[发明专利]基于复杂脑网络分析的注意力水平检测方法

摘要

本发明涉及一种基于复杂脑网络分析的注意力水平检测方法，是把采集到的专注状态和放松状态下的数据通过相空间重构来构造复杂网络，通过经验统计来选择嵌入维数、时间延迟和阈值参数，求出两种状态下数据的特征值，利用特征值来训练分类器，最后实时采集脑电信号，使用训练好的参数对每1s的数据进行处理，计算用户的注意力水平指数；并把分类结果、特征值和波形曲线在处理器屏幕上显示出来，实现用户的在线分类并且可以看到分类结果。本专利操作简单、实时性强，对用户注意力水平指数能够进行有效准确的分类。

主权项

1.一种基于复杂脑网络分析的注意力水平检测方法，包括脑波采集设备和处理器，其特征在于，其包括如下步骤：步骤1、利用所述脑波采集设备中的液晶屏完成新用户的创建或者已有用户的登陆；步骤2、通过所述液晶屏提示用户分别进入专注状态和放松状态，采集并存储用户前额位置的脑电数据，将数据分割为1s长度的数据段，得到专注状态和放松状态下共计120段的脑电数据；步骤3、对于每段脑电数据，均采用相空间重构算法进行处理，重构转化为相空间矢量，通过数据库的数据统计结果选择嵌入维数m、时间延迟τ和阈值θ参数，将一维脑电数据x重构为N‑(m‑1)τ行，(m‑1)τ‑1列的空间矢量，其中N为有效数据的长度；步骤4、提取相空间中的所有矢量作为网络节点，对每段数据构造一个复杂脑网络，具体包括：将采集到的专注状态和放松状态下的有效数据通过相空间重构构造出复杂脑网络，计算空间矢量中任意两个节点之间的距离，得到复杂脑网络的加权邻接矩阵，根据两节点之间的距离与阈值θ的大小关系向得到的加权邻接矩阵中添加元素，其中第i行、第j列的元素记为a_ij并计算各个网络的平均度k和平均聚类系数c两个参数值；步骤5、利用专注状态和放松状态下平均度k和平均聚类系数c训练LDA分类器，获得注意力水平指数的平均数步骤6、实时采集脑电信号并进行存储，利用训练好的参数对每1s的数据进行处理，获得用户的实时注意力指数在连续3s内统计注意力指数大于和小于的次数，当大于的次数多于小于的次数时，认为用户的注意力水平已经处于专注状态，当大于的次数少于小于的次数时，认为用户的认为注意力水平处于放松状态；步骤7、输出检测结果，在所述液晶屏显示分类结果。