CN103815901B - 一种应用于单导联便携式脑电设备的频域特征提取方法 - Google Patents

Abstract

本发明涉及脑电信号处理领域，特别是涉及一种应用于单导联便携式脑电设备的频域特征提取算法，适合单导联便携式脑电设备的特征提取并反映认知的状态。所述算法包括如下预处理、特征表达和提取及指标化表示。本发明的算法输出警觉性水平和紧张度水平两个指标，警觉度指标：S1(t)=c(t)/a(t)，其中t表示时间，a和c分别表示alpha和theta的能量；紧张度指标：S2(t)=b(t)*c(t)，其中t表示时间，b和c分别表示beta和theta的能量。本发明的有益效果在于：相对于现有技术中完全凭经验或主观的判断，本发明可以科学客观的判断被试者当前的精神状态；可以进一步提炼出反映最佳工作状态的多指标协同程度的指标，从而全面表达大脑活动的状态是否适合工作。

Description

一种应用于单导联便携式脑电设备的频域特征提取方法

技术领域

本发明涉及脑电信号处理领域，特别是涉及一种应用于单导联便携式脑电设备的频域特征提取方法，适合单导联便携式脑电设备的特征提取并反映认知的状态。

背景技术

头皮脑电信号来源于人脑神经活动，脑电信号中有许多成分可以反映人的精神状态，包括注意力或疲劳等，可以实时、动态、直接地反映被试者的精神状态。在许多场合了解被试者是否为觉醒态具有重要意义，特别是敏感的反映警觉度和紧张度的这两个科学指标具有重要意义。单导联的便携式脑电设备可以更好地推动基于脑电信号的精神状态解码应用。与多导联脑电设备相比，单导联在设备成本、供电和产品便携性等方面具有不可比拟的优势，可以克服阻碍基于脑电的神经反馈技术走向实用的诸多障碍。但是由于脑电是非常微弱的电信号(微伏级)，单导联脑电由于普遍采用干电极，没有耦合介质降低佩服电阻，在实际环境中记录的引入大量干扰噪声，因此这种设备对信号处理和特征提取方法要求较高，需要特别的去噪和特征提取方法。专门针对单导联、干电极便携式脑电设备提出的去噪和特征提取方法，并且适用于实际生活或工作中应用的指标，没有查阅到文献或专利报道。

发明内容

本发明的目的是，针对便携式单导联应用的计算指标还需额外考虑电极数量和位置、采集环境噪音等多种特有情况，提供一种应用于单导联便携式脑电设备的频域特征提取方法。

本发明的技术方案如下：

一种基于单导联方式的脑电频域特征指标化方法，其特征在于，所述方法包括如下步骤：

(1)预处理：对量化的脑电波进行数字滤波，去除肌电等干扰噪音；所述滤波器为无限冲激响应(IIR)带通滤波器；

(2)特征表达和提取：从预处理之后的脑电信号中提取反映综合认知状态的基本指标，具体包括alpha波频率为8-13Hz、beta波频率为13-20Hz，delta波频率为1-4Hz，theta波频率为4-7Hz；运用时频分析技术将这些指标从原始时域信号中提取出来，在频域上以能量或功率的时间序列形式加以表达；

(3)指标化表示：将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义；所述方法输出警觉性水平和紧张度水平两个指标，所述警觉性水平指标和紧张度水平指标具体如下：

a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号，他们分别由原始脑电信号，经由时频分析,并选定特定频段的能量累加实现；

警觉度指标：

S1(t)＝c(t)/a(t)，其中t表示时间，a和c分别表示alpha和theta的能量；

紧张度指标：

S2(t)＝b(t)*c(t)，其中t表示时间，b和c分别表示beta和theta的能量。

进一步的，所述步骤(2)表达和提取的具体方法如下：

采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换；输入信号为单导联脑电采集到的离散脑电时间序列，与上述母小波函数做卷积，并经过变换后得到一系列不同频段的复时间序列信号,即小波系数；其中时间与输入信号长度保持一致，频率范围对为1-35Hz，保留其中1-35Hz用于提取节律特征；对于特定的时刻和频点，系数表示信号的时频分布情况，对其取模，即用功率表示；按照频段范围高低，分别提取alpha波(8-13Hz)、beta波(13-20Hz)，delta波(1-4Hz)，theta波(4-7Hz)，对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。

进一步的，所述步骤(3)指标化表示采用特征归一化方法，即：

将某一频段能量占总能量的比值作为指标：

${P^{\′}}_f\left(t\right)=\frac{P_f\left(t\right)}{{\mathrm{\Σ}}_{f^{\′}=1}^{35}{P}_{f^{\′}}\left(t\right)}$

