CN105809155A - 一种基于脑电波的冥想检测系统 - Google Patents
一种基于脑电波的冥想检测系统 Download PDFInfo
- Publication number
- CN105809155A CN105809155A CN201610329176.0A CN201610329176A CN105809155A CN 105809155 A CN105809155 A CN 105809155A CN 201610329176 A CN201610329176 A CN 201610329176A CN 105809155 A CN105809155 A CN 105809155A
- Authority
- CN
- China
- Prior art keywords
- meditation
- frequency
- domain signal
- signal data
- brain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/15—Biometric patterns based on physiological signals, e.g. heartbeat, blood flow
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于脑电波的冥想检测系统,涉及脑电信号情绪特征提取与分析领域。该系统包括时域信号数据预处理模块、α频段能量相对值计算模块和冥想分数计算模块;时域信号数据预处理模块用于:获取1段脑电时域信号数据并将其转换为脑电频域信号数据;α频段能量相对值计算模块用于:利用脑电频域信号数据分别计算α频段的能量绝对值与β频段的能量绝对值根据和计算α频段的能量相对值ratio;冥想分数计算模块用于:根据ratio计算冥想分数MedScore。本发明能够增强冥想判定的抗干扰性,进而提高冥想判定结果的准确性。
Description
技术领域
本发明涉及脑电信号情绪特征提取与分析领域,具体涉及一种基于脑电波的冥想检测系统。
背景技术
冥想(meditation)在心理学中是一种改变意识的形式,它通过获得深度的宁静状态而增强自我知识和良好状态。本质上是通过停止知性和理性的大脑皮质作用,而使自律神经呈现活络状态。通俗来说,冥想就是停止意识对外的一切活动,而达到忘我之境的一种心灵自律行为。一般情况下人类只有在闭眼后,通过降低有意识的大脑活动才能逐渐进入冥想状态,这时人类大脑所发出的脑电波将相对睁眼非冥想或闭眼睡觉时发生较大变化。
脑电波(EEG,Electroencephalogram)是指大脑在活动时,大量神经元同步发生的突触后电位经总和后形成的电信号。人类在闭眼并通过冥想训练使大脑进入宁静状态后,会反映到7.5Hz到13Hz频段的脑电波处于活跃、且该脑电波的能量值偏高。学术上将7.5Hz到13Hz频段的脑电波称为α频段脑波;通过采集、分析脑电波可以对人类大脑的冥想活动进行检测。
但是,采集和分析α频段脑波时,α频段脑波容易受到来自外界的电磁波干扰,进而造成能量绝对值偏大;或者α频段脑波采集过程中传感器器件(脑电电极及其驱动电路等)发生性能衰减,进而造成能量绝对值过小。因此,α频段脑波的能量绝对值不够稳定,无法通过该能量绝对值作为判定冥想和分析冥想程度的数据依据。
发明内容
针对现有技术中存在的缺陷,本发明解决的技术问题为:增强冥想判定的抗干扰性,进而提高冥想判定结果的准确性。
为达到以上目的,本发明提供的基于脑电波的冥想检测系统,该系统包括1个时域信号数据预处理模块、1个α频段能量相对值计算模块和1个冥想分数计算模块;
所述时域信号数据预处理模块包括1个脑电时域数据片段生成单元、1个时频域数据转换单元;
所述脑电时域数据片段生成单元用于:获取1段脑电时域信号数据;
所述时频域数据转换单元用于:将脑电时域信号数据转换为脑电频域信号数据;
所述α频段能量相对值计算模块包括1个频段能量绝对值计算单元、1个α能量相对值计算单元;
所述频段能量绝对值计算单元用于:利用脑电频域信号数据分别计算α频段的能量绝对值与β频段的能量绝对值
所述α能量相对值计算单元用于:根据和计算α频段的能量相对值ratio;
冥想分数计算模块用于:根据ratio计算冥想分数MedScore,计算公式为:
上述公式中upperLimit为自定义的冥想阈值上限,lowerLimit为冥想阈值下限。
在上述技术方案的基础上,所述脑电频域信号数据中包括na个α频段的频点和nβ个β频段的频点,所述和的计算公式分别为:
上述公式中E1a、E2a...Ena为α频段的第1号频点能量值至第na号频点能量值;E1a、E2a...Enβ为β频段的第1号频点能量值至第nβ号频点能量值。
在上述技术方案的基础上,所述ratio的计算公式为:
在上述技术方案的基础上,所述时频域数据转换单元采用DFT将脑电时域信号数据转换为脑电频域信号数据。
在上述技术方案的基础上,所述脑电时域数据片段生成单元获取1段脑电时域信号数据的方式为:在脑电波采集设备发送的数据中截取1段脑电时域信号数据。
在上述技术方案的基础上,所述脑电波采集设备的脑电信号采样频率为512Hz,所述1段脑电时域信号数据中包括2048个数据。
