[发明专利]基于Micro:bit微处理器的生理电信号测量分析方法及系统

权利要求书

1.一种基于Micro:bit微处理器的生理电信号测量分析方法，其特征在于，包括如下步骤：

步骤1，将测试部位通过生理电信号采集组件接入测量电路；

步骤2，以动态采样频率采集生理电信号样本数据，即每当测量到的生理电信号发生改变，Micro:bit微处理器就会采集一个生理电信号样本数据；

步骤3，基于经验模式分解的预处理方法将生理电信号样本数据进行分解，得到若干个不同频段的内在模式函数分量和一个余项；

步骤4，针对不同频段的内在模式函数分量进行过滤、筛选、重新整合处理；

步骤5，采用特征抽取结合深度学习算法对降低噪声的信号进行处理，分类识别得出生理活动的模式类型；

其中，在步骤1完成后步骤2开始前，将生理电信号样本数据的模拟信号转换为0~0.5 V的标准的肌电信号，具体包括下列步骤：

首先，将生理电信号样本数据的模拟信号转换为0~3.3 V的输出信号，转换公式为：

其中，V_out是输出电压，单位V；AO是从Micro:bit微处理器获取的模拟信号；V_max是最大电压值3.3 V；AO_max是最大模拟信号值1023；

然后，采用分压电路将0~3.3 V的输出信号转换为0~0.5 V的标准的肌电信号，转换公式为：

其中，V_out,1为经转换后得到的0~0.5 V的标准的肌电信号；R₁=270 KΩ；R₂=56 KΩ。

2.根据权利要求1所述的基于Micro:bit微处理器的生理电信号测量分析方法，其特征在于，步骤5中的特征抽取涉及包括熵值在内的20个特征数据；这些特征数据用在包括深度学习的多种机器学习算法中，对脑波特征进行有效分类学习并建立可靠的机器学习模型。

3.根据权利要求2所述的基于Micro:bit微处理器的生理电信号测量分析方法，其特征在于，20个特征数据具体为：非等长的区间段δ为0.5–4Hz, θ为4–7 Hz, α为8–12Hz, β为12–30 Hz, 和γ为30–100 Hz上的功率谱强度和相对强度比形成的10个特征数据；Petrosian分形维数； Higuchi分形维数； Hjorth的机动性和复杂性；谱熵； SVD熵；Fisher信息；近似熵；无趋势扰动分析；Hurst指数。

4.根据权利要求1所述的基于Micro:bit微处理器的生理电信号测量分析方法，其特征在于，步骤4包括：在全部频段的内在模式函数分量中选择最高频率对应的区间段的内在模式函数分量对应的波形，根据波形判断是否出现低频漂移；如果出现低频漂移，则过滤掉低频段的内在模式函数分量；如果未出现低频漂移，则保留低频段的内在模式函数分量。

5.根据权利要求1所述的基于Micro:bit微处理器的生理电信号测量分析方法，其特征在于，采用加速计传感器测量受试者的运动数据；采用磁力计传感器测量受试者的方位数据。

6.根据权利要求1或5所述的基于Micro:bit微处理器的生理电信号测量分析方法，其特征在于，步骤2采集的生理电信号样本数据或者受试者的运动数据和方位数据可由蓝牙无线通讯模块传送到计算机、手机或其他移动计算设备上。