其中，t表示时间，f表示频率，P表示功率，从而Pf(t)表示某一频率f范围内的能量随时间变化的函数，公式的分母部分则表示将1到35Hz频率范围内的能量累加总和；根据以上模型将P_f(t)除以总能量归一化以后，每个频段的相对能量变为0-1范围内的数值，即用P_f’(t)表示。

进一步的，所述方法进一步包括注意力水平的判定，即以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的注意和紧张两项指标序列的时序均值的60％作为判决门限，低于此门限判决为疲劳发生。

进一步的，在警觉性水平指标和和紧张度水平指标两项基本指标的基础上，根据不同节律表示的内在生理、心理规律，进一步提出利用节律信号之间的同步性来综合反映使用者的大脑协同状态，从而全面表达大脑活动的状态是否适合工作要求，指标计算流程如下：

从原始信号中分别提取出8-13Hz和4-7Hz频段范围的alpha和theta波，用a(t)和c(t)表示，其中t表示时间；

对脑电幅度信号a(t)和c(t)分别进行Hilbert变换，得到其相位信号和表示信号相位随时间变化的情况；

计算alpha和theta能量时间序列之间的同步性指标S，S表示一段时间Δt内，两个频段信号总体的相位差值，即同步性的好坏，用于衡量全脑参与维持注意水平的程度，同步性越好，越能调动全脑的认知资源维持较高的注意水平，能够保证警觉性，克服疲劳等因素，提高对外界刺激的加工能力，从而保持较好的工作状态；

指标S的计算模型如下：

其中，S表示拟计算的同步性指标，其中Δt表示选定的一段时间长度，信号将根据该时间段的长度从原始信号中逐步计算出，e表示自然常数，其值约为2.71828；t表示选定时间段内的某一时刻；表示节律的相位信息，对一段时间内的相位的差进行累加可以计算出总体的相位同步性，以自然对数形式表示可以保证指标在0和1之间。

进一步的，选定时间段长度为1s，即每1s输出以上指标S一次，实时地跟踪注意力指标的变化，传输给终端并加以提示。

本发明的有益效果在于：

1、针对便携式单导联应用的计算指标还需额外考虑电极数量和位置、采集环境噪音等多种特有情况，能够分析单导联设备采集的脑电信号，提取出频域特征，并计算出反映警觉性、疲劳度和紧张度的基本指标，相对于现有技术中完全凭经验或主观的判断，本发明可以科学客观的判断被试者当前的精神状态。

2、本发明可以进一步提炼出反映最佳工作状态的多指标协同程度的指标，从而全面表达大脑活动的状态是否适合工作。

附图说明

图1是本发明的方法流程图。

具体实施方式

本项发明的流程包括：预处理、特征表达和提取、特征归一化、特征指标化表示、门限判别等子模块，最后输出为两项基本指标(警觉度和紧张度)和协同性指标。

预处理：对量化的脑电波进行数字滤波，去除肌电等干扰噪音，以最大程度地保留反映神经活动的脑电信号。滤波器为无限冲激响应(IIR)带通滤波器。特别地，考虑到单导联脑电设备的电极常常贴放于头部额头或者颈部等位置，容易受到肌肉运动带来的干扰，结合眉头和颈部肌电的特点，设计低通起始频率为1Hz，高通截止频率为35Hz，以最大限度保留脑电节律，去除肌肉小幅震荡和大幅度运动带来的噪音干扰。

特征表达和提取：从预处理之后的脑电信号中提取反映综合认知状态的基本指标，他们是人脑基本认知活动的表现(如注意、思维、记忆等)，具体包括alpha波频率为8-13Hz、beta波频率为13-20Hz，delta波频率为1-4Hz，theta波频率为4-7Hz等，这些指标经过时频分析技术从原始时域信号中提取出来，在频域上以能量(功率)的时间序列形式加以表达。

指标化表示：我们将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义。我们还特别提取持续性注意、警觉性的“注意力”和紧张度等基本指标，用以表达影响工作效率的警觉性和紧张程度。

门限判决：依据注意力和紧张度水平，设置阈值，超过阈值限制则提示注意力水平下降到警告线以下，判决为疲劳发生。阈值的判定以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的注意和紧张两项指标序列的时序均值的60％作为判决门限，低于此门限提示当前状态不适合工作。

