[发明专利]一种基于matlab的脑电信号处理装置在审

专利信息
申请号: 202111185158.7 申请日: 2021-10-12
公开(公告)号: CN113907768A 公开(公告)日: 2022-01-11
发明(设计)人: 张继勇;舒洪睿;李小东 申请(专利权)人: 浙江汉德瑞智能科技有限公司
主分类号: A61B5/369 分类号: A61B5/369;A61B5/291;A61B5/16;G06F17/14;H03H17/04
代理公司: 杭州昱呈专利代理事务所(普通合伙) 33303 代理人: 雷仕荣
地址: 311402 浙江省杭州市富*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 matlab 电信号 处理 装置
【权利要求书】:

1.基于matlab的脑电信号处理装置,其特征在于,包括数据采集器、去噪单元、非线性单元和时频域单元,数据采集器的输出连接去噪单元的输入,去噪单元的输出分别连接非线性单元和时频域单元的输入,其中,

所述数据采集器包括采集脑电信号的三个电极:Fp1、Fpz、Fp2和作为回路的耳廓电极;

所述去噪单元采用小波三层分解,包括将数据采集器采集到的信号进行小波变换,得到小波系数;在小波变换域上,通过信号和噪声的不同特点来对信号进行去噪;将去噪后的信号进行重建;

所述非线性单元包括计算关联维数、Co复杂度和Renyi熵;

所述时频域单元为通过IIR四阶滤波器对得到的信号进行分段处理。

2.根据权利要求1所述的基于matlab的脑电信号处理装置,其特征在于,所述数据采集器的采样频率为250Hz。

3.根据权利要求1所述的基于matlab的脑电信号处理装置,其特征在于,所述去噪单元中包括使用wden函数对信号进行自动降噪,采用thselect命令进行阈值处理,通过ddencomp命令对信号噪声的强度求阈值。

4.根据权利要求1所述的基于matlab的脑电信号处理装置,其特征在于,所述关联维数是动力学复杂性的一个几何度量,用于相空间的近四位数,反映脑电信号的动态特征和脑电序列本身的相关程度,通过以下计算得到:脑电数据序列用n个数据点的{xi,i=1,……N},取等间隔量τ,使用m维欧式空间得到其元素维:

X(i)={x(i),x(i+τ),…,x[i+(m-1)τ]},i=1,2,…N-(m-1)τ

相关的积分函数

r是每个参考点x(i)周围的径向距离,M是相空间中数据点的个数,X(i)-X(j)是欧几里得形式,θ(x)表示阶跃函数;

关联维数CD的计算公式为:

5.根据权利要求1所述的基于matlab的脑电信号处理装置,其特征在于,所述Co复杂度反映不规则程度,为序列随机性的一种表示,将复杂序列分解为规则活动和随机活动,在数值上等于随机活动序列与时间轴之间的面积比,以及整个复杂活动序列与时间轴之间的面积比,通过以下计算得到:

设EEG信号的时间序列为x(n){x(0),x(1),……,x(N-1)},n=0,1,2,……,N-1,n个样本点;

先将x(n)做快速傅里叶变换FFT:

求X(k)的均方值GN

将小于或等于X(k)的替换为0,得到一个新的频谱级数Y(k):

然后通过Y(k)的逆FFT得到Y(n),Co复杂度定义为:

其中,y(n)定义为脑电规则活动部分,x(n)-y(n)定义为脑电序列随机部分。

6.根据权利要求1所述的基于matlab的脑电信号处理装置,其特征在于,所述Renyi熵包括信号的振幅信息和频率信息,Renyi熵用来分析非平稳过程或非高斯过程的时间序列,通过以下计算得到:

α表示为α阶广义熵,pi是每个子区间的概率。

7.根据权利要求1所述的基于matlab的脑电信号处理装置,其特征在于,所述时频域单元中的IIR四阶滤波器的采样频率与采集数据时的频率保持一致,采样点数设为30000。

8.根据权利要求7所述的基于matlab的脑电信号处理装置,其特征在于,所述时频域单元中把IIR四阶滤波器的通带设置为0.5~4Hz,得到Delta波段时域图谱和频域图谱。

9.根据权利要求7所述的基于matlab的脑电信号处理装置,其特征在于,所述时频域单元中把IIR四阶滤波器的通带设置为4~8Hz,得到Theta波段时域图谱和频域图谱。

10.根据权利要求7所述的基于matlab的脑电信号处理装置,其特征在于,所述时频域单元中把IIR四阶滤波器的通带设置为8~14Hz,得到Alpha波段时域图谱和频域图谱。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江汉德瑞智能科技有限公司,未经浙江汉德瑞智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111185158.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top