[发明专利]一种基于功率谱划分的复杂度谱脑电信号分类识别方法

权利要求书

1.一种基于功率谱划分的复杂度谱脑电预测和诊断方法，其特征在于包括以下步骤：

步骤一：基于功率谱划分的复杂度谱模型的定义及计算，方法如下：

(1)对于给定的脑电信号序列X＝{x(n),n＝0,1,2,...,N-1}，计算其傅立叶（Flourier）变换，得到功率谱序列，记为F；

(2)利用公式计算序列F在f(k)点处的功率谱值，得功率谱值序列:P＝{p(k),k＝0,1,2,...,N-1}；

(3)寻找序列P的最大值和最小：P_max=max(P)，P_min=min(P)，计算其差值ΔP = P_max-P_min，将ΔP 平均分成m段(2≤m≤N的正整数, N为序列元素个数)，从下到上依次记为ΔP₁,ΔP₂, …,ΔP_m，记新序列为则按如下规则生成新序列：

(4) 对于序列{k＝0,1,2,...,N-1，j=1,2, …, m}进行傅立叶逆变换，得新的时间序列为：

xj~(n)=Σk=0N-1fNj~(k)WNnk,k=0,1,2,...,N-1,j=1,2,...,m]]>

(5)定义如下求和比

CX(j)=Σn=0N-1|xj~(n)|2Σn=0N-1|x(n)|2,j=1,2,...,m]]>

为C_X(j)为序列X的第j复杂度；称序列s＝{C_X(j),j＝1,2,...,m}，为脑电时间序列X的基于功率谱划分的复杂度结构谱；

步骤二：建立非线性罗辑斯蒂（Logistic）映射的复杂度谱参考演化模型，方法如下：

(1)根据罗辑斯蒂映射公式，生成控制参数u∈[0.75,  2]的演化区间作为建立脑电复杂度谱从周期经混沌向随机演化的标准数据，按照步骤一的方法计算其每一时间序列的复杂度谱：

si={CXi(j),j=1,2,...,m},i∈[0.75,2]]]>

sⁱ表示i对应复杂度谱；

(2)按照给定的数据步长，逐步加大计算窗口的长度并重复计算S, 直到各复杂度谱中的每个复杂度值收敛或变化稳定为止，此时计算和统计稳定区间的如下过程数据：

1)计算最小数据窗口的长度：

N_min=min{N₁,N₂,N₃,…}

N_i表示在收敛或变化稳定是各计算窗口长度；

2)计算S在稳定区域的各个谱中每个的近似平均值：

S‾={CXi(j)‾,j=1,2,...,m,i∈[0.75,2]}]]>

3)计算S中各复杂度值的变化范围：

ΔCXi(j)=max{CXi(j)~}-min{CXi(j)~}]]>

表示在脑电序列X在控制参数u＝i时第j复杂度在不同长度的窗口计算得到的复杂度值序列；

(3)根据复杂度谱序列最后计算值，并对其校验后在三维坐标图中作出三维空间模型图，并标出变化范围的边界，作出各序列每个复杂度谱的复杂度值的窗口长度三维模型；

步骤三：计算各类脑电信号的复杂度谱序列并提出特征并在参考模型中标定，方法如下：

(1)采集包括抑郁症在内的几种典型的脑精神疾病的脑电信号，按照步骤一和步骤二的计算方法，计算N_min、和指标；

(2)并将这些指标标定在复杂度谱三维空间模型图和最小窗口三维模型图中，以此确定这几类脑精神疾病脑电信号指标在这两个模型中的空间位置和分布范围的大小；

步骤四：对于临床采集的脑电信号计算其特征指标，并将其与参考模型的特征空间做相似度对比，计算其和各类空间之间的距离dis,最后依据dis的大小进行排序，取最小值的dis的类作为诊断输出。