[发明专利]一种检测脑电信号中爆发抑制状态的方法以及装置

权利要求书

1.一种检测脑电信号中爆发抑制状态的方法，其特征在于，包括以下步骤：

步骤101，采集脑电信号；

步骤102，去除脑电信号中的伪迹和噪声；

步骤103，对去除伪迹和噪音后的脑电信号进行相空间重构，得到一个周期图；

步骤104，对周期图进行定量分析，计算其周期比率RR；

步骤105，设定阈值，根据周期比率RR判断信号的爆发抑制状态，并计算爆发抑制比BSR。

2.根据权利要求1所述的一种检测脑电信号中爆发抑制状态的方法，其特征在于，所述步骤102中去除原始信号的伪迹，采用基线过滤和卡尔曼自适应自回归模型相结合进行滤波。

3.根据权利要求2所述的一种检测脑电信号中爆发抑制状态的方法，其特征在于，所述基线过滤方法通过对每个采样点前后各50个点，总共101个点取平均，并从采样点值中减去所求得的平均值，以去除基线漂移，其计算公式如下：

x_baseline(j)=x(j)-1101Σk=j-50j+50x(k)]]>

式中，x(j)是各个采样点得值，x_baseline(j)是经过基线过滤之后得到的各个采样点的信号值；所述卡尔曼自适应自回归模型是利用卡尔曼滤波器估计自适应自回归模型的参数，利用预测误差检测高幅噪声；其中一个带有时变参数的p阶自适应自回归模型(AAR)用下面的形式描述EEG信号y_t

y_t＝a_1，ty_t-1+a_2，ty_t-2+…+a_p，ty_t-p+v_t

式中，v_t是均值为0，方差为σ²的白噪声过程，且v_t与y_t不相关，即协方差函数为0，y_t-i，i＝1，2，…p是在t时刻之前的p个时间序列样本，a_i，t，i＝1，2，…p是依赖时间的自回归参数；预测误差(残差)，是EEG信号中不能用AAR模型表征的部分，也就是高幅噪声，

et=y^t-a1,tyt-1-a2,tyt-2-...-ap,tyt-p]]>

是实际测量的脑电信号，利用减去a_1，ty_t-1+a_2，ty_t-2+…+a_p，ty_t-p所获得的e_t为预测误差，即高幅噪声。