[发明专利]睡眠状态监测模型的特征信息提取方法和系统

权利要求书

1.一种睡眠状态监测模型的特征信息提取方法，其特征在于，包括：

采集用户在睡眠过程中产生的脑电信号；

对采集的脑电信号进行经验模态分解，将其分解成若干个本征模函数，并计算各个本征模函数与同一时刻的眼电信号之间的相关系数；将相关系数大于预设阈值的本征模函数和相关系数最大的本征模函数删除，并利用未删除的本征模函数重建脑电信号；

基于频域信号处理技术从所述脑电信号中提取多个频率段的脑电波；

分别计算各个频率段的脑电波的能量在脑电信号总能量中的比例系数，以及计算各个频率段的脑电波在当前帧脑电信号内所占能量比例最大的时间长度；

根据所述比例系数和时间长度确定睡眠状态监测模型的识别任务类型对应的特征信息。

2.根据权利要求1所述的睡眠状态监测模型的特征信息提取方法，其特征在于，所述经验模态分解包括如下公式：

式中，EEG_original表示原始脑电信号，imf_i表示第i个本征模函数，Re表示残差函数；

所述重建脑电信号包括如下公式：

式中，EEG_pure表示重建的脑电信号，corrcoef表示相关系数，imf_i表示第i个本征模函数，EOG表示眼电信号，corrcoef_max表示最大的相关系数，thre表示预设的相关系数阈值。

3.根据权利要求1所述的睡眠状态监测模型的特征信息提取方法，其特征在于，所述基于频域信号处理技术从所述脑电信号中提取多个频率段的脑电波的步骤包括：

对脑电信号进行小波分解，在小波重构中提取所述脑电信号的δ波频段，θ波频段，α波频段，β波频段；

所述分别计算各个频率段的脑电波的能量在脑电信号总能量中的比例系数，以及计算各个频率段的脑电波在当前帧脑电信号内所占能量比例最大的时间长度的步骤包括：

分别计算δ波频段，θ波频段，α波频段，β波频段的能量在脑电信号总能量中的比例系数；

分别计算在一帧脑电信号内，δ波频段，θ波频段，α波频段，β波频段所占能量比例最大的时间长度；

所述根据所述比例系数和时间长度确定睡眠状态监测模型的识别任务类型对应的特征信息的步骤包括：

分别将所述δ波频段，θ波频段，α波频段，β波频段对应的比例系数和时间长度设为睡眠状态监测模型的清醒状态和睡眠状态识别任务的特征信息。

4.根据权利要求3所述的睡眠状态监测模型的特征信息提取方法，其特征在于，所述分别计算δ波频段，θ波频段，α波频段，β波频段的能量在脑电信号总能量中的比例系数的步骤包括如下公式：

r_δ＝∑(y_δ)²/p_total

r_θ＝∑(y_θ)²/p_total

r_α＝∑(y_α)²/_ptotal

r_β＝∑(y_β)²/p_total

其中p_total＝∑(y_δ)²+∑(y_θ)²+∑(y_α)²+∑(y_β)²，y_δ，y_θ，y_α和y_β分别表示重构后的δ频段、θ频段、α频段和β频段的信号，r_δ，r_θ，r_α和r_β分别代表δ频段、θ频段、α频段和β频段的信号的能量在总能量的比例。