[发明专利]基于邻居可视长度熵的不同生理状态脑电信号识别方法

说明书

一种基于邻居可视长度熵的不同生理状态脑电信号识别方法：获取原始的脑电信号数据，将脑电信号数据以直方条的形式等水平线的绘制到坐标轴，将距离数据点最近的三个数据点定义为1级、2级和3级邻居；判断数据点分别与1级、2级和3级邻居的可视关系；分别得到数据点与满足可视条件的邻居之间的可视长度；分别计算1级、2级和3级邻居的可视长度熵；分别根据1级、2级和3级邻居可视长度熵，画出所有脑电信号的联合分布图；根据1级、2级和3级邻居可视长度熵，用十折交叉验证结合软间隔支持向量机对脑电信号进行分类。本发明综合考虑重要邻居及数据点间可视程度差异的分级邻居可视长度熵，实现对不同生理状态的脑电信号的准确分类。

技术领域

本发明涉及一种脑电信号的识别法。特别是涉及一种基于时间序列中各个数据点邻居可视长度熵的基于邻居可视长度熵的不同生理状态脑电信号识别方法。

背景技术

脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。人体处于相同的生理状态(例如睡眠的某一阶段：浅睡期)时脑电信号会呈现出相似的波动变化，而当生理状态发生变化(例如从浅睡期进入到深睡期)时其脑电信号也会发生较为明显的变化。通过对不同生理状态下的脑电信号进行精准分类，可以帮助我们更好地认知大脑的工作机理，促进脑科学研究的进一步发展。但脑电信号波动变化非常复杂，具有典型的非线性、非平稳特征。因此，采用常规的时间序列分析方法很难实现对不同类型脑电信号准确识别和分类。鉴于其研究的挑战性和广泛的应用潜力，脑电信号识别一直是国际神经信号分析领域一个前沿热点课题。

时间序列可视图建网方法是近些年发展起来的一种全新且有效的时间序列分析方法。该方法将时间序列的每个数据点映射成复杂网络中的节点，若两个直方条末端处相连，且并没有被其他直方条阻断，即两个节点可视，则这两个直方条所对应的网络节点有连边，通过对所有数据点做类似处理，从而确定各节点之间的网络连接关系。目前该方法已被广泛应用于金融、气象、流体力学、机械振动等多个领域并取得了一系列可喜的成果。后续研究人员对经典可视图方法也做了一些有益的改进，提出了水平可视图建网和有限穿越可视图建网等算法。但进一步研究发现，上述方法存在两方面局限：1)已有的可视图方法及改进算法虽然考虑了数据点间的可视关系，但可视关系描述过于简单，即如果满足可视条件其连接权重统一设置为“1”，显然，这种粗糙的可视关系对于数据的细微变化不敏感；2)这类方法将数据点的所有邻居可视关系统一分析，并未考虑重要邻居的可视关系差异。使得上述方法用于复杂时间序列分析时很难获得满意的结果。

发明内容

本发明所要解决的技术问题是，提供一种能够实现对不同生理状态的脑电信号的准确分类的基于邻居可视长度熵的不同生理状态脑电信号识别方法。

本发明所采用的技术方案是：一种基于邻居可视长度熵的不同生理状态脑电信号识别方法，包括如下步骤：

1)获取原始的脑电信号数据，将脑电信号数据以直方条的形式等水平线的绘制到坐标轴，将距离数据点t_i最近的三个数据点定义为1级、2级和3级邻居；

2)判断数据点t_i分别与1级、2级和3级邻居的可视关系；

3)分别得到数据点t_i与满足可视条件的邻居之间的可视长度；

4)分别计算1级、2级和3级邻居的可视长度熵，计算公式为：

其中，En^l表示一个脑电信号中所有数据点的1级、2级和3级邻居的可视长度熵，p_k^l(len)表示第l级邻居的可视长度len在第k个区间中出现的概率，l＝1,2,3，N为计算熵值时划分的区间个数，其中，所述的区间是将一个脑电信号中所有第l级邻居的可视长度中最小值与最大值之间的数值划分为若干个区间，第k个区间就是所述的若干个区间中的一个；

5)分别根据1级、2级和3级邻居可视长度熵，画出所有脑电信号的联合分布图；