[发明专利]面向癫痫脑电信号的特征提取与自动识别方法

权利要求书

1.一种基于时频分析的癫痫脑电信号的癫痫特征提取识别方法的建立方法，其特征在于包括：

(1)对脑电信号进行小波变换，获得同时反映时间和频域信息的时频图I；

(2)将时频图I按照δ、Θ、α、β、γ波段分割成五个时频子图A、B、C、D、E；

(3)应用混合高斯模型分别对时频子图A、B、C、D、E能量密度的概率分布进行估计，并提取表征脑电信号的备选特征集S₀；

(4)应用模式分类中特征选择方法从备选特征集S₀中选择表征脑电信号的最优特征子集S₁；

其中，所选择的最优特征子集S₁适于应用模式分类器对所述所选择的最优特征子集S₁进行机器学习以构建癫痫脑电分类器，并通过获得该最优特征子集S₁对癫痫脑电的分类结果而验证最优特征子集S₁的有效性。

2.如权利要求1所述的基于时频分析的癫痫脑电信号的癫痫特征提取识别方法的建立方法，其特征在于：

在所述步骤(3)中，对时频子图A、B、C、D、E进行混合高斯模型建立前，应用期望最大化算法进行模型阶次判定。

3.如权利要求2所述的基于时频分析的癫痫脑电信号的癫痫特征提取识别方法的建立方法，其特征在于：

时频子图A、B、C、D、E的高斯混合模型由期望最大化算法判定阶次为3阶。

4.如权利要求1所述的基于时频分析的癫痫脑电信号的癫痫特征提取识别方法的建立方法，其特征在于：

所述步骤(4)中，选择一种过滤式和封装式组合的特征选择方法从特征集S₀中选择最优特征子集S₁。

5.如权利要求4所述的基于时频分析的癫痫脑电信号的癫痫特征提取识别方法的建立方法，其特征在于：

所述过滤式特征选择方法为特征加权算法，封装式特征选择方法为支持向量机递归特征消除法。

6.如权利要求1所述的基于时频分析的癫痫脑电信号的癫痫特征提取识别方法的建立方法，其特征在于：

选用基于径向基函数为核函数的非线性支持向量机作为模式分类器。

7.如权利要求6所述的基于时频分析的癫痫脑电信号的癫痫特征提取识别方法的建立方法，其特征在于参数中惩罚因子c及径向基函数核函数宽度g的最优组合(c,g)由如下网格搜索方法确定：

先在一个第一范围(log(c):-12～12,log(g):-12～12)内以一个第一步长log(step)＝0.5搜索一个粗略的最优组合(c₀,g₀)，然后在(c₀,g₀)的领域范围内(log(c₀)-3～log(c₀)+3,log(g₀)-3～log(g₀)+3)，以小于上述第一步长的一个第二步长log(step)＝0.1搜索精细的最优组合(c₁,g₁)。