[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

说明书

本发明公开了一种基于自回归模型和小波变换的脑电放松度识别方法，包括：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，得到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所述第二信号对应的第二权重因子；根据第一信号、第一权重因子、第二信号及第二权重因子，计算得到第三信号；对各个脑电波的第三信号进行特征提取，并根据特征量进行分类识别，得到脑电放松度。本发明还提供了一种基于自回归模型和小波变换的脑电放松度识别系统，可准确提取脑电波，从而实现准确的脑电放松度识别。

技术领域

本发明涉及放松治疗领域，尤其涉及一种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。

背景技术

放松训练是行为疗法中使用最广的技术之一，是在心理学实验的基础上建立和发展起来的咨询和治疗方法，其在治疗焦虑抑郁症、神经性头痛、失眠、高血压病，减轻更年期综合征和转变不良行为模式等方面取得了较好的疗效。

现有的放松训练主要有录音指导、口头指导和生物反馈指导。其中，录音指导方法僵化、没有变化，无法根据受训者的状态变化内容；口头指导则要求对口头指导的对象要求很高，且受到时间、场地限制；生物反馈指导以脑电反馈为主，能够结合前两种方式的优点，因而受到广泛关注。

进行生物反馈指导需要识别用户的放松度，而计算放松度首先需要从用户的脑电信号中提取各个频段的脑电波(包括Delta、Theta、Alpha、Beta、Gamma波)，脑电波能否准确提取关系到最终脑电放松度识别的精确度。虽然每个脑电波都有自己的特征频率，但由于各个脑电波的特征频率比较接近，因此如何准确的分离提取各个频段脑电波就显得至关重要。

现有方式一般直接采用单一的滤波方式进行脑电波的提取，但是这种提取方法提取效果不稳定，容易受到外界因素干扰以及滤波器本身的性能或波动性的影响，进而影响到最终的脑电放松度的识别精度。

发明内容

针对上述问题，本发明的目的在于提供一种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，可准确的分离提取出脑电信号中的各个脑电波。

本发明提供了一种基于自回归模型和小波变换的脑电放松度识别方法，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；

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；

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。

优选地，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。

优选地，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；