[发明专利]基于自回归模型和小波变换的脑电放松度识别方法及系统

权利要求书

1.一种基于自回归模型和小波变换的脑电放松度识别方法，其特征在于，包括如下步骤：

基于构建好的自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第一信号；

根据各个脑电波的频率范围，对接收的待处理脑电序列信号进行小波变换，重构得到对应于各个脑电波的第二信号；

基于对应于各个脑电波的第一信号及第二信号的质量指数，计算得到与各个脑电波的第一信号对应的第一权重因子及与各个脑电波的第二信号对应的第二权重因子；其中，通过对各个脑电波的第一信号及第二信号进行功率谱分析，分析其谱分布，得到与所述第一信号对应的第一权重因子及与所述第二信号对应的第二权重因子；

根据所述各个脑电波的第一信号、第一权重因子、第二信号及第二权重因子，计算得到对应于各个脑电波的第三信号；其中，所述第三信号为所述第一信号、第一权重因子、第二信号及第二权重因子的加权求和、所述第一信号或所述第二信号中的一种；

对所述各个脑电波的第三信号进行特征提取，并根据提取得到的特征量进行分类识别，得到脑电放松度；

其中，所述基于构建好的自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第一信号具体包括：

基于待处理脑电序列信号构建得到自回归模块；

估计与各个脑电波对应的自回归模块中的加权参数，计算与各个脑电波对应的系数矩阵，得到对应的各个脑电波的特征；

根据各个脑电波的特征，采用自相关分离算法，对待处理脑电序列信号进行抽取，提取得到对应的脑电波的第一信号。

2.根据权利要求1所述的基于自回归模型和小波变换的脑电放松度识别方法，其特征在于，在基于构建好的自回归模型对接收的待处理脑电序列信号进行信号提取，得到对应于各个脑电波的第一信号之前，还包括：

以待处理脑电序列信号为原始信号，以与所述待处理脑电序列信号同步采集得到的伪迹序列信号为参考信号，采用经函数链神经网络优化的自适应滤波器对所述原始脑电序列信号进行滤波，得到去除伪迹序列信号后的待处理脑电序列信号。

3.根据权利要求1所述的基于自回归模型和小波变换的脑电放松度识别方法，其特征在于，所述自回归模型经滑动平均法优化。

4.根据权利要求1所述的基于自回归模型和小波变换的脑电放松度识别方法，其特征在于，所述根据各个脑电波的频率范围，对接收的待处理脑电序列信号进行小波变换，重构得到对应于各个脑电波的第二信号具体包括：

根据香农-奈奎斯特采样原理及所述待处理脑电序列信号的采样频率进行频段分层，计算得到每层的频率范围；

依据所述频段分层中每层的频率范围及每个脑电波的频率范围，确定与每个脑电波对应的小波分解和重构所需的层数；

根据与每个脑电波对应的所述小波分解所需的层数及预先选择的母小波进行信号分解，得到与每个脑电波对应的按频段划分的多层波形；

根据与所述小波重构所需的层数对应的系数及分解得到的与各个脑电波对应的所述多层波形，重构得到对应于各个脑电波的第二信号。

5.根据权利要求1所述的基于自回归模型和小波变换的脑电放松度识别方法，其特征在于，所述根据所述各个脑电波的第一信号、第一权重因子、第二信号及第二权重因子，计算得到对应于各个脑电波的第三信号具体包括：

根据所述第一权重因子及所述第二权重因子对所述第一信号和第二信号进行加权求和，计算得到对应于各个脑电波的第三信号。