[发明专利]基于VR系统的脑电信号恐惧度分级特征研究

摘要

本发明公开了基于VR系统的脑电信号恐惧度分级特征方法。随着社会的发展进步，恐惧症在当今越来越普遍，恐惧的分级有利于判断恐惧程度,让那些潜在患者能够及时治疗。本发明通过使用VR设备观看一段恐惧视频，诱发不同程度的恐惧脑电，使用沈民奋小波包分解和Lempel‑Ziv复杂度(LZC)算法，对不同级别的恐惧脑电进行特征分析。实验结果表明：随着恐惧等级的增加，脑电中的δ节律的能量会减少，而α节律、θ节律和β节律的能量会升高。在三种不同的恐惧等级下，一级恐惧的LZC值最低，二级恐惧的LZC值其次，三级恐惧的LZC值最高。因此，参数LZC可以作为衡量恐惧等级的潜在指标，而且VR的使用为后续研究脑电信号的研究提供了新的思路。

主权项

1.基于VR系统的脑电信号恐惧度分级特征方法，其特征在于，包括如下步骤：(1)脑电信号采集，利用脑电设备和VR设备采集恐惧脑电信号，并使用问卷调查记录被试者再不同时刻的恐惧程度；(2)对采集到的脑电信号进行预处理，利用高通滤波器进行线性矫正，利用ICA去除眼电和肌电的干扰，改变采样频率为250HZ，降低数据量；(3)根据被试者的问卷调查，对数据进行分段和叠加平均，得到处理后的数据；(4)对(3)中预处理后的脑电信号进行小波包分解和重构，计算α，β，θ频带的能量，并分析它们的能量随恐惧等级的变化而变化的关系；(5)对经过预处理的脑电信号进行LZC复杂度分析，分析脑电复杂度的变化。