催眠狀態(tài)腦電信號(hào)提取方法與系統(tǒng)的制作方法
【專(zhuān)利摘要】本發(fā)明提供一種催眠狀態(tài)腦電信號(hào)提取方法與系統(tǒng)，采集催眠狀態(tài)腦電初始信號(hào)，并進(jìn)行預(yù)設(shè)倍頻陷波處理，根據(jù)小波函數(shù)與理腦后電信號(hào)之間相關(guān)性，選取用于提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)，自適應(yīng)優(yōu)化選取的所述小波函數(shù)的中心頻率?帶寬比，通過(guò)所述優(yōu)化后的小波函數(shù)，從所述預(yù)處理腦電信號(hào)中提取催眠狀態(tài)腦電信號(hào)。整個(gè)過(guò)程中，自適應(yīng)優(yōu)化小波函數(shù)的中心頻率?帶寬比，實(shí)現(xiàn)小波系數(shù)自適應(yīng)調(diào)節(jié)，提高小波變換的分辨率，能有效且準(zhǔn)確提取催眠狀態(tài)腦電信號(hào)。
【專(zhuān)利說(shuō)明】
催眠狀態(tài)腦電信號(hào)提取方法與系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及信號(hào)提取技術(shù)領(lǐng)域，特別是涉及催眠狀態(tài)腦電信號(hào)提取方法與系統(tǒng)。
【背景技術(shù)】
[0002] 睡眠是人類(lèi)非常重要且不可或缺的生理需要。近些年來(lái)隨著人們生活節(jié)奏的加 快，工作壓力的增加，運(yùn)動(dòng)量的缺乏或其他原因引起的煩躁、身心不安，導(dǎo)致失眠患者越來(lái) 越多，已嚴(yán)重影響到人們的身心健康，使工作效率與生活質(zhì)量下降。
[0003] 催眠已成為臨床治療失眠和睡眠障礙的一種極為重要的手段，單獨(dú)或聯(lián)合其它的 心理療法，可以緩解諸多身心癥狀。許多研究發(fā)現(xiàn)，個(gè)體在催眠狀態(tài)下腦電Theta波增加，振 幅增加，高催眠感受性個(gè)體比低感受性個(gè)體更明顯。
[0004] 為了實(shí)現(xiàn)催眠狀態(tài)下高催眠感受性腦電的自動(dòng)檢測(cè)和正確地進(jìn)行催眠感受性的 分類(lèi)判別，必須從催眠狀態(tài)下腦電信號(hào)中提取最有判別力的信息。因此，尋求有效的催眠狀 態(tài)腦電信號(hào)提取方法迫在眉睫。

【發(fā)明內(nèi)容】

[0005] 基于此，有必要針對(duì)目前不能有效的提取催眠狀態(tài)腦電信號(hào)的問(wèn)題，提供一種有 效且準(zhǔn)確的催眠狀態(tài)腦電信號(hào)提取方法與系統(tǒng)。
[0006] -種催眠狀態(tài)腦電信號(hào)提取方法，包括步驟：
[0007] 采集催眠狀態(tài)腦電初始信號(hào)，并對(duì)催眠狀態(tài)腦電初始信號(hào)進(jìn)行預(yù)設(shè)倍頻陷波處 理，獲得預(yù)處理腦電信號(hào)；
[0008] 根據(jù)小波函數(shù)與預(yù)處理腦電信號(hào)之間相關(guān)性，選取用于提取催眠狀態(tài)腦電信號(hào)的 小波函數(shù)；
[0009] 自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后的小波函數(shù)；
[0010]通過(guò)優(yōu)化后的小波函數(shù)，從預(yù)處理腦電信號(hào)中提取催眠狀態(tài)腦電信號(hào)。
[0011] -種催眠狀態(tài)腦電信號(hào)提取系統(tǒng)，包括：
[0012] 預(yù)處理模塊，用于采集催眠狀態(tài)腦電初始信號(hào)，并對(duì)催眠狀態(tài)腦電初始信號(hào)進(jìn)行 預(yù)設(shè)倍頻陷波處理，獲得預(yù)處理腦電信號(hào)；
[0013] 小波函數(shù)選擇模塊，用于根據(jù)小波函數(shù)與預(yù)處理腦電信號(hào)之間相關(guān)性，選取用于 提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)；
[0014] 優(yōu)化模塊，用于自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后的小 波函數(shù)；
[0015] 信號(hào)提取模塊，用于通過(guò)優(yōu)化后的小波函數(shù)，從預(yù)處理腦電信號(hào)中提取催眠狀態(tài) 腦電信號(hào)。
