[发明专利]基于渐变等状态分布的睡眠脑电信号幅度分析方法

权利要求书

1.一种基于渐变等状态分布的睡眠脑电信号幅度分析方法，其特征在于：包括以下步骤，

S1、给定长度为L的睡眠脑电信号X(t)＝{x(1),x(2),…,x(t),…,x(L)}，计算睡眠脑电信号X(t)的差分向量序列X′(t)＝{x′(1),x′(2),…,x′(t),…,x′(L-m*τ)}，用以表征幅度波动，其中，m为差分向量x′(t)的长度，τ为延迟；

S2、根据睡眠脑电信号X(t)和步骤S1所得差分向量序列X′(t)，计算睡眠脑电渐变等状态分布的转化参数a、转化参数b和阈值r；

S3、根据差分向量序列X′(t)的特征和步骤S2所得阈值r，判定转化函数形式，进而构建睡眠脑电的幅度波动转化函数f(t)；

S4、由步骤S3所得渐变等状态转化函数f(t)，对步骤S1得到的长度为L-m*τ的差分向量序列X′(t)进行渐变等状态转化后，统计差分等状态分布F；

S5、由步骤S4所得差分等状态分布F，获得睡眠脑电信号X(t)的渐变等状态分布gDES，以实现对睡眠脑电幅度波动特征的提取分析。

2.如权利要求1所述的基于渐变等状态分布的睡眠脑电信号幅度分析方法，其特征在于：步骤S1中，给定长度为L的睡眠脑电信号X(t)＝{x(1),x(2),…,x(t),…,x(L)}，计算X的差分向量序列X′(t)＝{x′(1),x′(2),…,x′(t),…,x′(L-m*τ)}，具体为：

S11、给定长度为L的睡眠脑电信号X(t)＝{x(1),x(2),…,x(t),…,x(L)}，构建脑电信号X(t)的向量状态序列X^m(t)：

X^m(t)＝{x^m(1),x^m(2),…,x^m(t),…,x^m[L-(m-1)τ]}

其中，向量表示为x^m(t)＝{x(t),x(t+τ),…,x[t+(m-10τ]}；

S12、计算相邻向量x^m(t)和x^m(t+τ)的向量差值x′(t)，构建差分向量序列X′(t)。

3.如权利要求2所述的基于渐变等状态分布的睡眠脑电信号幅度分析方法，其特征在于：步骤S12中，计算相邻x^m(t)和x^m(t+τ)的向量差值x′(t)，具体为，

向量差值x′(t)采用向量的闵可夫斯基距离表示：

式(1)中，x_t+τ(i)和x_t(i)分别为向量x^m(t)和x^m(t+τ)中的元素，m是向量元素的个数，p为向量差值计算的控制参数，向量元素的个数m和控制参数p共同决定了差分向量序列X′(t)的构建；控制参数p决定了向量差值x′(t)的类型，具体为：当p＝1时，向量差值x′(t)为曼哈顿距离，即向量对应元素绝对差值的累加；当p＝2时，向量差值x′(t)为欧氏距离；当p＝∞时，向量差值x′(t)的切比雪夫距离，也就是提取向量对应元素的最大绝对差值。

4.如权利要求1-3任一项所述的基于渐变等状态分布的睡眠脑电信号幅度分析方法，其特征在于：步骤S2中，计算睡眠脑电渐变等状态分布的转化参数a、转化参数b和阈值r，具体为：

S21、计算睡眠脑电信号X(t)的参数基准σ：

式中，为睡眠脑电信号X(t)的均值，L为睡眠脑电信号X(t)的长度；

S22、计算脑电差分向量序列X′的参数基准σ′：

式中，为差分向量序列X′(t)的均值，L-m*τ为差分向量序列X′(t)的长度；

S23、计算渐变等状态分布的转化参数a、转化参数b和阈值r：

式中，β和γ为可调的控制参数。