[发明专利]一种脑电信号的特征提取方法及系统

权利要求书

1.一种脑电信号的特征提取方法，其特征在于，所述方法包括：

获取脑电信号；

采用Pearson相关系数优化的经验模态分解算法和多重分形去趋势波动分析算法确定所述脑电信号的自相关性特征；

确定所述脑电信号的复杂性特征；所述复杂性特征包括：分层模糊熵、不对称熵特征和不对称熵指数；所述分层模糊熵包括不同频段的左脑分层模糊熵和相应频段的右脑分层模糊熵，所述不对称熵特征包括不同频段的左脑分层模糊熵和相应频段的右脑分层模糊熵的差值，所述不对称熵指数包括左脑不对称熵指数和右脑不对称熵指数，所述左脑不对称熵指数根据所有频段的左脑分层模糊熵得到，所述右脑不对称熵指数根据所有频段的右脑分层模糊熵得到；

将所述自相关性特征和所述复杂性特征确定为所述脑电信号的特征，所述脑电信号的特征用于对所述脑电信号进行疲劳驾驶的分类。

2.根据权利要求1所述的脑电信号的特征提取方法，其特征在于，所述采用Pearson相关系数优化的经验模态分解算法和多重分形去趋势波动分析算法确定所述脑电信号的自相关性特征，具体包括：

对所述脑电信号进行去均值求和，得到去均值求和信号；

利用经验模态分解算法将所述去均值求和信号分解为残差项和多个固有模态函数；

利用最小二乘法对所述去均值求和信号进行拟合得到拟合多项式；

计算每个所述固有模态函数与所述拟合多项式之间的Pearson相关系数；

对所有的Pearson相关系数由大到小进行排序，得到相关系数序列；

将所述相关系数序列中的排名第一的Pearson相关系数确定为第一相关系数，将所述相关系数序列中的排名第二的Pearson相关系数确定为第二相关系数；

确定第一固有模态函数和第二固有模态函数；所述第一固有模态函数为所述第一相关系数对应的固有模态函数，所述第二固有模态函数为所述第二相关系数对应的固有模态函数；

利用所述多重分形去趋势波动分析算法，根据所述残差项、所述第一固有模态函数和所述第二固有模态函数，得到所述脑电信号的自相关性特征。

3.根据权利要求1所述的脑电信号的特征提取方法，其特征在于，所述确定所述脑电信号的复杂性特征，具体包括：

对所述脑电信号中的左脑信号进行小波包分解与重构，得到四个频段的左脑分频段信号；

对所述脑电信号中的右脑信号进行小波包分解与重构，得到四个频段的右脑分频段信号；

计算每个频段的左脑分频段信号的模糊熵，得到四个频段的左脑分层模糊熵；四个频段的左脑分层模糊熵分别为：第一左脑模糊熵、第二左脑模糊熵、第三左脑模糊熵和第四左脑模糊熵；

计算每个频段的右脑分频段信号的模糊熵，得到四个频段的右脑分层模糊熵；四个频段的右脑分层模糊熵分别为：第一右脑模糊熵、第二右脑模糊熵、第三右脑模糊熵和第四右脑模糊熵；

根据四个频段的所述左脑分层模糊熵和四个频段的所述右脑分层模糊熵计算所述不对称熵特征和所述不对称熵指数；

将所述左脑分层模糊熵、所述右脑分层模糊熵、所述不对称熵特征和所述不对称熵指数确定为所述脑电信号的复杂性特征。

4.根据权利要求3所述的脑电信号的特征提取方法，其特征在于，所述根据四个频段的所述左脑分层模糊熵和四个频段的所述右脑分层模糊熵计算所述不对称熵特征和所述不对称熵指数，具体包括：

根据所述第一左脑模糊熵和所述第一右脑模糊熵确定第一不对称模糊熵特征，根据所述第二左脑模糊熵和所述第二右脑模糊熵确定第二不对称模糊熵特征，根据所述第三左脑模糊熵和所述第三右脑模糊熵确定第三不对称模糊熵特征，根据所述第四左脑模糊熵和所述第四右脑模糊熵确定第四不对称模糊熵特征；

将所述第一不对称模糊熵特征、所述第二不对称模糊熵特征、所述第三不对称模糊熵特征和所述第四不对称模糊熵特征确定为所述不对称熵特征；

根据所述第一左脑模糊熵、所述第二左脑模糊熵、所述第三左脑模糊熵和所述第四左脑模糊熵计算所述左脑不对称熵指数，根据所述第一右脑模糊熵、所述第二右脑模糊熵、所述第三右脑模糊熵和所述第四右脑模糊熵计算所述右脑不对称熵指数；

将所述左脑不对称熵指数和所述右脑不对称熵指数确定为不对称熵指数。