[0016] 本發(fā)明催眠狀態(tài)腦電信號(hào)提取方法與系統(tǒng)，采集催眠狀態(tài)腦電初始信號(hào)，并進(jìn)行 預(yù)設(shè)倍頻陷波處理，根據(jù)小波函數(shù)與理腦后電信號(hào)之間相關(guān)性，選取用于提取催眠狀態(tài)腦 電信號(hào)的小波函數(shù)，自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比，通過(guò)優(yōu)化后的小波函 數(shù)，從預(yù)處理腦電信號(hào)中提取催眠狀態(tài)腦電信號(hào)。整個(gè)過(guò)程中，自適應(yīng)優(yōu)化小波函數(shù)的中心 頻率-帶寬比，實(shí)現(xiàn)小波系數(shù)自適應(yīng)調(diào)節(jié)，提高小波變換的分辨率，能有效且準(zhǔn)確提取催眠 狀態(tài)腦電信號(hào)。
【附圖說(shuō)明】
[0017] 圖1為本發(fā)明催眠狀態(tài)腦電信號(hào)提取方法第一個(gè)實(shí)施例的流程示意圖；
[0018] 圖2為本發(fā)明催眠狀態(tài)腦電信號(hào)提取方法第二個(gè)實(shí)施例的流程示意圖；
[0019] 圖3為Morlet小波中心頻率-帶寬比和小波熵之間的曲線關(guān)系示意圖；
[0020] 圖4為本發(fā)明催眠狀態(tài)腦電信號(hào)提取系統(tǒng)第一個(gè)實(shí)施例的結(jié)構(gòu)示意圖；
[0021] 圖5為本發(fā)明催眠狀態(tài)腦電信號(hào)提取系統(tǒng)第二個(gè)實(shí)施例的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0022] 如圖1所示，一種催眠狀態(tài)腦電信號(hào)提取方法，包括步驟：
[0023] S100:采集催眠狀態(tài)腦電初始信號(hào)，并對(duì)催眠狀態(tài)腦電初始信號(hào)進(jìn)行預(yù)設(shè)倍頻陷 波處理，獲得預(yù)處理腦電信號(hào)。
[0024] 催眠狀態(tài)腦電初始信號(hào)可以通過(guò)現(xiàn)有的儀器設(shè)備采集，例如可以通過(guò)腦電圖機(jī)采 集。腦電圖機(jī)采集到的催眠狀態(tài)腦電信號(hào)通常含有一定頻率的工頻噪聲干擾，沒(méi)有明顯的 腦電信號(hào)波動(dòng)規(guī)律，經(jīng)過(guò)分析，催眠狀態(tài)腦電初始信號(hào)不僅有工頻噪聲，還有一定頻率的諧 波噪聲，通過(guò)對(duì)這些催眠狀態(tài)腦電初始信號(hào)進(jìn)行預(yù)設(shè)倍頻陷波處理，獲得信號(hào)的曲線呈現(xiàn) 出明顯的腦電波動(dòng)形狀的預(yù)處理腦電信號(hào)。
[0025] S200:根據(jù)小波函數(shù)與預(yù)處理腦電信號(hào)之間相關(guān)性，選取用于提取催眠狀態(tài)腦電 信號(hào)的小波函數(shù)。
[0026] 小波函數(shù)有多種類(lèi)型，例如Haar小波、Co i f小波、Meyer小波、MeX i can小波以及 Morlet小波，不同的小波函數(shù)與預(yù)處理腦電信號(hào)之間相關(guān)性不同。非必要的，我們可以計(jì)算 不同小波函數(shù)與預(yù)處理腦電信號(hào)之間相關(guān)性系數(shù)，選取相關(guān)性系數(shù)最大的小波函數(shù)作為用 于提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)。
[0027] S300:自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后的小波函數(shù)。
[0028]中心頻率和帶寬是影響小波函數(shù)時(shí)頻分辨率關(guān)鍵因素。改變中心頻率-帶寬比就 可以改變小波變換的時(shí)頻分辨率。當(dāng)中心頻率-帶寬比達(dá)到最優(yōu)時(shí)，小波變換的時(shí)頻分辨率 最高，其能夠更加準(zhǔn)確提取催眠狀態(tài)腦電信。在這里，采用自適應(yīng)方式優(yōu)化小波函數(shù)的中心 頻率-帶寬比，自適應(yīng)優(yōu)化方式可以選擇相對(duì)小波熵自適應(yīng)優(yōu)化，小波奇異熵自適應(yīng)優(yōu)化以 及小波熵自適應(yīng)優(yōu)化等。
[0029] S400:通過(guò)優(yōu)化后的小波函數(shù)，從預(yù)處理腦電信號(hào)中提取催眠狀態(tài)腦電信號(hào)。
[0030] 優(yōu)化后小波函數(shù)的中心頻率-帶寬后，小波變換的時(shí)頻分辨率得到明顯的改善，能 夠更有效地提取催眠腦電信號(hào)中的高感受性成分，通過(guò)優(yōu)化后的小波函數(shù)，從預(yù)處理腦電 信號(hào)中準(zhǔn)確提取催眠狀態(tài)腦電信號(hào)。提取得到的高感受性催眠腦電信號(hào)，一方面，可在包含 催眠腦電模塊的腦電監(jiān)護(hù)儀、電子睡眠儀、生物反饋睡眠儀設(shè)備上顯示出來(lái)，作為診斷的基 礎(chǔ);另一方面，為接下來(lái)的催眠分析、睡眠信息匹配提供準(zhǔn)確可靠的數(shù)據(jù)基礎(chǔ)。
