[发明专利]脑电波分析方法和系统

说明书

本发明涉及一种脑电波分析方法和系统，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、所述原始脑电波序列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，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。本发明避免了传统脑电波分析方法中，因采用均值的计算方式导致的序列粗粒化过程中的波动性损失过大的问题。

技术领域

本发明涉及睡眠分析技术领域，特别是涉及脑电波分析方法和系统。

背景技术

高质量的睡眠能保证日常生活的良好运作，比如精神健康、创新能力和工作表现等，睡眠不充足或无效的睡眠会导致白天嗜睡，易怒，情绪困扰，抑郁或焦虑，甚至会增加事故率。脑电图代表了大脑活动的丰富信息，睡眠/唤醒分为三个阶段：清醒，非快速眼动睡眠以及快速眼动睡眠阶段。了解睡眠周期中睡眠的结构变化至关重要。

然而，由于脑电信号的高度复杂特性，无论是信号的振幅还是频率都展现非线性和非平稳的模式，睡眠研究领域中各睡眠阶段的确定是一个挑战，传统的脑电波算法中，脑电波序列本身波动特征的损失较大，无法直接的描述人体睡眠状态的动态变化，也就无法准确的区分各睡眠阶段。

发明内容

基于此，有必要针对脑电波的传统分析方法无法准确划分人体各睡眠阶段的问题，提供一种脑电波分析方法和系统，其中，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、所述原始脑电波序列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，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。

在其中一个实施例中，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。

在其中一个实施例中，所述根据所述各标度、所述原始脑电波序列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。

在其中一个实施例中，所述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，包括：

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样本熵。

在其中一个实施例中，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：