一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法，本发明专利技术涉及眼电伪迹去除的睡眠分期方法。传统方法缺乏参考眼电信号，去除方法较为困难、知识的抽取和表达比较困难，并且其收敛性有时无法保证，无法对知识直接进行学习以及不能充分挖掘脑电信号中蕴含的睡眠信息的问题，而提出的一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法。该方法是通过1、得到M个小波系数；2、不包含眼电伪迹的P个小波系数，作为纯净的脑电信号；3、得到IMF分量的个数与残差之和；4、得到脑电分量以及眼电分量；5、重构纯净的脑电信号；6、得到X(n)；7、提取7个特征参数；8、得到睡眠状态分期指数等步骤实现的。本发明专利技术应用于睡眠分期领域。
【技术实现步骤摘要】
本专利技术涉及眼电伪迹去除的睡眠分期方法，特别涉及一种基于单通道脑电信号眼 电伪迹去除的睡眠分期方法。
技术介绍
睡眠作为人体休息的自然状态，约占人类寿命三分之一的时间，因此睡眠分期对 于研宄睡眠对神经功能的影响、睡眠障碍、睡眠和其他医学状态紊乱的关系具有十分重要 的意义。脑电信号（EEG)是大脑细胞轴突与树突之间以及细胞之间的电压变化在大脑头皮 上的反映，包含了丰富的脑功能状态信息。因此，对EEG的分析具有非常重要的实际意义。 在睡眠相关脑电信号分析过程中，眼电信号伪迹去除，特征参数提取与分类是其中最重要 的几个技术环节。 经大脑头皮采集到的脑电信号包含各种电路噪声，工频干扰，以及生理伪迹干扰 信号。而这些干扰信号往往幅度较大使得真实的脑电信号被湮没在各种噪声之中。其中， 眼电伪迹是影响脑电信号的重要生理伪迹之一。多通道脑电信号的眼电伪迹去除方法相对 较为成熟和完善，而单通道脑电信号，由于信息量少，而且缺乏参考眼电信号，去除方法较 为困难。目前，针对睡眠状态分期，常用的脑电信号特征提取技术多集中在脑电信号的频 域分析。但是最新的研宄表明，脑电信号具有严重的非线性、非平稳等特征，仅仅依靠频域 的特征参数，势必不能充分提取脑电信号所包含的睡眠信息。常用的非线性特征参数分类 方法主要神经网络和模糊逻辑等。神经网络分类法具有较强的非线性映射能力，虽然可以 对训练样本进行有效的学习，但对知识的抽取和表达比较困难，并且其收敛性有时无法保 证。模糊逻辑分类法：采用规则库的方法很好地解决了知识的表达和抽取这一问题，但无法 对知识直接进行学习。 综上所述，针对睡眠状态分期，现有的脑电特征提取方法只注重其某一特征的分 析，不能充分挖掘脑电信号中蕴含的睡眠信息；在此基础上的脑电特征分类方法不能完全 解决知识表达、抽取和知识学习的问题，分类效果不佳。
技术实现思路
本专利技术的目的是为了解决传统方法缺乏参考眼电信号，去除方法较为困难、知识 的抽取和表达比较困难，并且其收敛性有时无法保证，无法对知识直接进行学习以及不能 充分挖掘脑电信号中蕴含的睡眠信息的问题，而提出的一种基于单通道脑电信号眼电伪迹 去除的睡眠分期方法。 上述的专利技术目的是通过以下技术方案实现的： 步骤一、对采集到的单通道脑电信号X(n)进行小波变换，得到M个小波系数；其 中，M个小波系数分为两类：不包含眼电伪迹的小波系数为P个以及含眼电伪迹的小波系数 为M-P个； 步骤二、对于不包含眼电伪迹的P个小波系数，直接作为纯净的脑电信号； 步骤三、含有眼电伪迹的M-P个小波系数W(i)经过经验模态分解后表示为N个内 蕴模态函数即IMF分量的个数与残差之和：【主权项】1. ，其特征在于一种基于单通 道脑电信号眼电伪迹去除的睡眠分期方法具体是按照以下步骤进行的： 步骤一、对采集到的单通道脑电信号X(n)进行小波变换，得到M个小波系数；其中，M个小波系数分为两类：不包含眼电伪迹的小波系数为P个以及含眼电伪迹的小波系数为 M-P个； 步骤二、对于不包含眼电伪迹的P个小波系数，直接作为纯净的脑电信号； 步骤三、含有眼电伪迹的M-P个小波系数W(i)经过经验模态分解后表示为N个内蕴模 态函数即IMF分量的个数与残差之和：(1) 其中：W(i)为第i个含有眼电伪迹的小波系数，Cj为该小波系数的第j个内蕴模态函 数，1'为残差，1 = 1，2,3，一，11-?，」=1，2,3，一，1 步骤四、将步骤三得到的每个含有眼电伪迹的小波系数的所有内蕴模态函数q以及残 差r输入到独立分量分析系统ICA中，得到每个含有眼电伪迹的小波系数的脑电分量以及 眼电分量； 步骤五、将步骤四得到的每个小波系数的眼电分量置零，并采用ICA逆运算重构纯净 的脑电信号； 步骤六、将步骤二和步骤五中的得到的纯净脑电信号求和，得到去除眼电伪迹后的纯 净脑电信号X(n); 步骤七、对步骤六得到的纯净脑电信号X(n)提取7个特征参数即4个频域参数、2个非 线性参数以及1个时频参数；其中，4个频域参数包括S，0，a和|3节律的频带能量比即 ratio( 5)、ratio( 9)、ratio(a)和ratio( 0 )，2 个非线性参数包括复杂度complexity 简称c(n)和最大Lyapunov指数简称Lyapunov，时频参数为希尔伯特黄变换瞬时频率均值 简称hilber; 步骤八、将步骤七提取的3个频域参数、2个非线性参数以及1个时频参数到的特征参 数输入到自适应模糊神经推理系统中，得到睡眠状态分期指数；其中，3个频域参数为在步 骤七提取的4个频域参数选择3个频域参数；即完成了一种基于单通道脑电信号眼电伪迹 去除的睡眠分期方法。