[0031] 本發(fā)明催眠狀態(tài)腦電信號(hào)提取方法，采集催眠狀態(tài)腦電初始信號(hào)，并進(jìn)行預(yù)設(shè)倍 頻陷波處理，根據(jù)小波函數(shù)與理腦后電信號(hào)之間相關(guān)性，選取用于提取催眠狀態(tài)腦電信號(hào) 的小波函數(shù)，自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比，通過(guò)優(yōu)化后的小波函數(shù)，從 預(yù)處理腦電信號(hào)中提取催眠狀態(tài)腦電信號(hào)。整個(gè)過(guò)程中，自適應(yīng)優(yōu)化小波函數(shù)的中心頻率-帶寬比，實(shí)現(xiàn)小波系數(shù)自適應(yīng)調(diào)節(jié)，提高小波變換的分辨率，能有效且準(zhǔn)確提取催眠狀態(tài)腦 電信號(hào)。
[0032] 如圖2所示，在其中一個(gè)實(shí)施例中，步驟S100包括：
[0033] S120:通過(guò)腦電圖機(jī)、腦電生物反饋睡眠儀或腦電電極，采集催眠狀態(tài)腦電初始信 號(hào)。
[0034] 通過(guò)腦電圖機(jī)、腦電生物反饋睡眠儀或腦電電極這些精準(zhǔn)的科學(xué)儀器設(shè)備，準(zhǔn)確 采集催眠狀態(tài)腦電初始信號(hào)。
[0035] S140:對(duì)催眠狀態(tài)腦電初始信號(hào)進(jìn)行50Hz倍頻陷波處理，獲得預(yù)處理腦電信號(hào)。
[0036]步驟S120中采集到的催眠狀態(tài)腦電初始信號(hào)含有50Hz的工頻噪聲干擾和還有 50Hz的諧波噪聲，例如100Hz的諧波噪聲、150Hz的諧波噪聲以及200Hz的諧波噪聲等。由于 未這些催眠狀態(tài)腦電初始信號(hào)沒(méi)有明顯的腦電信號(hào)波動(dòng)規(guī)律且存在較大噪聲，需要對(duì)其進(jìn) 行50Hz倍頻陷波處理，經(jīng)倍頻陷波之后，曲線才呈現(xiàn)出明顯的腦電波動(dòng)形狀。非必要的可以 選用50Hz倍頻陷波器（50Hz陷波器、100Hz陷波器、150Hz陷波器、200Hz陷波器以及250Hz陷 波器等)對(duì)信號(hào)進(jìn)行預(yù)處理。
[0037]如圖2所示，在其中一個(gè)實(shí)施例中，步驟S200包括：
[0038] S220:分別計(jì)算不同類(lèi)型小波函數(shù)與預(yù)處理腦電信號(hào)的相關(guān)系數(shù)。
[0039] 假設(shè)預(yù)處理腦電信號(hào)為x(k)，樣本總數(shù)為N。小波變換以小波基函數(shù)為基礎(chǔ)，通過(guò) 變換得到一系列子小波，用于逼近催眠狀態(tài)下腦電信號(hào)。小波基函數(shù)極為重要，關(guān)系著子波 逼近的準(zhǔn)確度，基函數(shù)iKt)eL2(R)必須滿(mǎn)力
丨勺要求。iKt)為小波基函數(shù)，通過(guò) 時(shí)間-尺度變換得到一系列子小波，如
[0040]
其中，a，beR，a辛 0。
[0041] 針對(duì)催眠狀態(tài)下腦電信號(hào)，選取小波信號(hào)和催眠狀態(tài)下腦電信號(hào)之間的互相關(guān)系 數(shù)作為評(píng)價(jià)指標(biāo)，來(lái)選取合適的母小波函數(shù)?；ハ嚓P(guān)系數(shù)計(jì)算式如下：
[0042]
[0043] y(t) = [yo(t)，yi(t)，. . .，yn(t)]T為t時(shí)刻兩個(gè)能量有限的確定信號(hào)，pxy為它們的 相關(guān)系數(shù)，且|p xy|彡l，pxy反映了x(t)和y(t)之間的相似程度。目前最常用于催眠狀態(tài)腦電 信號(hào)提取的母小波有Haar小波函數(shù)、Coif小波函數(shù)、Meyer小波函數(shù)、Mexican Hat小波函數(shù) 和Morlet小波函數(shù)等，催眠狀態(tài)腦電信號(hào)和小波信號(hào)之間的互相關(guān)系數(shù)計(jì)算結(jié)果如表1所 示：
[0044] 表1催眠狀態(tài)腦電信號(hào)和小波信號(hào)之間的互相關(guān)系數(shù)
[0045]
[0046] S240:選取相夫糸數(shù)最大所對(duì)應(yīng)的小汲凼數(shù)為用亍提取催眠狀態(tài)靦電信兮的小波 函數(shù)。
[0047] 相關(guān)系數(shù)越大表明小波函數(shù)與預(yù)處理腦電信號(hào)相關(guān)性越好，選取相關(guān)系數(shù)最大所 對(duì)應(yīng)的小波函數(shù)為用于提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)。具體來(lái)說(shuō)，通過(guò)上述表1可知 Morlet小波的波形為振蕩衰減形式，與催眠狀態(tài)腦電信號(hào)最為接近，兩者的互相關(guān)系數(shù)是 所有小波波形中最大的。因此，選用Morlet小波作為催眠狀態(tài)腦電信號(hào)提取的小波分析工 具。