与现有技术相比,本发明的优点在于:
本发明采用β频段作为参考频段来计算α频段的能量相对值ratio、并采用创新的计算公式根据ratio计算冥想分数MedScore进行冥想判定;与现有技术中能量绝对值偏大或过小的α频段脑波相比,本发明采用β频段作为参考频段的原因和优势为:
睁眼非冥想时,α频段能量相对值由于参考频段能量值偶然过低会异常增大。因此需要采用与α频段相比,在脑电频段定义上反差更大、尤其是睁眼非冥想时反差更大的脑电频段作为参考频段,以降低睁眼时冥想相对值的过高几率。
与此同时,选择参考频段时,为了增强冥想判定的抗干扰性和消除误判,需要选择与α频段邻近、且自身特性与α频段相反的频段。脑电波中比α频段更高频率的邻近频段β频段的自身特性是当精神紧张和情绪激动或亢奋时出现此波,其自身特性与α频段相反,而且与代表深度放松、无压力的潜意识状态的θ频段相比,β频段具有更大的反差性。
综上所述,本发明进行冥想判定时将β频段和α频段结合,能够增强冥想判定的抗干扰性,进而提高冥想判定结果的准确性。
附图说明
图1为本发明实施例中基于脑电波的冥想检测系统的结构框图。
具体实施方式
以下结合附图及实施例对本发明作进一步详细说明。
本发明实施例中的基于脑电波的冥想检测系统,根据脑电波采集设备(例如脑电仪)捕获的脑电波信号检测人类大脑冥想活动;脑电波采集设备用于需要采集和分析人类大脑的脑电波信号,以及检测人类大脑冥想活动的单位或地域(例如家庭、心理健康诊室和瑜伽教室等)。
参见图1所示,本发明实施例中的基于脑电波的冥想检测系统包括1个时域信号数据预处理模块、1个α频段能量相对值计算模块和1个冥想分数计算模块。
时域信号数据预处理模块包括1个脑电时域数据片段生成单元、1个时频域数据转换单元。
脑电时域数据片段生成单元用于:在脑电波采集设备发送的数据中截取1段脑电时域信号数据;本实施例中脑电波采集设备的脑电信号采样频率为512Hz,1段脑电时域信号数据中包括2048个数据;再次截取数据时2次截取的时间间隔为1s。
时频域数据转换单元用于:采用DFT(DiscreteFourierTransform,离散傅里叶变换)将脑电时域信号数据转换为脑电频域信号数据,脑电频域信号数据中包括na个α频段的频点和nβ个β频段的频点。
α频段能量相对值计算模块包括1个频段能量绝对值计算单元、1个α能量相对值计算单元。
频段能量绝对值计算单元用于:利用脑电频域信号数据分别计算α频段的能量绝对值与β频段的能量绝对值计算公式为:
上述公式中E1a、E2a...Ena为α频段的第1号频点能量值至第na号频点能量值;E1a、E2a...Enβ为β频段的第1号频点能量值至第nβ号频点能量值。
α能量相对值计算单元用于:根据和计算α频段的能量相对值ratio,计算公式为:
冥想分数计算模块用于:根据ratio计算冥想分数MedScore,计算公式为:
上述公式中upperLimit为自定义的冥想阈值上限,lowerLimit为冥想阈值下限。
本发明在MedScore计算完成后,根据MedScore进行冥想判定。
本发明不局限于上述实施方式,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (6)
1.一种基于脑电波的冥想检测系统,其特征在于:该系统包括1个时域信号数据预处理模块、1个α频段能量相对值计算模块和1个冥想分数计算模块;
所述时域信号数据预处理模块包括1个脑电时域数据片段生成单元、1个时频域数据转换单元;
所述脑电时域数据片段生成单元用于:获取1段脑电时域信号数据;
所述时频域数据转换单元用于:将脑电时域信号数据转换为脑电频域信号数据;
所述α频段能量相对值计算模块包括1个频段能量绝对值计算单元、1个α能量相对值计算单元;
所述频段能量绝对值计算单元用于:利用脑电频域信号数据分别计算α频段的能量绝对值与β频段的能量绝对值
所述α能量相对值计算单元用于:根据和计算α频段的能量相对值ratio;
冥想分数计算模块用于:根据ratio计算冥想分数MedScore,计算公式为:
上述公式中upperLimit为自定义的冥想阈值上限,lowerLimit为冥想阈值下限。
2.如权利要求1所述的基于脑电波的冥想检测系统,其特征在于:所述脑电频域信号数据中包括na个α频段的频点和nβ个β频段的频点,所述和的计算公式分别为:
上述公式中E1a、E2a...Ena为α频段的第1号频点能量值至第na号频点能量值;E1a、E2a...Enβ为β频段的第1号频点能量值至第nβ号频点能量值。
3.如权利要求2所述的基于脑电波的冥想检测系统,其特征在于:所述ratio的计算公式为:
4.如权利要求1所述的基于脑电波的冥想检测系统,其特征在于:所述时频域数据转换单元采用DFT将脑电时域信号数据转换为脑电频域信号数据。
5.如权利要求1至4任一项所述的基于脑电波的冥想检测系统,其特征在于:所述脑电时域数据片段生成单元获取1段脑电时域信号数据的方式为:在脑电波采集设备发送的数据中截取1段脑电时域信号数据。
