[发明专利]一种基于多通道神经信号分析的信号间耦合强度判断方法

说明书

本发明公开了一种基于多通道神经信号分析的信号间耦合强度的判断方法，其包括以下步骤：S1、在脑电数据库中选取多通道脑电信号；步骤S2：对选取的信号的两个时间序列进行预处理；S3、计算两个时间序列的的边缘概率分布函数，及两个时间序列的熵，并基于联合概率函数计算联合熵；S4、计算两个时间序列的原始排序交叉互信息；S5、计算替代的时间序列以及替代时间序列的PCMI；S6、计算纯正PCMI。本发明可以估计不同通道间信号的真实连接强度，能有效降低由于不同通道间信号相互干扰而产生信号伪迹对通道间信号强度评估结果的影响。

技术领域

本发明涉及多通道神经信号分析领域，具体涉及一种基于多通道神经信号分析的信号间耦合强度判断方法。

背景技术

研究表明，人体在进行感觉、运动、认知等事件时伴随着高水平的大脑活动，对于人而言，其不同大脑区域间信号耦合强度的高低能直接体现其大脑的活跃程度。现阶段，通过符号分析方法来对比脑电特征指标的变化，从而实现对大脑活跃强度变化的定量评估被认为是解决上述问题的一种简单而有效的方法，比如排序熵，符号传递熵，加权符号互信息等，用来进行神经系统分析和脑状态监测。然而这些方法忽略了信号之间存在伪迹，在计算过程中没有排除伪迹影响，使得计算结果不够准确，与神经信号间真实信息交互存在偏差。

发明内容

为了解决上述提到的现有技术的不足，本专利提出了一种基于多通道神经信号分析的信号间耦合强度判断方法，利用替代分析方法和符号动力学方法相结合，弥补了单一符号学方法不能消除伪迹的不足，能够获得神经信号间的真实耦合信息以及脑区之间的真实连接强度，可以对神经信号进行准确的特征提取，更加准确的分析大脑的信息整合能力的变化。

为实现上述目的，本发明采用了以下技术方案：

具体地，本发明提供一种基于多通道神经信号分析的信号间耦合强度判断方法，其包括以下步骤：

步骤S1：在脑电数据库中采集多通道脑电信号；

步骤S2：对采集的脑电信号进行预处理，预处理包括去除大振幅噪声、剔除50Hz工频信号和快速独立成分分析去除生理噪声成分；

选取两个通道预处理后的时间序列x_t和y_t，进行m维相空间重构，将重构的时间序列按递增顺序排列；

步骤S2中去除采集信号的大幅度噪声，并利用陷波滤波器去除50Hz的工频信号，对信号进行降采样，利用快速独立成分分析方法去除生理噪声；

选取预处理后脑电信号的两个时间序列，选取嵌入维数m滞后τ，进行m维相空间重构，将重构后的时间序列按照递增的顺序来排列；

选取两个时间序列x_t和y_t，t＝1,2,...n，采用相空间重构方法构造具有嵌入维数m和滞后τ的向量X_t[x_t,x_t+τ,...,x_t+mτ]和Y_t[y_t,y_t+τ,...,y_t+mτ]；其中，τ是一个特定的样本点，将时间序列按递增顺序排列，并用X_t和Y_t分别作为排序后时间序列和的表示符号；

步骤S3：分别计算x_t和y_t边缘概率分布函数，并计算这两个时间序列的熵值，基于联合概率函数计算这两个时间序列的联合熵；

步骤S3中分别计算两个时间序列的边缘概率分布函数，根据分布函数计算两个时间序列的熵值，并基于联合概率函数计算两个时间序列的联合熵，

具体为计算x_t和y_t边缘概率分布函数(PDF)，分别表示为p(x)和p(y)，x_t和y_t的熵被定义为：