[0048] 如圖2所示，在其中一個(gè)實(shí)施例中，步驟S300包括：
[0049] S320:獲取選取的所述小波函數(shù)的小波系數(shù)，根據(jù)所述小波系數(shù)轉(zhuǎn)換獲得概率分 布序列Pi，并計(jì)算所述概率分布序列Pi的值。
[0050] S340:根據(jù)所述概率分布序列Pi的值，繪制選取的小波函數(shù)的中心頻率-帶寬比與 小波熵之間的關(guān)系曲線。
[0051 ] S360:根據(jù)關(guān)系曲線，查找選中心頻率-帶寬比的最優(yōu)值。
[0052] S380:根據(jù)最優(yōu)值，自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后 的小波函數(shù)。
[0053]在本實(shí)施例中，選用小波熵來(lái)優(yōu)化小波函數(shù)的中心頻率-帶寬比，中心頻率fc和帶 寬是影響小波時(shí)頻分辨率關(guān)鍵因素。改變中心頻率-帶寬比就可以改變小波變換的時(shí)頻 分辨率。當(dāng)中心頻率-帶寬比達(dá)到最優(yōu)時(shí)，小波變換的時(shí)頻分辨率最高。下面以母小波函數(shù) 為Morlet小波的CM0R小波進(jìn)行解釋說(shuō)明。CM0R小波的母小波表達(dá)式如下所示：
[0054]
[0055] 其中，f。表示母波iKt)的特征頻率，也是中心頻率，為高斯窗的標(biāo)準(zhǔn)差，通常取值 為l，〇f為帶寬，通常of = l/2p〇t。分析CM0R小波的母小波可知，CM0R小波波形振蕩衰減的 快慢由帶寬決定，波形的振蕩頻率由中心頻率決定。根據(jù)上述公式可以計(jì)算CM0R小波的 頻率分辨率
[0056]
[0057] 和時(shí)間分辨率
[0058]
[0059] 其中，fs為采樣頻率，fc為中心頻率，〇f為帶寬，fi為信號(hào)分析頻率。利用Shannon熵 優(yōu)化小波變換中心頻率-帶寬比的核心思想，就是用概率分布序列 ?1來(lái)表示小波系數(shù)，然后 計(jì)算P i的值，表達(dá)式如下所示：
[0060]
[0061] 其中，Pl是一個(gè)概率分布序列，通過(guò)小波系數(shù)轉(zhuǎn)換得到，具有不確定性。其轉(zhuǎn)換公 式如下所示：
[0062]
[0063] X(fi，t)為小波系數(shù)。中心頻率-帶寬比f(wàn)c/〇f和Shannon小波熵之間的曲線關(guān)系，如 圖3所示。當(dāng)中心頻率-帶寬比f(wàn) c/〇f = 4.43時(shí)，基于Shannon小波熵概率最優(yōu)理論，可知當(dāng) Shannon小波熵達(dá)到最小值時(shí)，Morlet小波中心頻率-帶寬比參數(shù)達(dá)到最優(yōu)，對(duì)應(yīng)的基小波 就是與特征成分最匹配的小波。
[0064] 在其中一個(gè)實(shí)施例中，通過(guò)優(yōu)化后的小波函數(shù)，從預(yù)處理腦電信號(hào)中提取催眠狀 態(tài)腦電信號(hào)的步驟包括：
[0065] 步驟一:獲取優(yōu)化后的小波函數(shù)的母小波，對(duì)母小波進(jìn)行伸縮和平移得到子小波。
[0066] 子波通過(guò)母波伸縮和平移生成，表達(dá)式如下示：
[0067]
[0068] a為頻率伸縮因子，b為時(shí)間平移因子，*表征該函數(shù)是一個(gè)復(fù)函數(shù)。
[0069] 步驟二:對(duì)子小波中的參數(shù)進(jìn)行尺度轉(zhuǎn)換，獲得子小波的加權(quán)系數(shù)，其中，尺度轉(zhuǎn) 換包括伸縮因子轉(zhuǎn)換為頻率以及平移因子轉(zhuǎn)換為時(shí)間。
[0070] 對(duì)子波W(a，b)中的參數(shù)進(jìn)行尺度轉(zhuǎn)換，用頻率f表示頻率伸縮因子a，用時(shí)間t表示 平移因子b，就可以得到加權(quán)系數(shù)X (f，t)。
[0071 ]步驟三:構(gòu)建加權(quán)系數(shù)小波曲線三維平面，其中，空間X軸為時(shí)間軸，空間Y軸為頻 率軸，空間Z軸為加權(quán)系數(shù)軸。
[0072]構(gòu)建加權(quán)系數(shù)小波曲線三維平面，在X(f，t)小波曲線三維平面中，X軸為時(shí)間軸 (t)，y軸為頻率軸(f)，z軸為小波系數(shù)(單位為dB。
[0073] 步驟四：獲取優(yōu)化后的小波函數(shù)周期，并查找加權(quán)系數(shù)小波曲線三維平面中頻率 最大值，計(jì)算連續(xù)閾限值。
[0074] 定義"連續(xù)"閾限D(zhuǎn)Tmax，DTmax( f) = c/f，其中，c表示特征小波周期，f為頻率。