6.如权利要求5所述的基于脑电波的冥想检测系统,其特征在于:所述脑电波采集设备的脑电信号采样频率为512Hz,所述1段脑电时域信号数据中包括2048个数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610329176.0A CN105809155A (zh) | 2016-05-17 | 2016-05-17 | 一种基于脑电波的冥想检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610329176.0A CN105809155A (zh) | 2016-05-17 | 2016-05-17 | 一种基于脑电波的冥想检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105809155A true CN105809155A (zh) | 2016-07-27 |
Family
ID=56452366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610329176.0A Pending CN105809155A (zh) | 2016-05-17 | 2016-05-17 | 一种基于脑电波的冥想检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809155A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975943A (zh) * | 2016-05-17 | 2016-09-28 | 中山衡思健康科技有限公司 | 一种基于脑电波的冥想检测方法 |
CN114041796A (zh) * | 2022-01-13 | 2022-02-15 | 深圳市心流科技有限公司 | 一种基于脑电波信号的专注力评估方法、装置及存储介质 |
CN114159077A (zh) * | 2022-02-09 | 2022-03-11 | 浙江强脑科技有限公司 | 基于脑电信号的冥想评分方法、装置、终端及存储介质 |
CN114176611A (zh) * | 2022-02-14 | 2022-03-15 | 深圳市心流科技有限公司 | 基于脑电波信号的冥想状态的训练方法、装置及存储介质 |
CN114642432A (zh) * | 2022-02-14 | 2022-06-21 | 浙江强脑科技有限公司 | 一种注意力评估方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001161652A (ja) * | 1999-12-03 | 2001-06-19 | Akio Mori | 脳波活動定量化計測装置 |
JP2002000577A (ja) * | 2000-06-23 | 2002-01-08 | Canon Inc | 脳波解析方法 |
CN101690659A (zh) * | 2009-09-29 | 2010-04-07 | 华东理工大学 | 脑电波分析方法 |
GB2492852A (en) * | 2011-07-11 | 2013-01-16 | Krishna Gandhi | Method and apparatus for measuring the levels of hormones, neuro-transmitters, bio markers, cortisol, or the like from EEG data |
CN102920453A (zh) * | 2012-10-29 | 2013-02-13 | 泰好康电子科技(福建)有限公司 | 一种脑电波信号处理方法及其装置 |
KR20130047920A (ko) * | 2011-11-01 | 2013-05-09 | 한국기초과학지원연구원 | 뇌파 변화 분석을 통한 시각 피로도 측정 장치 및 방법 |
CN103700219A (zh) * | 2013-11-14 | 2014-04-02 | 东莞龙昌数码科技有限公司 | 一种检测和消除人脑疲劳的方法 |
CN104574818A (zh) * | 2014-12-31 | 2015-04-29 | 东莞龙昌数码科技有限公司 | 一种应用手机的检测和消除疲劳驾驶的方法 |
CN105975943A (zh) * | 2016-05-17 | 2016-09-28 | 中山衡思健康科技有限公司 | 一种基于脑电波的冥想检测方法 |
-
2016
- 2016-05-17 CN CN201610329176.0A patent/CN105809155A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001161652A (ja) * | 1999-12-03 | 2001-06-19 | Akio Mori | 脳波活動定量化計測装置 |
JP2002000577A (ja) * | 2000-06-23 | 2002-01-08 | Canon Inc | 脳波解析方法 |
CN101690659A (zh) * | 2009-09-29 | 2010-04-07 | 华东理工大学 | 脑电波分析方法 |
