[发明专利]一种基于脑电信号特征融合的认知负荷评估方法

权利要求书

1.一种基于脑电信号特征融合的认知负荷评估方法，其特征在于，所述方法包括以下步骤：

步骤S100：采集被试者不同认知负荷水平对应的脑电信号；

步骤S200：对所述脑电信号进行预处理，得到预处理后的脑电信号；

步骤S300：对所述预处理后的脑电信号进行特征提取，分别提取得到功率谱密度、功能连接性和微状态特征；

步骤S400：对所述功率谱密度、功能连接性和微状态特征进行特征融合，得到不同认知负荷水平下的融合后的特征，将所述不同认知负荷水平下的融合后的特征输入至训练好的分类模型后进行分类，得到分类评估结果，完成对不同认知负荷水平的识别。

2.根据权利要求1所述的方法，其特征在于，步骤S200包括：

步骤S210：经过通道定位、用0.1-40Hz带通滤波器去除所述脑电信号的高频噪声；

步骤S220：采用48-52Hz降压滤波器去除工频干扰；

步骤S230：将数据分割成2s长的片段，绘制信号波形，人工去除高噪声段；

步骤S240：采用独立成分分析去除电眼伪迹，得到预处理后的脑电信号。

3.根据权利要求2所述的方法，其特征在于，步骤S300中对所述预处理后的脑电信号进行特征提取得到功率谱密度，包括：

步骤S310：利用傅里叶变换将所述预处理后的脑电信号转换为频域信号，具体为：

其中，X(w)是信号的傅里叶变换，j是虚数的前缀，w表示2π的数量；

步骤S320：分析不同频域的信号得到对应的频域信息，根据所述频域信息得到不同频段的功率谱密度，具体为：

其中，Δt，N和f_s分别表示采样周期、时间段内的采样次数和采样频率，S(w)表示对应频段的功率谱密度。

4.根据权利要求2所述的方法，其特征在于，步骤S300中对所述预处理后的脑电信号进行特征提取得到功能连接性，包括：

步骤S330：计算所述预处理后的脑电信号中任意两个信号的互谱密度和自谱密度，具体为：

其中，N为信号序列长度，X(f)为信号x的离散傅里叶变换，S_xx(f)为信号x的自谱密度，Y(f)为信号y的离散傅里叶变换，S_xy(f)为信号x、y的互谱密度；

步骤S340：根据所述任意两个信号的互谱密度和自谱密度得到两个信号在频域中的功能连接性，具体为：

其中，Coh_xy取值范围为[0 1]。

5.根据权利要求2所述的方法，其特征在于，步骤S300中对所述预处理后的脑电信号进行特征提取得到微状态特征，包括：

步骤S350：计算所有电极上信号的标准差，得到全局场电位曲线，具体为：

其中，v_i(t)是电极i在t时刻的电压值，是t时刻所有电极的平均电压值，m是电极数目；

步骤S360：所述全局场电位曲线的峰值点代表最高信噪比时刻，记录全局场电位曲线峰值点各电极上的电位，得到原始地形图的序列，利用聚类算法将地形图集解释为四个微状态图；

步骤S370：通过选取与所述原始地形图序列中每个地形图相关程度最高的微状态类型，将所述全局场电位曲线峰值处的原始地形图表示为一系列四种交替类型的微观状态，分析得到各微观状态的平均持续时间、单位时间内各微观状态发生的次数、各微观状态的覆盖时间与总时间的比率以及四种微观状态之间转换的概率。