[发明专利]基于VR系统的脑电信号恐惧度分级特征研究

权利要求书

1.基于VR系统的脑电信号恐惧度分级特征方法，其特征在于，包括如下步骤：

(1)脑电信号采集，利用脑电设备和VR设备采集恐惧脑电信号，并使用问卷调查记录被试者再不同时刻的恐惧程度；

(2)对采集到的脑电信号进行预处理，利用高通滤波器进行线性矫正，利用ICA去除眼电和肌电的干扰，改变采样频率为250HZ，降低数据量；

(3)根据被试者的问卷调查，对数据进行分段和叠加平均，得到处理后的数据；

(4)对(3)中预处理后的脑电信号进行小波包分解和重构，计算α，β，θ频带的能量，并分析它们的能量随恐惧等级的变化而变化的关系；

(5)对经过预处理的脑电信号进行LZC复杂度分析，分析脑电复杂度的变化。

2.如权利要求1所述的方法，其特征在于，步骤(1)中被试者的恐惧等级划分，分别从一到三级，根据被试者的不同症状，来判断被试者的恐惧程度。

3.如权利要求1所述的方法，其特征在于，步骤(1)中VR设备用于采集脑电信号，使得被试者能够充分感受一个恐怖环境，不受外部环境的干扰。

4.如权利要求1所述的方法，其特征在于，步骤(2)中实现细节是：把实验得出的数据导入到Matlab软件中的EEGLAB中进行处理，其处理流程包括：电极定位、电极返回、低通通滤波、去除伪迹、重建参考。

5.如权利要求1所述的方法，其特征在于，步骤(3)中数据分段和叠加平均，在数据分段的过程中，需要根据每一个被试者的问卷调查中的恐惧时刻，来对数据进行分段，在每一个产生恐惧的时刻，都需要截取其后3秒内的脑电数据段；最终把处理好的数据保存起来。

6.如权利要求1所述的方法，其特征在于，步骤(4)中的处理方法是：预处理后的脑电信号采用小波包分解算法进行分解和重构，计算α，β，δ、θ频带的能量，并分析在不同恐惧等级下，这四种脑电节律的能量变化趋势。

7.如权利要求1所述的方法，其特征在于，步骤(5)中的处理方法是：利用LZC复杂度分析算法计算在使用VR的情况下，三种恐惧等级的脑电信号的复杂度变化趋势。