[发明专利]基于复杂网络的脑电信号分析方法及应用

摘要

一种基于复杂网络的脑电信号分析方法及应用，包括：构建多尺度水平有限穿越可视图复杂网络；计算每一个多尺度水平有限穿越可视图复杂网络的特征指标；结合支持向量机分类脑电信号，包括采用留一法交叉验证和支持向量机分类器，对所有的二维指标向量进行分类，以及采用十折交叉验证和支持向量机分类器，对所有的二维指标向量进行分类。本发明结合多尺度思想和水平有限穿越可视图理论，构建脑电多尺度水平有限穿越可视图复杂网络，提取复杂网络指标，结合机器学习中的支持向量机分类器，实现对不同脑电信号的高准确率的分类。本发明可应用于头戴式智能穿戴设备，通过分析智能穿戴设备测得的睡眠脑电信号，实现对使用者大脑状态的监测，并可提供必要的预警。

主权项

1.一种基于复杂网络的脑电信号分析方法，其特征在于，包括如下步骤：1)构建多尺度水平有限穿越可视图复杂网络，包括：(1)获得原始脑电数据并预处理后，最终获得长度为Q的脑电信号粗粒化脑电信号，得到：其中，e是尺度因子，表示粗粒化后多尺度脑电信号，表示对进行取整，所述的预处理包括：对原始脑电数据进行带通滤波，去除高低频干扰成分；手动剔除剩余伪迹数据，最终得到预处理后的脑电数据用于后续的分析；(2)对每一个多尺度脑电信号，构建多尺度水平有限穿越可视图复杂网络；2)计算每一个多尺度水平有限穿越可视图复杂网络的特征指标，包括：计算节点平均聚集系数计算聚集系数熵E_C：其中，τ_i表示一个可视图网络中以节点i为中心的开三元组数目，τ_i,Δ表示的是一个可视图网络中以节点i为中心的闭三元组数目，C_i表示的是节点i的聚集系数，N表示多尺度水平有限穿越可视图复杂网络的节点数；3)结合支持向量机分类脑电信号，包括采用留一法交叉验证和支持向量机分类器，对所有的二维指标向量进行分类，以及采用十折交叉验证和支持向量机分类器，对所有的二维指标向量进行分类；是将步骤2)中得到的每一个多尺度水平有限穿越可视图复杂网络的节点平均聚集系数和聚集系数熵E_C构成一个二维指标向量，采用留一法交叉验证和支持向量机分类器，对所有的二维指标向量进行分类，即依次将一个二维指标向量作为测试集，将其余的指标向量作为训练集，并提供对应的训练集标签，遍历所有的二维指标向量作为测试集，其余的指标向量作为训练集后，从而得到所有的二维指标向量的分类结果。