申请/专利权人：长春工程学院

申请日：2021-09-27

公开（公告）日：2024-06-21

公开（公告）号：CN113842115B

主分类号：A61B5/00

分类号：A61B5/00;A61B5/372

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.02.15#著录事项变更;2022.01.14#实质审查的生效;2021.12.28#公开

摘要：本发明提供一种改进的EEG信号特征提取方法，包括以下步骤：将包含噪声的脑电观测信号，分解为各分量间互相独立的脑电信号；采用最终的解混矩阵，对脑电信号进一步处理，得到新的脑电信号；使用小波基函数对独立分量进行5层连续小波分解，得到小波系数；对小波系数进行阈值处理，对阈值处理后的小波系数进行小波逆变换，重建脑电信号，得到包含低振幅神经源信号的独立分量估计值。本发明提供一种改进的EEG信号特征提取方法，本方法提取到的脑电信号在识别和去除EOG和ECG伪影方面具有明显的优势，可以有效保留遗漏在噪声成分的神经活动。

主权项：1.一种改进的EEG信号特征提取方法，其特征在于，包括以下步骤：步骤1，读取原始脑电观测信号Xt＝x1t,…,xmtT，其中，x1t,…,xmt代表原始脑电观测信号的第1个分量,...,原始脑电观测信号第m个分量；m代表原始脑电观测信号的分量数量；t代表原始脑电观测信号的采样时间；步骤2，采用下式，对原始脑电观测信号Xt去均值，得到处理后的脑电观测信号X’t；X’t＝Xt-E[Xt]其中：E[·]表示数学期望；步骤3，采用下式，将处理后的脑电观测信号X’t，分解为各分量间互不相关的脑电信号Zt＝z1t,…,zmtT： 其中： 代表投影因子；Ds是以X’t的协方差矩阵CX＝E[X’t*X’tT]特征值为对角元素的对角矩阵；Us是以CX的单位范数特性向量为列的矩阵；I是单位矩阵；σ表示X’t的噪声方差，步骤4，采用以下方法，得到最终的解混矩阵：步骤4.1，设置解混矩阵的初始值为W；步骤4.2，采用下式，得到解混矩阵的优化值W*：W*＝E[ZtGWTZt]-E[G'WTZt]W其中：G'·代表G·的导数；G·的含义为：令x＝WTZt，则：Gx＝xexp-x22；步骤4.3，采用下式，对解混矩阵的优化值W*进行去相关和归一化处理，得到处理后的解混矩阵 其中：||·||表示范数；步骤4.4，判断处理后的解混矩阵是否收敛，即：处理后的解混矩阵的无穷范数是否小于10-6，如果是，则代表收敛，此时得到的处理后的解混矩阵即为最终得到的解混矩阵；如果否，则代表不收敛，令返回步骤4.2；步骤5，将步骤4得到的最终的解混矩阵表示为：W**；采用下式，对步骤3得到的脑电信号Zt＝z1t,…,zmtT进行处理，得到新的脑电信号Yt＝y1t,…,ymtT；其中，y1t,…,ymt间互不相关；Yt＝W***Zt步骤6，对于y1t,…,ymt中的任意分量，表示为独立分量yit，其中，i＝1,…,m；采用下式，使用小波基函数对独立分量yit进行5层连续小波分解，得到独立分量yit的小波系数Wia,b： 其中：ψ为小波基函数；a代表小波变换的尺度参数，用于控制小波函数的伸缩；b代表平移参数，控制小波系数的位置；步骤7，设置小波系数阈值η的初始值：步骤8，采用以下公式，对小波系数Wia,b进行阈值处理，得到阈值处理后的小波系数 其中：sign代表数学符号函数；λ代表小波收缩的最佳阈值的上限，通过以下公式计算得到：其中，N代表独立分量yit的信号长度；γ是小波系数中宽频低振幅神经信号强度的估计值；步骤9，对阈值处理后的小波系数进行小波逆变换，重建脑电信号，得到包含低振幅神经源信号的独立分量估计值由此得到重建后的脑电信号步骤10，计算重建后的脑电信号的信噪比SNR；步骤11，判断信噪比SNR是否小于设定阈值，如果小于，则输出最终的去噪后脑电信号否则，调节小波系数阈值η，得到新的小波系数阈值η，再返回步骤8。

全文数据：

权利要求：

百度查询： 长春工程学院 一种改进的EEG信号特征提取方法

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