[发明专利]一种解析脑电信号的方法、芯片、存储介质及装置

说明书

本申请涉及医疗保健技术领域，具体而言，涉及一种解析脑电信号的方法、芯片、存储介质及装置。本申请提供一种解析脑电信号的芯片，包括电源管理模块，AD转换模块，数据预处理模块，REG MAP模块，自定义总线协议，PGA，输入端口，输出端口，还包括解析模块，所述解析模块用于接收所述数据预处理模块通过自定义总线协议发送的脑电频域信号，所述解析模块通过程序控制解析原始脑电信号的专注度C和咬合力J,然后发送所述专注度C和咬合力J至数据输入输出双向端。

技术领域

本申请涉及医疗保健技术领域，具体而言，涉及一种解析脑电信号的方法、芯片、存储介质及装置。

背景技术

现在主要的专注度测量方法有基于脑电信号的专注度测量方法，基于头部姿态的专注度计算方法，基于闭眼时长的专注度计算方法，基于面部表情的专注度等计算方法。基于头部姿态、面部表情以及闭眼时间计算专注度，由于个体习惯特性的差异性，适应性差。通过脑电信号计算专注度相对客观、准确。

传统的BCI(脑机接口)分析专注度，现有的算法是基于多通道的专注度检测，通常是将电极帽或电极传感器戴在人头上，然后通过AD转换电路将模拟信号转换为数字信号，输出给上位机进行处理。在一些实现中，是通过一个上位机的处理器进行，用到计算量较大的机器学习，例如神经网络模型或其他。这样的方案往往导致脑电信号采集设备和分析设备体积很大，不具备便携性，设备往往比较庞大。

传统的专注度的计算公式C＝β/(α+θ),其中，β为14-30Hz的脑波能量值，α为8-14Hz的脑波能量值，θ为4-8Hz的脑波能量值。如果为了减小体积而缩减通道数，那么就会因为没有参考信号而很难滤除伪迹信号。在进行专注度的计算时，往往需要采集大量的专注度数据，进行深度学习。但是由于脑电波的个体差异性，所以这样训练出来的模型往往是准确率较低的。

因此，如何使得芯片具备专注度和咬合力解析功能，提高芯片集成度，减小采集设备和分析设备的体积，增强脑电信号分析装置的便携性，成为了一个有待解决的问题。

发明内容

本申请的目的在于提供一种解析脑电信号的方法、芯片、存储介质及装置，通过在单通道芯片增加解析模块，可以使芯片具备专注度和咬合力解析功能，提高芯片集成度，减小采集设备和分析设备的体积，增强脑电信号分析装置的便携性。

本申请的实施例是这样实现的：

本申请实施例的第一方面提供一种解析脑电信号的芯片，包括电源管理模块，AD转换模块，数据预处理模块，REG MAP模块，自定义总线协议，PGA，输入端口，输出端口，其特征在于，还包括解析模块。

所述解析模块用于接收所述数据预处理模块通过自定义总线协议发送的脑电频域信号，所述解析模块通过程序控制解析原始脑电信号的专注度C和咬合力J,然后发送所述专注度C和咬合力J至数据输入输出双向端。

可选地，所述数据预处理模块接收所述AD转换模块发送的离散脑电信号并输出频域信息。

可选地，所述输入端口包括导联输入端、参考输入端。

可选地，所述输出端口包括右腿驱动输出端。

可选地，还包括数据输入输出双向端，所述数据输入输出双向端用于输入和输出信号。

本申请实施例的第二方面一种解析脑电信号的方法，包括以下步骤:

采集原始脑电信号；

将原始脑电信号进行离散小波变换解析出时频信息；

小波变换通过对原始脑电信号连续分解，将信号分解出高频和低频部分进行重构，可以在不丢失时域信息的同时滤除眼电和伪迹信号；

将所述时域信息进行快速傅里叶变换，解析出频域信息；