核心指标的计算：

特征表达(时频分析)：

特征表达子模块是本发明中的核心计算之一，其参数和精度影响到整体指标。

本发明采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换。输入信号为单导联脑电采集到的离散脑电时间序列，与以上母小波函数卷积并经过变换后得到一系列不同频段的复时间序列信号(即小波系数)，其中时间与输入信号长度保持一致，频率范围对为1-35Hz，保留其中1-35Hz用于提取节律特征。对于特定的时刻和频点，系数表示信号的时频分布情况，在本发明中对其取模，即用功率表示。按照频段范围高低，分别提取alpha波(8-13Hz)、beta波(13-20Hz)，delta(1-4Hz)，theta(4-7Hz)对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。

特征归一化：

为了克服以上基本指标的个体差异，我们将某一频段能量占总能量的比值作为指标，这样可以更好地提高指标的推广能力和适用范围，使得不同人的指标可以互相比较，以客观反映效应量的大小。

${P^{\′}}_f\left(t\right)=\frac{P_f\left(t\right)}{{\mathrm{\Σ}}_{f^{\′}=1}^{35}{P}_{f^{\′}}\left(t\right)}$

其中，t表示时间，f表示频率，P表示功率，从而Pf(t)表示某一频率f范围内的能量随时间变化的函数，公式的分母部分则表示将1到35Hz频率范围内的能量累加总和。根据以上模型将Pf(t)除以总能量归一化以后，每个频段的相对能量都可以变为0-1范围内的数值，即用P_f’(t)表示。

警觉度、紧张度的指标表示：

反映警觉性水平和紧张度的指标提取是本专利的重要内容，我们提出以下模型来表示这两项基本指标。

a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号，他们分别由原始脑电信号的经由时频分析并选定特定频段的能量累加实现，本项专利根据alpha、beta和theta波反映持续性注意水平、动脑思考活动以及大脑皮层大尺度整体活动情况的规律，提出以下模型。

警觉度指标：

S1(t)＝c(t)/a(t)，其中t表示时间，a和c分别表示alpha和theta的能量。

紧张度指标：

S2(t)＝b(t)*c(t)，其中t表示时间，b和c分别表示beta和theta的能量。

指标可以分别表示高注意力和保持专注的程度，用于测量适合工作的大脑状态。

大脑协同程度指标表示：

在以上两项基本指标的基础上，我们又根据不同节律表示的内在生理、心理规律，提出利用节律信号之间的同步性来综合反映使用者的大脑协同状态，从而全面表达大脑活动的状态是否适合工作。

指标计算流程如下：

从原始信号中分别提取出8-13Hz和4-7Hz频段范围的alpha和theta波，用a(t)和c(t)表示，其中t表示时间。

对脑电幅度信号a(t)和c(t)分别进行Hilbert变换，得到其相位信号和表示信号相位随时间变化的情况；

计算alpha和theta能量时间序列之间的同步性指标S，表示一段时间内(用Δt表示)，两个频段信号总体的相位差值，即同步性的好坏，用于衡量全脑参与维持注意水平的程度，同步性越好，越能调动全脑的认知资源维持较高的注意水平，能够保证警觉性，客服疲劳等因素，提高对外界刺激的加工能力，从而保持较好的工作状态。

指标S的计算模型如下：

其中，S表示拟计算的同步性指标，其中Δt表示选定的一段时间长度，信号将根据该时间段的长度从原始信号中逐步计算出，e表示自然常数，其值约为2.71828；t表示选定时间段内的某一时刻； 表示节律的相位信息；对一段时间内的相位的差进行累加可以计算出总体的相位同步性，以自然对数形式表示可以保证指标在0和1之间。

本专利中，选定时间段长度为1s，即每1s输出以上指标S一次，以实时地跟踪注意力指标的变化，传输给终端并加以提示。

流程图可以按以下流程进行：

预处理->特征表达和提取->特征归一化->特征指标化表示

Alpha

Theta

Beta

前两个合成A：警觉度；

后两个合成B：紧张度；

第一个和第三个深度合成C：协同性指标；

然后指向门限判别和指标输出。

Claims (7)

1.一种基于单导联方式的脑电频域特征指标化方法，其特征在于，所述方法包括如下步骤：

(1)预处理：对量化的脑电波进行数字滤波，去除肌电干扰噪音；所述滤波器为无限冲激响应(IIR)带通滤波器；

(2)特征表达和提取：从预处理之后的脑电信号中提取反映综合认知状态的基本指标，具体包括alpha波频率为8-13Hz、beta波频率为13-20Hz，delta波频率为1-4Hz，theta波频率为4-7Hz；运用时频分析技术将这些指标从原始时域信号中提取出来，在频域上以能量或功率的时间序列形式加以表达；