[0075] 步驟五:查找加權(quán)系數(shù)小波曲線三維平面中加權(quán)系數(shù)大于頻率最大值部分所對(duì)應(yīng) 的時(shí)間區(qū)間值。
[0076] 在局部最大值點(diǎn)，頻率f'表示小波曲線三維平面最高點(diǎn)的頻率取值。能量閾值用K 表示。如果乂^'，〇>1((€'），那么參數(shù)0可以調(diào)整閾值大小。令[〖'4"]表示曲線平線上父 (f'，t)>K(f'）的部分。
[0077] 步驟六：當(dāng)時(shí)間區(qū)間值大于連續(xù)閾限值時(shí)，判定加權(quán)系數(shù)小波曲線三維平面中加 權(quán)系數(shù)大于頻率最大值的部分對(duì)應(yīng)的腦電信號(hào)為有效催眠狀態(tài)腦電信號(hào)。
[0078] 如果時(shí)間寬度t"_t'大于"連續(xù)"閾限D(zhuǎn)Tmax，那么該區(qū)域就認(rèn)為是催眠感受性高的 腦電信號(hào)。
[0079] 步驟七:通過(guò)優(yōu)化后的小波函數(shù)，對(duì)有效催眠狀態(tài)腦電信號(hào)進(jìn)行時(shí)頻信息提取，獲 得催眠狀態(tài)腦電信號(hào)。
[0080] 利用小波熵自適應(yīng)優(yōu)化后的CM0R小波對(duì)催眠狀態(tài)下腦電信號(hào)進(jìn)行時(shí)頻信息提取， 利用Shannon小波熵自適應(yīng)優(yōu)化CM0R小波的中心頻率-帶寬比參數(shù)后，小波變換的時(shí)頻分辨 率得到明顯的改善，能夠更有效地提取催眠腦電信號(hào)中的高感受性成分。
[0081] 如圖4所示，一種催眠狀態(tài)腦電信號(hào)提取系統(tǒng)，包括：
[0082] 預(yù)處理模塊100,用于采集催眠狀態(tài)腦電初始信號(hào)，并對(duì)催眠狀態(tài)腦電初始信號(hào)進(jìn) 行預(yù)設(shè)倍頻陷波處理，獲得預(yù)處理腦電信號(hào)；
[0083]小波函數(shù)選擇模塊200,用于根據(jù)小波函數(shù)與預(yù)處理腦電信號(hào)之間相關(guān)性，選取用 于提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)；
[0084]優(yōu)化模塊300，用于自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后 的小波函數(shù)；
[0085]信號(hào)提取模塊400,用于通過(guò)優(yōu)化后的小波函數(shù)，從預(yù)處理腦電信號(hào)中提取催眠狀 態(tài)腦電信號(hào)。
[0086]本發(fā)明催眠狀態(tài)腦電信號(hào)提取系統(tǒng)，采集催眠狀態(tài)腦電初始信號(hào)，并進(jìn)行預(yù)設(shè)倍 頻陷波處理，根據(jù)小波函數(shù)與理腦后電信號(hào)之間相關(guān)性，選取用于提取催眠狀態(tài)腦電信號(hào) 的小波函數(shù)，自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比，通過(guò)優(yōu)化后的小波函數(shù)，從 預(yù)處理腦電信號(hào)中提取催眠狀態(tài)腦電信號(hào)。整個(gè)過(guò)程中，自適應(yīng)優(yōu)化小波函數(shù)的中心頻率_ 帶寬比，實(shí)現(xiàn)小波系數(shù)自適應(yīng)調(diào)節(jié)，提高小波變換的分辨率，能有效且準(zhǔn)確提取催眠狀態(tài)腦 電信號(hào)。
[0087]如圖5所示，在其中一個(gè)實(shí)施例中，預(yù)處理模塊100包括：
[0088]初始信號(hào)采集單元120,用于通過(guò)腦電圖機(jī)、腦電生物反饋睡眠儀或腦電電極，采 集催眠狀態(tài)腦電初始信號(hào)。
[0089]預(yù)處理單元140,用于對(duì)催眠狀態(tài)腦電初始信號(hào)進(jìn)行50Hz倍頻陷波處理，獲得預(yù)處 理腦電信號(hào)。
[0090] 儀器設(shè)備采集到的催眠狀態(tài)腦電初始信號(hào)含有50Hz的工頻噪聲干擾和還有50Hz 的諧波噪聲，例如100Hz的諧波噪聲、150Hz的諧波噪聲以及200Hz的諧波噪聲等。由于未這 些催眠狀態(tài)腦電初始信號(hào)沒(méi)有明顯的腦電信號(hào)波動(dòng)規(guī)律且存在較大噪聲，需要對(duì)其進(jìn)行 50Hz倍頻陷波處理，經(jīng)倍頻陷波之后，曲線才呈現(xiàn)出明顯的腦電波動(dòng)形狀。非必要的，預(yù)處 理單元140可以選用50Hz倍頻陷波器(50Hz陷波器、100Hz陷波器、150Hz陷波器、200Hz陷波 器以及250Hz陷波器等)對(duì)信號(hào)進(jìn)行預(yù)處理。
