[发明专利]一种基于复杂网络的脑电信号特征提取方法

摘要

本发明涉及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：小波包分解；计算脑电信号的频率交叉同步性；构建频率交叉网络；提取用以揭示脑电信号频率交叉耦合特性的网络特征参数。本发明量化脑电信号的频带交叉同步关系，构建一个综合频域与空间域的频率交叉网络，通过网络参数的提取和分析，揭示脑电信号频率交叉耦合的特征。

主权项

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；(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：lij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。