[发明专利]一种脑电特征的提取方法

说明书

一种脑电特征的提取方法，使用脑电检测设备获取到脑电波的原始数据，对原始数据进行信号处理，将所提取的特征进行训练，得到时域特征强烈、频域特征和时域特征均稳定的特征。一方面，解决了在实时处理中，对于时域特征强烈的脑电信号提取困难的问题，另一方面，有效的从频域以及时域角度加强了特征的稳定性，改善了波形严重干扰的问题。

技术领域

本发明属于检测分析技术领域，尤其涉及一种脑电波提取模型的创建及其提取方法。

背景技术

随着科技的发展，图像、语音和文字的识别都有很大的进展。伴随着人们的好奇心，脑电波的研究也一直引起了许多学者的关注，与此同时，脑电信号是一种时变的、背景噪声很强的非平稳随机信号，因此使得脑电信号分析成为了一种吸引人但是又具有相当难度的研究课题。

发明内容

本发明旨在通过使用脑电采集设备获取到脑电波的原始数据，对原始数据进行信号处理，将所提取的特征进行训练，得到时域特征强烈、频域特征和时域特征均稳定的特征。

为实现上述目的，本发明采用如下技术方案。

一种脑电特征的提取方法，包括如下步骤：

1)采集不同状态下的脑电信号；

2)对待识别信号进行分帧处理，并将待识别信号分为特征明显部分S1和特征不明显部分S2；

3)分别提取S1与S2中的脑电特征信息；

4)将脑电特征进行不同的特征组合形成不同的特征向量，对特征向量进行统计分析，获取收敛速度快、准确率高、计算复杂度小的特征向量；

相应的，步骤1)中，状态包括眨眼状态、咬牙状态、安静休息状态、看书状态；

相应的，步骤1)中，保留时域幅值在-400uv至400uv区间占比大于55％的数据段；

相应的，步骤2)中，获取分帧处理后的时域幅值在-400uv至400uv区间占比大于55％的数据段的短时能量，并进行归一化处理，将大于平均值2倍的特征作为特征明显部分S1，其余为特征不明显部分S2；

相应的，步骤3)中，提取的脑电特征包括δ波的能量比、θ波的能量比、α波的能量比、β波的能量比、γ波的能量比、(α+θ)/β、α/β、(α+θ)/(α+β)、θ/β，0—40Hz的能量比、100—200Hz的能量比、平均能量、过零率；

相应的，步骤4)中，特征向量通过C语言处理以解决实时性问题；

相应的，步骤4)中，记录特征向量的特征值，进行统计分析，确定特征阈值，实现特征的分类。

本发明的有益效果为：一方面，解决了在实时处理中，对于时域特征强烈的脑电信号提取困难的问题，另一方面，有效的从频域以及时域角度加强了特征的稳定性，改善了波形严重干扰的问题。

附图说明

图1是本发明一个实施例中脑电信号提取流程示意图。

具体实施方式

如图1所示，在本发明的一个实施例中，脑电波的提取方法包括如下步骤：

1)采集眨眼状态、咬牙状态、安静休息状态、看书状态的脑电信号，保留时域幅值在-400uv至400uv区间占比大于55％的数据段；

2)对时域幅值在-400uv至400uv区间占比大于55％的数据段进行分帧处理，获取分帧处理后的短时能量(短时能量为一帧语音信号的能量)，并进行归一化(归一化是一种简化计算的方式，将有量纲的表达式，经过变换，化为无量纲的表达式，成为标量)处理，将大于平均值2倍的特征作为特征明显部分S1，其余为特征不明显部分S2；