[发明专利]一种基于功率谱划分的复杂度谱脑电信号分类识别方法

摘要

本发明提出了一种基于功率谱划分的复杂度谱的脑电信号分类识别方法，属于脑电信号的模式识别与分类领域。本发明主要包括一种基于功率谱划分的脑电信号的复杂度谱定义、分析和提取方法和一种非线性罗辑斯蒂(Logistic)复杂度谱参考模型构建方法。首先对脑电信号定义了一个基于功率谱划分的复杂度谱，并给出其计算方法，然后利用本发明对此映射生成的数据序列进行计算，据此建立一个对脑电信号分析复杂度的谱参考模型，并分析各谱线序列的大小、数量和分布所反映的物理意义，画出该映射基于功率谱划分的复杂度谱参考空间分布模型。本发明可以对脑电信号进行模式识别和分类研究。

主权项

一种基于功率谱划分的复杂度谱的脑电信号分类识别方法，其特征在于包括以下步骤：步骤一：基于功率谱划分的复杂度谱模型的定义及计算，方法如下：(1)对于给定的脑电信号序列X＝{x(n),n＝0,1,2,...,N‑1}，计算其傅立叶(Flourier)变换，得到功率谱序列，记为F；(2)利用公式计算序列F在f(k)点处的功率谱值，得到功率谱值序列:P＝{p(k),k＝0,1,2,...,N‑1}；(3)寻找P的最大值和最小值：Pmax＝max(P)，Pmin＝min(P)，计算其差值ΔP＝Pmax‑Pmin，将ΔP平均分成m段，其中：2≤m≤N的正整数,N为P的元素个数，并从下到上依次记为ΔP1,ΔP2,…,ΔPm，记新序列为则按如下规则生成新序列：得到新序列(4)对于序列进行傅立叶逆变换，得新的时间序列为：xj~(n)=Σk=0N-1fNj~(k)WNnk,k=0,1,2,...,N-1,j=1,2,...,m,]]>表示的傅立叶变换项；(5)定义如下求和比：CX(j)=Σn=0N-1|xj~(n)|2Σn=0N-1|x(n)|2,j=1,2,...,m,]]>CX(j)为序列X的第j复杂度值，称序列S＝{CX(j),j＝1,2,...,m}，为脑电信号时间序列X的基于功率谱划分的复杂度谱；步骤二：建立非线性罗辑斯蒂(Logistic)映射的复杂度谱参考演化模型，方法如下：(1)根据罗辑斯蒂映射公式，生成控制参数u∈[0.75,2]的演化区间作为建立脑电信号复杂度谱从周期经混沌向随机演化的标准数据，按照步骤一的方法计算脑电信号每一时间序列的复杂度谱：Si={CXi(j),j=1,2,...,m},i∈[0.75,2],]]>Si表示i对应复杂度谱；(2)按照给定的数据步长，逐步加大计算窗口的长度并重复计算S,直到各复杂度谱中的每个复杂度值收敛或变化稳定为止，此时计算和统计稳定区间的如下过程数据：1)计算最小数据窗口的长度：Nmin＝min{N1,N2,N3,…Ni}，Ni表示在收敛或变化稳定时各计算窗口长度；2)计算S在稳定区域各谱线的近似平均值：S‾={CXi(j)‾,j=1,2,...,m,i∈[0.75,2]},]]>表示S的近似平均值序列；3)计算S中各复杂度值的变化范围：表示在时间序列X的控制参数u＝i时第j复杂度在不同长度的窗口计算得到的复杂度值序列；(3)根据复杂度谱序列最后计算值，并对其校验后在三维坐标图中作出三维空间模型图，并标出变化范围的边界，作出各序列每个复杂度谱的窗口长度三维模型；步骤三：计算已获取多种脑电信号的复杂度谱序列特征，并在参考模型中标定，方法如下：(1)对于已收集到的多种脑电信号，按照步骤一和步骤二的计算方法，计算Nmin、和指标；(2)并将这些指标标定在窗口长度三维模型中，以此确定这几类脑电信号指标在这两个模型中的空间位置和分布范围的大小；步骤四：对于新采集的脑电未知信号计算其特征指标，并将其与参考模型的特征空间做相似度对比，计算其和各类空间之间的距离dis,最后依据dis的大小进行排序，取最小值的dis的类作为分类识别输出。