申请/专利权人：南京邮电大学

申请日：2022-03-31

公开（公告）日：2024-05-17

公开（公告）号：CN114557707B

主分类号：A61B5/369

分类号：A61B5/369;A61B5/372;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2022.06.17#实质审查的生效;2022.05.31#公开

摘要：本发明提供一种基于渐变等状态分布的睡眠脑电信号幅度分析方法，通过给定长度为L的睡眠脑电信号Xt，计算睡眠脑电信号Xt的差分向量序列X′t，用以表征幅度波动；计算睡眠脑电渐变等状态分布的转化参数a、转化参数b和阈值r；构建睡眠脑电的幅度波动转化函数ft；对差分向量序列X′t进行渐变等状态转化后，统计差分等状态分布F；获得睡眠脑电信号Xt的渐变等状态分布gDES，以实现对睡眠脑电幅度波动特征的提取分析；该方法，创新性地通过渐变转化方式对差分向量进行转化，实现了睡眠脑电信号幅度波动的优化分析，解决了现有等状态分布参数无法区分不同差分元素对等状态分布贡献值的问题，能够更加有效地表征睡眠脑电活动的幅度波动特征。

主权项：1.一种基于渐变等状态分布的睡眠脑电信号幅度分析方法，其特征在于：包括以下步骤，S1、给定长度为L的睡眠脑电信号Xt＝{x1,x2,…,xt,…,xL}，计算睡眠脑电信号Xt的差分向量序列X′t＝{x′1,x′2,…,x′t,…,x′L-m*τ}，用以表征幅度波动，其中，m为差分向量x′t的长度，τ为延迟；S2、根据睡眠脑电信号Xt和步骤S1所得差分向量序列X′t，计算睡眠脑电渐变等状态分布的转化参数a、转化参数b和阈值r；S3、根据差分向量序列X′t的特征和步骤S2所得阈值r，判定转化函数形式，进而构建睡眠脑电的幅度波动转化函数ft；具体为：S31、根据差分向量序列X′t的特征和步骤S2所得阈值r，判定转化函数形式为阈值转化函数或无阈值转化函数；具体为，如果差分向量序列X′t的设定比例的分位数小于阈值r，则判定差分向量序列X′t为低差值，忽略高差值分布，采用阈值转化函数；反之，则判定差分向量序列X′t的高差值分布不可忽略，转化函数需采用无阈值转化函数；S32、根据步骤S31所得转化函数形式，构建差分向量序列X′t的对应的渐变等状态转化函数ft，渐变等状态转化函数ft采用阈值型或无阈值性转化函数；步骤S32中，渐变等状态转化函数ft采用阈值型转化函数，具体为，在采用阈值型转化函数时，将阈值内的差分向量序列X′t进行转化： ，式中，r为阈值，μt为阈值内转化函数；S4、由步骤S3所得渐变等状态转化函数ft，对步骤S1得到的长度为L-m*τ的差分向量序列X′t进行渐变等状态转化后，统计差分等状态分布F： ，式中，L为睡眠脑电信号Xt的长度，m为差分向量x′t的长度，τ为延迟；S5、由步骤S4所得差分等状态分布F，获得睡眠脑电信号Xt的渐变等状态分布gDES，以实现对睡眠脑电幅度波动特征的提取分析；步骤S5中，获得睡眠脑电信号Xt的渐变等状态分布gDES为： ，式中，F为差分等状态分布，L为睡眠脑电信号Xt的长度，m为差分向量x′t的长度，τ为延迟。

全文数据：

权利要求：

百度查询： 南京邮电大学 基于渐变等状态分布的睡眠脑电信号幅度分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD