[发明专利]基于时域及频域空间的脑电放松度识别方法及装置

权利要求书

1.一种基于时域及频域空间的脑电放松度识别方法，其特征在于，包括如下步骤：

对接收到的待处理脑电序列信号进行滤波，提取出对应于各个脑电波的信号波；

对各个所述信号波进行切片，计算每个信号波在与其对应的每个切片的y轴上的投影的最大值和最小值，根据最大值及最小值形成至少两个等长度的区间，并根据位于各个区间的投影的数量，得到各个信号波的栅条投影变异度，获得所述待处理脑电序列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能量，根据各个脑电波的频率范围及对应的信号波的能量，计算任意两个信号波之间的能量比率，获得所述待处理脑电序列信号在频域空间的特征量；

对所述待处理脑电序列信号在时域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。

2.根据权利要求1所述的基于时域及频域空间的脑电放松度识别方法，其特征在于，所述对所述各个信号波进行切片，计算每个信号波在与其对应的每个切片的y轴上的投影的最大值和最小值，根据最大值及最小值形成至少两个等长度的区间，并根据位于各个区间的投影的数量，得到各个信号波的栅条投影变异度，获得所述待处理脑电序列信号在时域空间的特征量具体包括：

将各个信号波切成具有相同时间间隔的至少两个切片；

计算每个信号波在与其对应的每个切片的y轴上的投影；

统计所有投影的最大值和最小值，并根据最大值及最小值形成至少两个等长度的区间；

统计位于各个区间的投影的数量，并计算各个区间的投影的数量的标准差，得到各个信号波的栅条投影变异度，获得所述待处理脑电序列信号在时域空间的特征量。

3.根据权利要求1所述的基于时域及频域空间的脑电放松度识别方法，其特征在于，所述对所述待处理脑电序列信号在时域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：

基于预先训练好的支持向量机对所述特征量进行分类，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所述的基于时域及频域空间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：

基于主成分分析法对所述待处理脑电序列信号在时域空间的特征量及在频域空间的特征量进行降维处理，获得降维后的特征量。

5.根据权利要求4所述的基于时域及频域空间的脑电放松度识别方法，其特征在于，所述基于主成分分析法对所述待处理脑电序列信号在时域空间的特征量及在频域空间的特征量进行降维处理，获得降维后的特征量具体包括：

将所述待处理脑电序列信号在时域空间的特征量及在频域空间的特征量设置为输入样本空间中的特征量，并对所述输入样本空间进行数据标准化处理；

根据数据标准化处理后的所述输入样本空间得到协方差矩阵；

计算所述协方差矩阵的特征根和与每个特征根对应的特征向量；其中，所述特征根的数量为p个，且所述的p个特征根按照大小排序；

获取所述的p个特征根中，贡献率之和大于预定阈值的前m个特征根；其中，每个特征根的贡献率等于所述特征根的值除以全部的p个特征根的值之和；

根据与所述的前m个特征根对应的特征向量及所述输入样本空间，得到主成分得分矩阵；其中，所述主成分得分矩阵中的特征量为所述降维后的特征量。