[发明专利]脑电波分析方法和系统

权利要求书

1.一种脑电波分析方法，其特征在于，所述方法包括：

获取原始脑电波序列；

根据预设的原始脑电波序列的标度区间和标度步长，确定各标度；

根据所述各标度的各标度区间内所有所述原始脑电波序列、所述各标度的各标度区间内所有所述原始脑电波序列的均值、所述各标度的各标度区间和预设的高阶矩阶数，计算所述各标度下的粗粒化高阶矩脑电波序列，且所述预设的高阶矩阶数大于二；

根据预设的嵌入维数、预设的匹配阈值和所述各标度下的粗粒化高阶矩脑电波序列，通过高阶矩样本熵算法，计算所述各标度下的高阶矩脑电波信息熵，获取所述原始脑电波的多标度高阶矩信息熵集合；

根据所述多标度高阶矩信息熵集合确定所述原始脑电波序列的动态变化信息。

2.根据权利要求1所述的脑电波分析方法，其特征在于：

所述标度包括：大标度和小标度，所述大标度大于所述小标度；

所述根据预设的原始脑电波序列的标度区间和标度步长，确定各标度，包括：

根据预设的大标度区间和大标度步长，确定各大标度，以及根据预设的小标度区间和小标度步长，确定各小标度。

3.根据权利要求1所述的脑电波分析方法，其特征在于，所述根据所述各标度的各标度区间内所有所述原始脑电波序列、所述各标度的各标度区间内所有所述原始脑电波序列的均值、所述各标度的各标度区间和预设的高阶矩阶数，计算所述各标度下的粗粒化高阶矩脑电波序列，包括：

根据所述各标度的各标度区间内所有所述原始脑电波序列、所述各标度的各标度区间内所有所述原始脑电波序列的均值、所述各标度的各标度区间和预设的高阶矩阶数，计算所述各标度的各标度区间内的高阶矩脑电波数据；

根据所述各标度下的所述各标度区间内的高阶矩脑电波数据，获取所述各标度下的粗粒化高阶矩脑电波序列。

4.根据权利要求1所述的脑电波分析方法，其特征在于，在根据所述各标度下的粗粒化高阶矩脑电波序列和高阶矩信息熵算法，计算所述各标度下的高阶矩脑电波信息熵的步骤之后，所述方法还包括：

根据所述各标度下的高阶矩脑电波信息熵和复杂度算法，计算脑电波复杂度指标。

5.一种脑电波分析系统，其特征在于，包括：

原始脑电波序列获取模块，用于获取原始脑电波序列；

标度确定模块，用于根据预设的原始脑电波序列的标度区间和标度步长，确定各标度；

粗粒化高阶矩计算模块，用于根据所述各标度的各标度区间内所有所述原始脑电波序列、所述各标度的各标度区间内所有所述原始脑电波序列的均值、所述各标度的各标度区间和预设的高阶矩阶数，计算所述各标度下的粗粒化高阶矩脑电波序列，且所述预设的高阶矩阶数大于二；

信息熵计算模块，用于根据预设的嵌入维数、预设的匹配阈值和所述各标度下的粗粒化高阶矩脑电波序列，通过高阶矩样本熵算法，计算所述各标度下的高阶矩脑电波信息熵，获取所述原始脑电波的多标度高阶矩信息熵集合；

脑电波动态变化信息确定模块，用于根据所述多标度高阶矩信息熵集合确定所述原始脑电波序列的动态变化信息。

6.根据权利要求5所述的脑电波分析系统，其特征在于：

所述标度确定模块，用于确定的所述标度包括：大标度和小标度，所述大标度大于所述小标度；

所述标度确定模块，包括：

大标度确定单元，用于根据预设的大标度区间和大标度步长，确定各大标度，以及

小标度确定单元，用于根据预设的小标度区间和小标度步长，确定各小标度。

7.根据权利要求5所述的脑电波分析系统，其特征在于，所述粗粒化高阶矩计算模块，包括：

粗粒化高阶矩计算单元，用于根据所述各标度的各标度区间内所有所述原始脑电波序列、所述各标度的各标度区间内所有所述原始脑电波序列的均值、所述各标度的各标度区间和预设的高阶矩阶数，计算所述各标度的各标度区间内的高阶矩脑电波数据；

粗粒化高阶矩序列获取单元，用于根据所述各标度下的所述各标度区间内的高阶矩脑电波数据，获取所述各标度下的粗粒化高阶矩脑电波序列。

8.根据权利要求5所述的脑电波分析系统，其特征在于，还包括：

脑电波复杂度指标计算模块，用于根据所述各标度下的高阶矩脑电波信息熵和复杂度算法，计算脑电波复杂度指标。