[0091] 如圖5所示，在其中一個(gè)實(shí)施例中，小波函數(shù)選擇模塊200包括：
[0092] 相關(guān)系數(shù)計(jì)算單元220,用于分別計(jì)算不同類(lèi)型小波函數(shù)與預(yù)處理腦電信號(hào)的相 關(guān)系數(shù)。
[0093] 選取單元240,用于選取相關(guān)系數(shù)最大所對(duì)應(yīng)的小波函數(shù)為用于提取催眠狀態(tài)腦 電信號(hào)的小波函數(shù)。
[0094] 相關(guān)系數(shù)越大表明小波函數(shù)與預(yù)處理腦電信號(hào)相關(guān)性越好，選取相關(guān)系數(shù)最大所 對(duì)應(yīng)的小波函數(shù)為用于提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)。
[0095] 如圖5所示，在其中一個(gè)實(shí)施例中，優(yōu)化模塊300包括：
[0096] 計(jì)算單元320,用于獲取選取的所述小波函數(shù)的小波系數(shù)，根據(jù)所述小波系數(shù)轉(zhuǎn)換 獲得概率分布序列Pl，并計(jì)算所述概率分布序列 Pl的值。曲線繪制單元340，用于根據(jù)所述概 率分布序列Pl的值，繪制選取的小波函數(shù)的中心頻率-帶寬比與小波熵之間的關(guān)系曲線。 [0097]查找單元360,用于根據(jù)關(guān)系曲線，查找選中心頻率-帶寬比的最優(yōu)值。
[0098]優(yōu)化單元380,用于根據(jù)最優(yōu)值，自適應(yīng)優(yōu)化選取的小波函數(shù)的中心頻率-帶寬比， 獲得優(yōu)化后的小波函數(shù)。
[0099]在本實(shí)施例中，選用小波熵來(lái)優(yōu)化小波函數(shù)的中心頻率-帶寬比，中心頻率fc和帶 寬是影響小波時(shí)頻分辨率關(guān)鍵因素。改變中心頻率-帶寬比就可以改變小波變換的時(shí)頻 分辨率。當(dāng)中心頻率-帶寬比達(dá)到最優(yōu)時(shí)，小波變換的時(shí)頻分辨率最高。
[0100]在其中一個(gè)實(shí)施例中，信號(hào)提取模塊400包括：
[0101] 子小波獲取單元，用于獲取優(yōu)化后的小波函數(shù)的母小波，對(duì)母小波進(jìn)行伸縮和平 移得到子小波。
[0102] 轉(zhuǎn)換單元，用于對(duì)子小波中的參數(shù)進(jìn)行尺度轉(zhuǎn)換，獲得子小波的加權(quán)系數(shù)，其中， 尺度轉(zhuǎn)換包括伸縮因子轉(zhuǎn)換為頻率以及平移因子轉(zhuǎn)換為時(shí)間。
[0103] 構(gòu)建單元，用于構(gòu)建加權(quán)系數(shù)小波曲線三維平面，其中，空間X軸為時(shí)間軸，空間Y 軸為頻率軸，空間Z軸為加權(quán)系數(shù)軸。
[0104] 閾限值計(jì)算單元，用于獲取優(yōu)化后的小波函數(shù)周期，并查找加權(quán)系數(shù)小波曲線三 維平面中頻率最大值，計(jì)算連續(xù)閾限值。
[0105] 時(shí)間區(qū)間值計(jì)算單元，用于查找加權(quán)系數(shù)小波曲線三維平面中加權(quán)系數(shù)大于頻率 最大值部分所對(duì)應(yīng)的時(shí)間區(qū)間值。
[0106] 比較單元，用于當(dāng)時(shí)間區(qū)間值大于連續(xù)閾限值時(shí)，判定加權(quán)系數(shù)小波曲線三維平 面中加權(quán)系數(shù)大于頻率最大值的部分對(duì)應(yīng)的腦電信號(hào)為有效催眠狀態(tài)腦電信號(hào)。
[0107] 提取單元，用于通過(guò)優(yōu)化后的小波函數(shù)，對(duì)有效催眠狀態(tài)腦電信號(hào)進(jìn)行時(shí)頻信息 提取，獲得催眠狀態(tài)腦電信號(hào)。
[0108] 以CM0R小波為例，利用小波熵自適應(yīng)優(yōu)化后的CM0R小波對(duì)催眠狀態(tài)下腦電信號(hào)進(jìn) 行時(shí)頻信息提取，利用Shannon小波熵自適應(yīng)優(yōu)化CM0R小波的中心頻率-帶寬比參數(shù)后，小 波變換的時(shí)頻分辨率得到明顯的改善，能夠更有效地提取催眠腦電信號(hào)中的高感受性成 分。
