[发明专利]基于复杂脑网络分析的注意力水平检测方法

权利要求书

1.一种基于复杂脑网络分析的注意力水平检测方法，包括脑波采集设备和处理器，其特征在于，其包括如下步骤：

步骤1、利用所述脑波采集设备中的液晶屏完成新用户的创建或者已有用户的登陆；

步骤2、通过所述液晶屏提示用户分别进入专注状态和放松状态，采集并存储用户前额位置的脑电数据，将数据分割为1s长度的数据段，得到专注状态和放松状态下共计120段的脑电数据；

步骤3、对于每段脑电数据，均采用相空间重构算法进行处理，重构转化为相空间矢量，通过数据库的数据统计结果选择嵌入维数m、时间延迟τ和阈值θ参数，将一维脑电数据x重构为N-(m-1)τ行，(m-1)τ-1列的空间矢量，其中N为有效数据的长度；

步骤4、提取相空间中的所有矢量作为网络节点，对每段数据构造一个复杂脑网络，具体包括：将采集到的专注状态和放松状态下的有效数据通过相空间重构构造出复杂脑网络，计算空间矢量中任意两个节点之间的距离，得到复杂脑网络的加权邻接矩阵，根据两节点之间的距离与阈值θ的大小关系向得到的加权邻接矩阵中添加元素，其中第i行、第j列的元素记为a_ij并计算各个网络的平均度k和平均聚类系数c两个参数值；

步骤5、利用专注状态和放松状态下平均度k和平均聚类系数c训练LDA分类器，获得注意力水平指数的平均数

步骤6、实时采集脑电信号并进行存储，利用训练好的参数对每1s的数据进行处理，获得用户的实时注意力指数在连续3s内统计注意力指数大于和小于的次数，当大于的次数多于小于的次数时，认为用户的注意力水平已经处于专注状态，当大于的次数少于小于的次数时，认为用户的认为注意力水平处于放松状态；

步骤7、输出检测结果，在所述液晶屏显示分类结果。

2.根据权利要求1所述的基于复杂脑网络分析的注意力水平检测方法，其特征在于，将采集到的专注状态和放松状态下的有效数据通过相空间重构构造出复杂脑网络，计算空间矢量中任意两个节点之间的距离，得到复杂脑网络的加权邻接矩阵，根据两节点之间的距离与阈值θ的大小关系向得到的加权邻接矩阵中添加元素，其中第i行、第j列的元素记为a_ij。

3.根据权利要求2所述的基于复杂脑网络分析的注意力水平检测方法，其特征在于，根据元素a_ij计算两个加权邻接矩阵，相乘得到一个矩阵F，矩阵F中的元素k_ij＝a_ih*a_hj，h＝0,1,2…，将矩阵F中主对角线上的元素累加后除以N得到平均度k。

4.根据权利要求3所述的基于复杂脑网络分析的注意力水平检测方法，其特征在于，计算复杂脑网络的平均聚类系数c，c的表达式为：

其中k_i表示节点i的度，为矩阵F中主对角线上的元素累加之和；w_ij表示节点i和节点j之间的连边权重，即矩阵F与加权邻接矩阵做乘法运算后得到的矩阵里主对角线上元素之和，利用变量k_i和N，根据表达式计算平均聚类系数c。

5.根据权利要求4所述的基于复杂脑网络分析的注意力水平检测方法，其特征在于，获得用户状态分类结果的步骤具体包括：

S1、利用所述平均度k和平均聚类系数c训练LDA分类器，获得用户注意力水平指数的平均数

S2、实时采集脑电信号并进行存储，使用训练好的参数对每1s的数据进行处理，获得用户的实时注意力指数

S3、把用户的实时注意力指数与注意力水平指数的平均数做比较，得出用户的状态分类结果。