[发明专利]一种基于互补集合经验模态分解的单导脑电睡眠分期方法

权利要求书

1.一种基于互补集合经验模态分解的单导脑电睡眠分期方法，该方法利用脑电信号分解之后的本征模态分量IMF与原始脑电信号EEG的组合数据形式进行分析；并且采用精简后残差网络ResNet对组合形式的数据进行表征信息提取；最后选取能够充分利用时序信号前后关联信息的长短期记忆人工神经网络LSTM进行分类，具体操作步骤如下：

(一)数据预处理：首先将原始EEG信号分成多个时间段信号，每一个时间段信号都对应一个相应的睡眠状态；然后每个时间段信号经过滤波器，得到含有主频成分的EEG信号；

(二)将步骤(一)中所得的含有主频成分的EEG信号进行互补集合经验模态分解CEEMD，得到若干条本征模态分量IMF和一条残留边带信息；

(三)将步骤(一)得到的含有主频成分的EEG信号和步骤(二)分解得到的前N条本征模态分量IMF分别送入精简、改进后的残差网络ResNet进行表征信息提取，然后将两部分提取到的表征信息进行特征拼接，作为送入分类网络得到最终特征；

(四)在将数据送入分类网络之前先进行维度转换，变成与标签一一对应的数据形式，并对数据进行归一化处理，最后送入长短时记忆人工神经网络LSTM进行分类，得到分类结果。

2.根据权利要求1所述的一种基于互补集合经验模态分解的单导脑电睡眠分期方法，其特征在于：步骤(三)中所述的精简、改进后的残差网络ResNet是指只保留ResNet前两层的基本网络架构。

3.根据权利要求1所述的一种基于互补集合经验模态分解的单导脑电睡眠分期方法，其特征在于：步骤(三)中N的值通过实验得到最优值。

4.根据权利要求1所述的一种基于互补集合经验模态分解的单导脑电睡眠分期方法，其特征在于：步骤(三)中的特征拼接过程分两步，首先是将N个分量IMF经过ResNet得到的N个特征矩阵进行加法运算，得到总IMF特征矩阵，即

其中Feature_IMF是N个分量IMF经过ResNet得到的N个特征矩阵进行加法运算后得到的总IMF特征矩阵，Feature_IMF(i)是代表着第i个分量IMF经过ResNet得到的特征；

然后是将主频成分的EEG信号经过ResNet得到的一个特征矩阵与第一步中得到的总IMF特征矩阵进行横向拼接，即

Feature＝[Feature_EEG,Feature_IMF]

其中Feature_EEG代表主频成分的EEG信号经过ResNet得到的特征矩阵，Feature_IMF是N个分量IMF经过ResNet得到的N个特征矩阵进行加法运算后得到的总IMF特征矩阵，Feature就是将前面两部分提取到的表征信息进行特征拼接后得到的特征。