[0109] 以上實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能 因此而理解為對(duì)發(fā)明專(zhuān)利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在 不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。 因此，本發(fā)明專(zhuān)利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種催眠狀態(tài)腦電信號(hào)提取方法，其特征在于，包括步驟： 采集催眠狀態(tài)腦電初始信號(hào)，并對(duì)所述催眠狀態(tài)腦電初始信號(hào)進(jìn)行預(yù)設(shè)倍頻陷波處 理，獲得預(yù)處理腦電信號(hào)； 根據(jù)小波函數(shù)與所述預(yù)處理腦電信號(hào)之間相關(guān)性，選取用于提取催眠狀態(tài)腦電信號(hào)的 小波函數(shù)； 自適應(yīng)優(yōu)化選取的所述小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后的小波函數(shù)； 通過(guò)所述優(yōu)化后的小波函數(shù)，從所述預(yù)處理腦電信號(hào)中提取催眠狀態(tài)腦電信號(hào)。2. 根據(jù)權(quán)利要求1所述的催眠狀態(tài)腦電信號(hào)提取方法，其特征在于，所述采集催眠狀態(tài) 腦電初始信號(hào)，并對(duì)所述催眠狀態(tài)腦電初始信號(hào)進(jìn)行預(yù)設(shè)倍頻陷波處理，獲得預(yù)處理腦電 信號(hào)的步驟包括： 通過(guò)腦電圖機(jī)、腦電生物反饋睡眠儀或腦電電極，采集催眠狀態(tài)腦電初始信號(hào)； 對(duì)所述催眠狀態(tài)腦電初始信號(hào)進(jìn)行50Hz倍頻陷波處理，獲得預(yù)處理腦電信號(hào)。3. 根據(jù)權(quán)利要求1或2所述的催眠狀態(tài)腦電信號(hào)提取方法，其特征在于，所述根據(jù)小波 函數(shù)與所述預(yù)處理腦電信號(hào)之間相關(guān)性，選取用于提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)的步 驟包括： 分別計(jì)算不同類(lèi)型小波函數(shù)與所述預(yù)處理腦電信號(hào)的相關(guān)系數(shù)； 選取所述相關(guān)系數(shù)最大所對(duì)應(yīng)的小波函數(shù)為用于提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)。4. 根據(jù)權(quán)利要求1或2所述的催眠狀態(tài)腦電信號(hào)提取方法，其特征在于，所述自適應(yīng)優(yōu) 化選取的所述小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后的小波函數(shù)的步驟包括： 獲取選取的所述小波函數(shù)的小波系數(shù)，根據(jù)所述小波系數(shù)轉(zhuǎn)換獲得概率分布序列，并 計(jì)算所述概率分布序列的值； 根據(jù)所述概率分布序列的值，繪制選取的所述小波函數(shù)的中心頻率-帶寬比與小波熵 之間的關(guān)系曲線； 根據(jù)所述關(guān)系曲線，查找選中心頻率-帶寬比的最優(yōu)值； 根據(jù)所述最優(yōu)值，自適應(yīng)優(yōu)化選取的所述小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后的 小波函數(shù)。5. 根據(jù)權(quán)利要求1或2所述的催眠狀態(tài)腦電信號(hào)提取方法，其特征在于，所述通過(guò)所述 優(yōu)化后的小波函數(shù)，從所述預(yù)處理腦電信號(hào)中提取催眠狀態(tài)腦電信號(hào)的步驟包括： 獲取所述優(yōu)化后的小波函數(shù)的母小波，對(duì)所述母小波進(jìn)行伸縮和平移得到子小波； 對(duì)所述子小波中的參數(shù)進(jìn)行尺度轉(zhuǎn)換，獲得所述子小波的加權(quán)系數(shù)，其中，所述尺度轉(zhuǎn) 換包括伸縮因子轉(zhuǎn)換為頻率以及平移因子轉(zhuǎn)換為時(shí)間； 構(gòu)建所述加權(quán)系數(shù)小波曲線三維平面，其中，空間X軸為時(shí)間軸，空間Y軸為頻率軸，空 間Z軸為所述加權(quán)系數(shù)軸； 獲取所述優(yōu)化后的小波函數(shù)周期，并查找所述加權(quán)系數(shù)小波曲線三維平面中頻率最大 值，計(jì)算連續(xù)閾限值； 查找所述加權(quán)系數(shù)小波曲線三維平面中所述加權(quán)系數(shù)大于所述頻率最大值部分所對(duì) 應(yīng)的時(shí)間區(qū)間值； 當(dāng)所述時(shí)間區(qū)間值大于所述連續(xù)閾限值時(shí)，判定所述加權(quán)系數(shù)小波曲線三維平面中所 述加權(quán)系數(shù)大于所述頻率最大值的部分對(duì)應(yīng)的腦電信號(hào)為有效催眠狀態(tài)腦電信號(hào)； 通過(guò)所述優(yōu)化后的小波函數(shù)，對(duì)所述有效催眠狀態(tài)腦電信號(hào)進(jìn)行時(shí)頻信息提取，獲得 催眠狀態(tài)腦電信號(hào)。