2. 根据权利要求1所述，其特 征在于：步骤七中提取的频域参数ratio( 8)、ratio( 0)、ratio(a)和ratio(|3 )具体 为： 按式（2)，（3)，⑷和（5)计算纯净脑电信号X(n)中各频带信号的频带能量比即4个 频域参数的特征参数分别为： ratio ( 8 ) = E( 8 )/Eall (2) 其中，ratio(S)为纯净脑电信号X(n)中S频带的频带能量比特征参数；ratio ( 0 ) = E( 0 )/Eall (3) 其中，ratio(0)为纯净脑电信号X(n)中0频带的频带能量比特征参数；ratio (a ) = E(a )/Eall (4) 其中，ratio(a)为纯净脑电信号X(n)中a频带的频带能量比特征参数；ratio(|3 ) =E(|3 )/Eall (5) 其中，ratio(f3)为纯净脑电信号X(n)中0频带的频带能量比特征参数。3. 根据权利要求2所述，其特 征在于：E(S)、E(0)、E(a)和E(f3)具体为： (1)、对纯净脑电信号X(n)按式（6)进行离散傅里叶变换，得到信号X(n)的功率频谱P(k)：(6) 其中，N为纯净脑电信号X(n)的点数；P(k)为纯净脑电信号X(n)的频谱；n= 0，1，? ? ?，N_1 ; ⑵、按式⑵计算脑电信号X(n)中频带的信号能量E(S):(7) 其中，E(S)为纯净脑电信号X(n)中S频带的能量，S的频率范围为1~4Hz; 按式⑶计算脑电信号X(n)中频带的信号能量E(0):(8) 其中，E( 0 )为纯净脑电信号X(n)中0频带的能量，0的频率范围为4~8Hz; 按式（9)计算脑电信号X(n)中频带的信号能量E(a):(9) 其中，E(a)为纯净脑电信号X(n)中a频带的能量，a的频率范围为8~13Hz; 按式（10)计算脑电信号X(n)中频带的信号能量E(f3):(10) 其中，E(|3;力;服曰5Avn;屮|3频带的能量，|3的频率范围为13~30Hz。4. 根据权利要求2所述，其特 征在于：Eall具体为： 按式（11)计算纯净脑电信号X(n)中各频带的信号能量和Eall: Eall=E(8)+E(0)+E(a)+E(f3) (11) 其中，Eall为纯净脑电信号X(n)中各频带的信号能量和。5. 根据权利要求1所述，其特 征在于：步骤七中提取2个非线性参数即复杂度complexity简称c(n)和最大Lyapu本文档来自技高网...
【技术保护点】
一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法，其特征在于一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法具体是按照以下步骤进行的：步骤一、对采集到的单通道脑电信号X(n)进行小波变换，得到M个小波系数；其中，M个小波系数分为两类：不包含眼电伪迹的小波系数为P个以及含眼电伪迹的小波系数为M‑P个；步骤二、对于不包含眼电伪迹的P个小波系数，直接作为纯净的脑电信号；步骤三、含有眼电伪迹的M‑P个小波系数W(i)经过经验模态分解后表示为N个内蕴模态函数即IMF分量的个数与残差之和：其中：W(i)为第i个含有眼电伪迹的小波系数，Cj为该小波系数的第j个内蕴模态函数，r为残差，i＝1,2,3，…，M‑P，j＝1,2,3，…，N；步骤四、将步骤三得到的每个含有眼电伪迹的小波系数的所有内蕴模态函数Cj以及残差r输入到独立分量分析系统ICA中，得到每个含有眼电伪迹的小波系数的脑电分量以及眼电分量；步骤五、将步骤四得到的每个小波系数的眼电分量置零，并采用ICA逆运算重构纯净的脑电信号；步骤六、将步骤二和步骤五中的得到的纯净脑电信号求和，得到去除眼电伪迹后的纯净脑电信号X(n)；步骤七、对步骤六得到的纯净脑电信号X(n)提取7个特征参数即4个频域参数、2个非线性参数以及1个时频参数；其中，4个频域参数包括δ，θ，α和β节律的频带能量比即ratio(δ)、ratio(θ)、ratio(α)和ratio(β)，2个非线性参数包括复杂度complexity简称c(n)和最大Lyapunov指数简称Lyapunov，时频参数为希尔伯特黄变换瞬时频率均值简称hilber；步骤八、将步骤七提取的3个频域参数、2个非线性参数以及1个时频参数到的特征参数输入到自适应模糊神经推理系统中，得到睡眠状态分期指数；其中，3个频域参数为在步骤七提取的4个频域参数选择3个频域参数；即完成了一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法。...
【技术特征摘要】
【专利技术属性】
技术研发人员：刘志勇，孙金玮，朱政，刘丹，黄博妍，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。