【摘要】 本发明公开了一种脑电特征提取方法，包括以下步骤：去除背景脑电数据和待处理脑电数据中的伪迹，分别获得背景脑电数据和待处理脑电数据的有效频段，分别将背景脑电数据和待处理脑电数据的有效频段分为若干数据段；对每个数据段分别提取时频特征和形态特征，得到每个数据段相应的时频特征值和形态特征值；利用背景脑电数据每个数据段的时频特征值和形态特征值，计算得到特征值的频率分布函数；利用背景脑电数据的频率分布函数，得到待处理脑电数据每个数据段的时频特征值出现的概率和形态特征值出现的概率；利用特征值的概率计算得到IMF-VoE特征值。利用IMF-VoE特征值可以快速有效识别脑电信号的变化特征，监测大脑状态。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310027 浙江省杭州市西湖区浙大路38号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210308790.0 【申请日】2012-08-28 【申请年份】2012 【公开公告号】CN102824172B 【公开公告日】2014-03-19 【公开公告年份】2014 【授权公告号】CN102824172B 【授权公告日】2014-03-19 【授权公告年份】2014.0 【IPC分类号】A61B5/0476 【发明人】王跃明; 祁玉; 郑筱祥; 张建民; 朱君明 【主权项内容】1.一种脑电特征提取方法，包括获取背景脑电数据和待处理脑电数据，其特征在于，还包括以下步骤： (1)去除背景脑电数据和待处理脑电数据中的伪迹，分别获得背景脑电数据的有效频段和待处理脑电数据的有效频段，再分别将背景脑电数据的有效频段和待处理脑电数据的有效频段分为若干数据段； 采用带通滤波去除伪迹，去除伪迹后获得的有效频段频率为1.6～70Hz； 采用滑动时间窗的方法将有效频段分为若干数据段，滑动时间窗的长度为1s，滑动步长为0.2s； (2)对所得的每个数据段分别提取时频特征和形态特征，得到每个数据段相应的时频特征值和形态特征值； (3)利用背景脑电数据每个数据段的时频特征值和形态特征值，计算得到时频特征值的频率分布函数和形态特征值的频率分布函数； 采用频率分布直方图归一化的方法得到时频特征值的频率分布函数和形态特征值的频率分布函数； (4)利用背景脑电数据的时频特征值的频率分布函数和形态特征值的频率分布函数，得到待处理脑电数据每个数据段的时频特征值出现的概率和形态特征值出现的概率； (5)利用下式计算得到IMF-VoE特征值， 其中，t为数据段的序数； n为特征值的数量； Pc为步骤(4)中待处理脑电数据每个数据段的时频特征值出现的概率或形态特征值出现的概率； c为特征值的序数。 【当前权利人】浙江浙大西投脑机智能科技有限公司 【当前专利权人地址】浙江省杭州市西湖区智汇众创中心1号楼801-804室 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【引证次数】12.0 【被引证次数】3 【他引次数】12.0 【被他引次数】3.0 【家族引证次数】12.0 【家族被引证次数】21

未经允许不得转载：http://www.zhongzhencnc.com/1791603563.html