[发明专利]一种应用于单导联便携式脑电设备的频域特征提取算法

权利要求书

1.一种基于单导联方式的脑电频域特征指标化算法，其特征在于，所述算法包括如下步骤：

（1）预处理：对量化的脑电波进行数字滤波，去除肌电等干扰噪音；所述滤波器为无限冲激响应（IIR）带通滤波器； 

（2）特征表达和提取：从预处理之后的脑电信号中提取反映综合认知状态的基本指标，具体包括alpha波（8-13Hz）、beta波（13-20Hz），delta（1-4Hz），theta（4-7Hz）；运用时频分析技术将这些指标从原始时域信号中提取出来，在频域上以能量或功率的时间序列形式加以表达；

（3）指标化表示：将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义；所述算法输出警觉性水平和紧张度水平两个指标， 所述警觉性水平指标和紧张度水平指标具体如下：

a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号，他们分别由原始脑电信号，经由时频分析,并选定特定频段的能量累加实现；

警觉度指标：

S1(t)=c(t)/a(t)，其中t表示时间，a和c分别表示alpha和theta的能量；

紧张度指标：

S2(t)=b(t)*c(t)，其中t表示时间，b和c分别表示beta和theta的能量。

2.根据权利要求1所述的算法，其特征在于：所述步骤（1）中，带通滤波器的低通起始频率为1Hz，高通截止频率为35Hz。

3.根据权利要求1所述的算法，其特征在于：

所述步骤（2）特征表达子模块的具体算法如下：

采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换；输入信号为单导联脑电采集到的离散脑电时间序列，与上述母小波函数做卷积，并经过变换后得到一系列不同频段的复时间序列信号,即小波系数；其中时间与输入信号长度保持一致，频率范围对为1-35Hz，保留其中1-35Hz用于提取节律特征；对于特定的时刻和频点，系数表示信号的时频分布情况，对其取模，即用功率表示；按照频段范围高低，分别提取alpha波（8-13Hz）、beta波（13-20Hz），delta波（1-4Hz），theta波（4-7Hz），对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。

4.根据权利要求1所述的算法，其特征在于：

所述步骤（3）指标化表示采用特征归一化算法，即：

将某一频段能量占总能量的比值作为指标： 

其中，t表示时间，f表示频率，P表示功率，从而Pf(t)表示某一频率f范围内的能量随时间变化的函数，公式的分母部分则表示将1到35Hz频率范围内的能量累加总和；根据以上模型将P_f(t)除以总能量归一化以后，每个频段的相对能量变为0-1范围内的数值，即用P_f^’(t)表示。

5.根据权利要求1所述的算法，其特征在于：

所述算法进一步包括注意力水平的判定，即以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的注意和紧张两项指标序列的时序均值的60%作为判决门限，低于此门限判决为疲劳发生。