[发明专利]一种基于非高斯时序模型的脑电特征提取方法

摘要

本发明公开了一种基于非高斯时序模型的脑电特征提取方法，包括以下步骤：获取待处理脑电数据和两组训练脑电数据，去除伪迹，将得到的有效频段分为若干数据段；提取每个数据段的时频特征值、形态特征值和复杂度特征值，每个数据段的特征值构成一个特征向量；为第一组训练脑电数据中的每个特征向量标记状态值，并利用标记结果训练支持向量机；将第二组训练脑电数据的特征向量输入支持向量机中，得到第二组训练脑电数据的状态值序列；建立观察方程和状态转移方程，利用第二组训练脑电数据的特征向量和状态值序列，确定方程中的参数；利用待处理脑电数据的特征向量以及两个方程，得到待处理脑电数据的状态值。本方法能够准确辨别不同的大脑状态。

主权项

一种基于非高斯时序模型的脑电特征提取方法，其特征在于，包括以下步骤：（1）获取待处理脑电数据和两组训练脑电数据，去除待处理脑电数据和两组训练脑电数据中的伪迹，分别获得待处理脑电数据的有效频段和两组训练脑电数据的有效频段，再分别将待处理脑电数据的有效频段和每组训练脑电数据的有效频段分为若干数据段；每组训练脑电数据中均包括两种大脑状态下的脑电数据；（2）提取步骤（1）中每个数据段的时频特征、形态特征和复杂度特征，得到相应的时频特征值、形态特征值和复杂度特征值，每个数据段的时频特征值、形态特征值和复杂度特征值构成一个特征向量；（3）两组训练脑电数据分别记为第一组训练脑电数据和第二组训练脑电数据：3‑1、为第一组训练脑电数据中的每一个特征向量标记状态值，利用标记完状态值的第一组训练脑电数据训练支持向量机；3‑2、将第二组训练脑电数据的所有特征向量输入步骤3‑1中所得的训练好的支持向量机中，得到第二组训练脑电数据的状态值序列；（4）建立表达特征向量与大脑状态之间关系的观察方程，并利用自回归模型建立状态转移方程，利用第二组训练脑电数据的特征向量和状态值序列，确定观察方程和状态转移方程中的所有参数；（5）利用待处理脑电数据的特征向量以及步骤（4）获得的观察方程和状态转移方程，采用粒子滤波的方法得到待处理脑电数据的状态值。