[发明专利]基于多空间信号特征的脑电放松度识别方法及装置有效
| 申请号： | 201710187187.4 | 申请日： | 2017-03-27 |
| 公开（公告）号： | CN106923824B | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 胡静;赵巍 | 申请（专利权）人： | 广州视源电子科技股份有限公司;广州希科医疗器械科技有限公司 |
| 主分类号： | A61B5/0476 | 分类号： | A61B5/0476;A61B5/16;A61B5/00 |
| 代理公司： | 44202 广州三环专利商标代理有限公司 | 代理人： | 麦小婵;郝传鑫 |
| 地址： | 510530 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 空间 信号 特征 放松 识别 方法 装置 | ||
1.一种基于多空间信号特征的脑电放松度识别方法，其特征在于，包括如下步骤：
从接收到的待处理脑电序列信号中提取出对应于各个脑电波的信号波；
获取每个信号波的采样点数及所述信号波的各秒中幅度小于幅度阈值且幅度绝对值最大的点，计算这些点的幅度平均值，并根据所述采样点数及所述幅度平均值计算各个信号波的幅度概率密度，获得脑电切片信号在时域空间的特征量；
计算对应于各个脑电波的信号波的相空间分布密度，获得所述待处理脑电序列信号在相空间的特征量；
计算与各个脑电波对应的信号波的能量，并根据各个信号波的能量及各个脑电波的频率范围，计算各个信号波的中心频率，获得所述待处理脑电序列信号在频域空间的特征量；
根据所述待处理脑电序列信号在时域空间的特征量、相空间的特征量及在频域空间的特征量进行分类识别，得到脑电放松度；
其中，所述计算对应于各个脑电波的信号波的相空间分布密度，获得所述待处理脑电序列信号在相空间的特征量具体包括：
根据所述各个脑电波的信号波及待处理脑电序列信号形成对应的包含有信号的二维图表；
用与二维图表等大小的m*m的网格对应覆盖在各个二维图表上，并统计覆盖有信号的网格数；其中，m为大于1的整数；
根据覆盖有信号的网格数与所述网格的全部网格数，计算各个信号波及待处理脑电序列信号的相空间分布密度，获得待处理脑电序列信号在相空间的特征量。
2.根据权利要求1所述的基于多空间信号特征的脑电放松度识别方法，其特征在于，所述获取每个信号波的采样点数及所述信号波内各秒中幅度小于幅度阈值且幅度绝对值最大的点，计算这些点的幅度平均值，并根据所述采样点数及所述幅度平均值计算各个信号波的幅度概率密度，获得所述脑电切片信号在时域空间的特征量具体包括：
统计每个信号波的采样点数n；
查找所述信号波内各秒中幅度小于幅度阈值并且幅度绝对值最大的点，计算这些点的幅度平均值AmpMaxAverrage；
统计幅度值在(-AmpMaxAverrage×k，+AmpMaxAverrage×k)区间的点的数目Ampnum，其中k为经验值；
根据采样点数n及Ampnum计算各个形变的幅度概率密度，获得所述脑电切片信号在时域空间的特征量。
3.根据权利要求1所述的基于多空间信号特征的脑电放松度识别方法，其特征在于，所述根据所述待处理脑电序列信号在时域空间的特征量、相空间的特征量及在频域空间的特征量进行分类识别，得到脑电放松度具体包括：
利用至少一个训练好的支持向量机和至少一个神经网络模型对所述特征量进行分类，得到所述待处理脑电序列信号在各个支持向量机及各个神经网络模型下的分类；
将出现次数最多的分类设置为所述待处理脑电序列信号的分类；
根据所述分类与脑电放松度的对应关系，识别得到与所述待处理脑电序列信号对应的脑电放松度。
4.根据权利要求1所述的基于多空间信号特征的脑电放松度识别方法，其特征在于，在所述根据所述待处理脑电序列信号在时域空间的特征量、相空间的特征量及在频域空间的特征量进行分类识别，得到脑电放松度之前，还包括：
对所述待处理脑电序列信号在时域空间的特征量、相空间的特征量及在频域空间的特征量进行特征选取及特征降维。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广州视源电子科技股份有限公司;广州希科医疗器械科技有限公司，未经广州视源电子科技股份有限公司;广州希科医疗器械科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710187187.4/1.html，转载请声明来源钻瓜专利网。
- 上一篇：心电电极的制造方法
- 下一篇：基于频域及相空间的脑电放松度识别方法及装置