(3)指标化表示：将上述基本指标进行标准化，使得不同使用者以及同一个使用者不同时间的同一指标具有相同的物理含义；所述方法输出警觉性水平和紧张度水平两个指标，所述警觉性水平指标和紧张度水平指标具体如下：

a(t)、b(t)和c(t)分别表示alpha、beta和theta三个频段的时序信号，他们分别由原始脑电信号，经由时频分析,并选定特定频段的能量累加实现；

警觉度指标：

S1(t)＝c(t)/a(t)，其中t表示时间，a和c分别表示alpha和theta的能量；

紧张度指标：

S2(t)＝b(t)*c(t)，其中t表示时间，b和c分别表示beta和theta的能量。

2.根据权利要求1所述的方法，其特征在于：所述步骤(1)中，带通滤波器的低通起始频率为1Hz，高通截止频率为35Hz。

3.根据权利要求1所述的方法，其特征在于：

所述步骤(2)特征表达和提取的具体方法如下：

采用Morlat函数为母小波函数，对脑电时域信号进行连续小波变换；输入信号为单导联脑电采集到的离散脑电时间序列，与上述母小波函数做卷积，并经过变换后得到一系列不同频段的复时间序列信号,即小波系数；其中时间与输入信号长度保持一致，频率范围对为1-35Hz，保留其中1-35Hz用于提取节律特征；对于特定的时刻和频点，系数表示信号的时频分布情况，对其取模，即用功率表示；按照频段范围高低，分别提取alpha波频率为8-13Hz、beta波频率为13-20Hz，delta波频率为1-4Hz，theta波频率为4-7Hz，对应频段的复小波系数的模的时间序列，即功率表示频段能量的时序变化。

4.根据权利要求1所述的方法，其特征在于：

所述步骤(3)指标化表示采用特征归一化方法，即：

将某一频段能量占总能量的比值作为指标：

${P^{\′}}_f\left(t\right)=\frac{P_f\left(t\right)}{{\mathrm{\Σ}}_{f^{\′}=1}^{35}{P}_{f^{\′}}\left(t\right)}$

其中，t表示时间，f表示频率，P表示功率，从而Pf(t)表示某一频率f范围内的能量随时间变化的函数，公式的分母部分则表示将1到35Hz频率范围内的能量累加总和；根据以上模型将P_f(t)除以总能量归一化以后，每个频段的相对能量变为0-1范围内的数值，即用P_f ^’(t)表示。

5.根据权利要求1所述的方法，其特征在于：

所述方法进一步包括注意力水平的判定，即以正常使用者在没有困倦、疲劳状态发生的情况下，持续保持注意2分钟的注意和紧张两项指标序列的时序均值的60％作为判决门限，低于此门限判决为疲劳发生。

6.根据权利要求5所述的方法，其特征在于：

在警觉性水平指标和和紧张度水平指标两项基本指标的基础上，根据不同节律表示的内在生理、心理规律，进一步提出利用节律信号之间的同步性来综合反映使用者的大脑协同状态，从而全面表达大脑活动的状态是否适合工作要求，指标计算流程如下：

从原始信号中分别提取出8-13Hz和4-7Hz频段范围的alpha和theta波，用a(t)和c(t)表示，其中t表示时间；

对脑电幅度信号a(t)和c(t)分别进行Hilbert变换，得到其相位信号和表示信号相位随时间变化的情况；

计算alpha和theta能量时间序列之间的同步性指标S，S表示一段时间Δt内，两个频段信号总体的相位差值，即同步性的好坏，用于衡量全脑参与维持注意水平的程度，同步性越好，越能调动全脑的认知资源维持较高的注意水平，能够保证警觉性，克服疲劳因素，提高对外界刺激的加工能力，从而保持较好的工作状态；

指标S的计算模型如下：

其中，S表示拟计算的同步性指标，其中Δt表示选定的一段时间长度，信号将根据该时间段的长度从原始信号中逐步计算出，e表示自然常数，其值约为2.71828；t表示选定时间段内的某一时刻；表示节律的相位信息，对一段时间内的相位的差进行累加可以计算出总体的相位同步性，以自然对数形式表示可以保证指标在0和1之间。

7.根据权利要求6所述的方法，其特征在于：

选定时间段长度为1s，即每1s输出以上指标S一次，实时地跟踪注意力指标的变化，传输给终端并加以提示。