及非线性动力学特征进行融合，确定所述预处理后的心电信号的融合特征；

根据所述融合特征，采用支持向量机分类器进行脑力负荷分类，确定脑力负荷分类结果；所述支持向量机分类器以所述融合特征为输入，以所述脑力负荷分类结果为输出；所述脑力负荷分类结果包括低脑力负荷以及高脑力负荷；所述低脑力负荷小于脑力负荷阈值，所述高脑力负荷大于或等于所述脑力负荷阈值。

2.根据权利要求1所述的一种基于心电信号的脑力负荷分类方法，其特征在于，所述对所述心电信号进行预处理，具体包括：

利用自适应差分阈值法检测所述心电信号的R波位置；

根据所述R-R间期对所述心电信号进行切分；

利用R-R间期差值阈值范围对切分后的心电信号进行去噪。

3.根据权利要求1所述的一种基于心电信号的脑力负荷分类方法，其特征在于，所述根据所述预处理后的心电信号，利用不同频率下的功率谱密度提取心电信号的频域特征，具体包括：

利用公式对所述预处理后的心电信号进行傅里叶变换；

利用公式确定所述预处理后的心电信号的功率谱；

利用公式确定所述预处理后的心电信号的P波和T波的能量特征；

利用公式确定所述预处理后的心电信号的QRS波的能量特征；

其中，S为预处理后的心电信号，F_s(n)为S的傅里叶变换，n为心电信号样本的数目，n为从0到N-1，e为自然常数，j为复数域，p_s(n)为S的功率谱密度，F_s^*(n)为F_s(n)的共轭项，N为预处理后的心电信号的长度，E_s,tp为P波和T波的能量特征，p_s,freq为某一频率下的功率谱密度，即指叠加0-11Hz，E_s,qrs为QRS波的能量。

4.根据权利要求1所述的一种基于心电信号的脑力负荷分类方法，其特征在于，所述支持向量机分类器包括：CV交叉验证。

5.根据权利要求1所述的一种基于心电信号的脑力负荷分类方法，其特征在于，根据所述融合特征，采用支持向量机分类器进行脑力负荷分类，确定脑力负荷分类结果，之前还包括：

获取多组心电信号样本；所述多组心电信号样本的脑力负荷分类结果为已知；

对所述心电信号样本进行预处理；

获取所有预处理后的心电信号样本的融合特征；

将所有预处理后的心电信号样本的融合特征按照7：3的比例随机划分数据集，得到训练数据集以及测试数据集；所述训练数据集为70％的预处理后的心电信号样本的融合特征；所述测试数据集为30％的预处理后的心电信号样本的融合特征；

利用所述数据集对支持向量机分类器进行训练；

利用所述测试数据集对训练后的支持向量机分类器进行验证。