[发明专利]实验大鼠大脑皮层电信号的数据处理方法及装置

权利要求书

1.一种实验大鼠大脑皮层电信号的数据处理方法，其特征在于，包括：

获取实验大鼠静息状态下大脑皮层的电信号；

对所述电信号进行预处理得到预处理后的ECoG信号；所述预处理包括滤波、去趋势化、去除基线漂移；

利用自回归模型和功率谱密度对所述ECoG信号进行频谱分析，并对利用小波包变换的方法计算所述ECoG信号的各频段能量占比；

利用连续小波变换对所述ECoG信号进行时频分析，从而确定所述ECoG信号的时域及频域的共同信息；

对所述ECoG信号进行非线性动力学分析从而确定所述ECoG信号的LZ复杂度和样本熵。

2.根据权利要求1所述的数据处理方法，其特征在于，所述对所述电信号进行预处理得到预处理后的ECoG信号，进一步包括：

对所述电信号进行0-100Hz的带通滤波，滤波器使用6阶的IIR滤波器；

对所述电信号进行去除基线漂移的处理，小波基函数为“db6”，分解层数为6层，且将第6层的近似系数置零，并对信号进行重构。

3.根据权利要求1所述的数据处理方法，其特征在于，在所述利用自回归模型和功率谱密度对所述ECoG信号进行频谱分析，并对利用小波包变换的方法计算所述ECoG信号的各频段能量占比，的步骤中：

所述自回归模型的阶数为6阶；

在功率谱密度分析中，使用hamming窗函数进行修正，窗函数窗口大小为128，分段信号的重叠采样点数为64；

在计算各频段能量占比中，使用离散小波包变换的方法，小波基函数为“db6”，分解层数为6层。

4.根据权利要求1中所述的数据处理方法，其特征在于，在利用连续小波变换对所述ECoG信号进行时频分析，的步骤中：进行连续小波变换的频率间隔为1。

5.根据权利要求1中所述的数据处理方法，其特征在于，在利用连续小波变换对所述ECoG信号进行时频分析，的步骤中：

对所述ECoG信号进行分段时以小于或等于4s为一个窗口进行分段；

LZ复杂度的粗粒化手段使用的是平均值法，且也以小于或等于4s为一个窗口进行分段。

6.根据权利要求1所述的数据处理方法，其特征在于，在对所述电信号进行预处理得到预处理后的ECoG信号，之后还包括：

建立神经网络模型，利用所述神经网络对所述ECoG信号进行分类。

7.根据权利要求6中所述的数据处理方法，其特征在于，所述神经网络的结构为：

第一层为输入层，共有128个神经元；

第二层为一维卷积层(Conv1D)，共有64个神经元，每个神经元长度5，步长为2，激活函数是relu；

第三层为长短时记忆神经网络层(LSTM)，共有64个神经元，激活函数为tanh；

第四层为Dropout层，随机丢弃25％的神经元；

第五层为LSTM层，共有128个神经元；

最后一层为输出层，使用的激活函数是softmax；

在训练时的batch size为512，epochs为500。

8.一种实验大鼠大脑皮层电信号的数据处理装置，其特征在于，包括：

获取单元，用于获取实验大鼠静息状态下大脑皮层的电信号；

预处理单元，用于对所述电信号进行预处理得到预处理后的ECoG信号；所述预处理包括滤波、去趋势化、去除基线漂移；

频谱分析单元，用于利用自回归模型和功率谱密度对所述ECoG信号进行频谱分析，并对利用小波包变换的方法计算所述ECoG信号的各频段能量占比；

时频分析单元，用于利用连续小波变换对所述ECoG信号进行时频分析，从而确定所述ECoG信号的时域及频域的共同信息；

非线性动力学分析单元，用于对所述ECoG信号进行非线性动力学分析从而确定所述ECoG信号的LZ复杂度和样本熵。