[发明专利]一种脑电波信号采集装置及预处理方法

说明书

技术领域

本发明涉及脑电波采集技术领域，具体来说涉及一种脑电波信号采集装置及预处理方法。

背景技术

1929年，德国神经精神病学家汉斯·贝格尔发表了关于“人类脑电图”的第一篇研究报告，从此开始了人们对脑信号(electroencephalogram，EEG)的研究。近年来随着电子和信号处理技术的进步，脑电波的研究取得了显著的进步。

脑电波采集技术目前广泛应用于智能控制、医疗、脑机接口领域。目前脑电波采集装置多为医疗用头盔式结构，存在佩戴不方便，信号采集位置调整困难，而且价格昂贵。如不采用全头盔采集到的信号又存在噪声干扰大不精确，难以进行后续处理的问题。如何设计一种在保证被采集者穿戴舒适的情况下，结构简单的脑电波信号采集装置，及如何对采集的信号进行预处理，去除噪声干扰得到真实脑电波信号方法是一个值得研究的问题。

发明内容

为了提供一种结构简单，佩戴舒适，成本低廉，易于推广的脑电波采集装置，并解决了简易脑电波信号采集装置采集的信号噪声干扰大精度低难以分离出真实脑电波信号的难题，本发明提供一种脑电波信号采集装置及预处理方法。

为了实现上述目的，其技术解决方案为：

一种脑电波信号采集装置，包括弹性弧形头带；两端与弹性弧形头带相连脑电波采集传感器臂，所述脑电波采集传感器臂一端连接有无线收发模块、弹性弧形头带两端连接有一根用于使弹性弧形头带紧贴于脑部表面的弹性下颚固定软带，所述脑电波采集传感器臂上电连接有至少三个脑电波采集电极。

进一步，所述传感器臂与弹性弧形头带转动连接。

一种脑电波信号预处理分析方法，包含以下步骤：

步骤1：用至少三个脑电波采集电极采集得到n路原始脑电波信号A_i(t),i＝1,2,3,…,n,n为正整数,n≥3；

步骤2：将采集到的n路原始脑电波信号进行智能盲源信号分离，得到分离后的信号B_i(t)，

B_i(t)＝XA_i(t)

X为n×n智能分离矩阵，

X(k+1)＝X(k)+ΔX(k)

为学习系数,k∈1,2,...,K,正整数K为最大脑电波采集间隔，表示在脑电波采样过程中出现的最大时间间隔，P为矩阵X的弗罗贝尼乌斯范数；

步骤3：将分离后的信号进行互相关提取降噪，得到降噪后的信号C_i(t)，

C_i(t)＝βB_i(t)

β为降噪系数，

C为的协方差，V(B_i(t))为B_i(t)的标准方差；

步骤4：将降噪后的信号进行基于智能学习算法特征提取，得到提取后的信号D_i(t)，

D_i(t)＝L_i(o,p,t)C_i(t)

L_i(o,p,t)为智能学习矢量

L_i(o,p,t)＝A_i(t)+oB_i(t)+pC_i(t)

o,p为拉格朗日系数,由

可得到拉格朗日系数；

步骤5：再将信号D_i(t)用一个低通滤波器进行滤波，去除50Hz交流电引起的噪声；

步骤6：得到经过预处理除去噪声干扰的脑电波信号E_i(t)。

本发明的有益效果为：脑电波采集传感器，采用摇臂的方式，因此可以灵活调节，佩戴舒适。弹性下颚固定软带，可以根据被采集者的情况，灵活调节，而稳定的固定在佩戴者下颚。而且本发明结构简单，成本低廉，易于推广。提出应用了智能盲源信号分离，智能学习算法特征提取的脑电波信号预处理分析方法，解决了简易脑电波信号采集装置采集的信号噪声干扰大精度低难以分离出真实脑电波信号的难题。

附图说明

图1为本发明的结构示意图；

图2为本发明的预处理流程图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。