6. -種催眠狀態(tài)腦電信號(hào)提取系統(tǒng)，其特征在于，包括： 預(yù)處理模塊，用于采集催眠狀態(tài)腦電初始信號(hào)，并對(duì)所述催眠狀態(tài)腦電初始信號(hào)進(jìn)行 預(yù)設(shè)倍頻陷波處理，獲得預(yù)處理腦電信號(hào)； 小波函數(shù)選擇模塊，用于根據(jù)小波函數(shù)與所述預(yù)處理腦電信號(hào)之間相關(guān)性，選取用于 提取催眠狀態(tài)腦電信號(hào)的小波函數(shù)； 優(yōu)化模塊，用于自適應(yīng)優(yōu)化選取的所述小波函數(shù)的中心頻率-帶寬比，獲得優(yōu)化后的小 波函數(shù)； 信號(hào)提取模塊，用于通過(guò)所述優(yōu)化后的小波函數(shù)，從所述預(yù)處理腦電信號(hào)中提取催眠 狀態(tài)腦電信號(hào)。7. 根據(jù)權(quán)利要求6所述的催眠狀態(tài)腦電信號(hào)提取系統(tǒng)，其特征在于，所述預(yù)處理模塊包 括： 初始信號(hào)采集單元，用于通過(guò)腦電圖機(jī)、腦電生物反饋睡眠儀或腦電電極，采集催眠狀 態(tài)腦電初始信號(hào)； 預(yù)處理單元，用于對(duì)所述催眠狀態(tài)腦電初始信號(hào)進(jìn)行50Hz倍頻陷波處理，獲得預(yù)處理 腦電信號(hào)。8. 根據(jù)權(quán)利要求6或7所述的催眠狀態(tài)腦電信號(hào)提取系統(tǒng)，其特征在于，所述小波函數(shù) 選擇t吳塊包括： 相關(guān)系數(shù)計(jì)算單元，用于分別計(jì)算不同類(lèi)型小波函數(shù)與所述預(yù)處理腦電信號(hào)的相關(guān)系 數(shù)； 選取單元，用于選取所述相關(guān)系數(shù)最大所對(duì)應(yīng)的小波函數(shù)為用于提取催眠狀態(tài)腦電信 號(hào)的小波函數(shù)。9. 根據(jù)權(quán)利要求6或7所述的催眠狀態(tài)腦電信號(hào)提取系統(tǒng)，其特征在于，所述優(yōu)化模塊 包括： 計(jì)算單元，用于獲取選取的所述小波函數(shù)的小波系數(shù)，根據(jù)所述小波系數(shù)轉(zhuǎn)換獲得概 率分布序列，并計(jì)算所述概率分布序列的值； 曲線繪制單元，用于根據(jù)所述概率分布序列的值，繪制選取的所述小波函數(shù)的中心頻 率-帶寬比與小波熵之間的關(guān)系曲線； 查找單元，用于根據(jù)所述關(guān)系曲線，查找選中心頻率-帶寬比的最優(yōu)值； 優(yōu)化單元，用于根據(jù)所述最優(yōu)值，自適應(yīng)優(yōu)化選取的所述小波函數(shù)的中心頻率-帶寬 比，獲得優(yōu)化后的小波函數(shù)。10. 根據(jù)權(quán)利要求6或7所述的催眠狀態(tài)腦電信號(hào)提取系統(tǒng)，其特征在于，所述信號(hào)提取 豐吳塊包括： 子小波獲取單元，用于獲取所述優(yōu)化后的小波函數(shù)的母小波，對(duì)所述母小波進(jìn)行伸縮 和平移得到子小波； 轉(zhuǎn)換單元，用于對(duì)所述子小波中的參數(shù)進(jìn)行尺度轉(zhuǎn)換，獲得所述子小波的加權(quán)系數(shù)，其 中，所述尺度轉(zhuǎn)換包括伸縮因子轉(zhuǎn)換為頻率以及平移因子轉(zhuǎn)換為時(shí)間； 構(gòu)建單元，用于構(gòu)建所述加權(quán)系數(shù)小波曲線三維平面，其中，空間X軸為時(shí)間軸，空間γ 軸為頻率軸，空間Z軸為所述加權(quán)系數(shù)軸； 閾限值計(jì)算單元，用于獲取所述優(yōu)化后的小波函數(shù)周期，并查找所述加權(quán)系數(shù)小波曲 線三維平面中頻率最大值，計(jì)算連續(xù)閾限值； 時(shí)間區(qū)間值計(jì)算單元，用于查找所述加權(quán)系數(shù)小波曲線三維平面中所述加權(quán)系數(shù)大于 所述頻率最大值部分所對(duì)應(yīng)的時(shí)間區(qū)間值； 比較單元，用于當(dāng)所述時(shí)間區(qū)間值大于所述連續(xù)閾限值時(shí)，判定所述加權(quán)系數(shù)小波曲 線三維平面中所述加權(quán)系數(shù)大于所述頻率最大值的部分對(duì)應(yīng)的腦電信號(hào)為有效催眠狀態(tài) 腦電信號(hào)； 提取單元，用于通過(guò)所述優(yōu)化后的小波函數(shù)，對(duì)所述有效催眠狀態(tài)腦電信號(hào)進(jìn)行時(shí)頻 ig息提取，獲得催眠狀態(tài)腦電ig號(hào)。
【文檔編號(hào)】A61B5/0476GK106037722SQ201610322430
【公開(kāi)日】2016年10月26日
【申請(qǐng)日】2016年5月13日
【發(fā)明人】胡靜
【申請(qǐng)人】廣州視源電子科技股份有限公司