GB2492852A (en) * | 2011-07-11 | 2013-01-16 | Krishna Gandhi | Method and apparatus for measuring the levels of hormones, neuro-transmitters, bio markers, cortisol, or the like from EEG data |
KR20130047920A (ko) * | 2011-11-01 | 2013-05-09 | 한국기초과학지원연구원 | 뇌파 변화 분석을 통한 시각 피로도 측정 장치 및 방법 |
CN102920453A (zh) * | 2012-10-29 | 2013-02-13 | 泰好康电子科技(福建)有限公司 | 一种脑电波信号处理方法及其装置 |
CN103700219A (zh) * | 2013-11-14 | 2014-04-02 | 东莞龙昌数码科技有限公司 | 一种检测和消除人脑疲劳的方法 |
CN104574818A (zh) * | 2014-12-31 | 2015-04-29 | 东莞龙昌数码科技有限公司 | 一种应用手机的检测和消除疲劳驾驶的方法 |
CN105975943A (zh) * | 2016-05-17 | 2016-09-28 | 中山衡思健康科技有限公司 | 一种基于脑电波的冥想检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105975943A (zh) * | 2016-05-17 | 2016-09-28 | 中山衡思健康科技有限公司 | 一种基于脑电波的冥想检测方法 |
CN114041796A (zh) * | 2022-01-13 | 2022-02-15 | 深圳市心流科技有限公司 | 一种基于脑电波信号的专注力评估方法、装置及存储介质 |
CN114041796B (zh) * | 2022-01-13 | 2022-05-17 | 深圳市心流科技有限公司 | 一种基于脑电波信号的专注力评估方法、装置及存储介质 |
CN114159077A (zh) * | 2022-02-09 | 2022-03-11 | 浙江强脑科技有限公司 | 基于脑电信号的冥想评分方法、装置、终端及存储介质 |
CN114176611A (zh) * | 2022-02-14 | 2022-03-15 | 深圳市心流科技有限公司 | 基于脑电波信号的冥想状态的训练方法、装置及存储介质 |
CN114642432A (zh) * | 2022-02-14 | 2022-06-21 | 浙江强脑科技有限公司 | 一种注意力评估方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809155A (zh) | 一种基于脑电波的冥想检测系统 | |
Gates et al. | Estimating time‐varying RSA to examine psychophysiological linkage of marital dyads | |
CN102715903B (zh) | 基于定量脑电图的脑电特征提取方法 | |
US7433732B1 (en) | Real-time brain monitoring system | |
CN108577834B (zh) | 一种用于癫痫间期棘波自动检测的方法 | |
Ayoubian et al. | Automatic seizure detection in SEEG using high frequency activities in wavelet domain | |
Qaraqe et al. | Epileptic seizure onset detection based on EEG and ECG data fusion | |
CN105809156A (zh) | 基于脑电波的通过概念密度计算冥想分数的冥想检测系统 | |
JP6757532B2 (ja) | 睡眠段階判定装置、睡眠段階判定方法、睡眠段階判定プログラム | |
Saidatul et al. | Analysis of EEG signals during relaxation and mental stress condition using AR modeling techniques | |
US20220280096A1 (en) | Ssvep-based attention evaluation method, training method, and brain-computer interface | |
CN102824171A (zh) | 脑卒中后抑郁症psd患者脑电特征提取方法 | |
Fraga et al. | Towards an EEG-based biomarker for Alzheimer's disease: Improving amplitude modulation analysis features | |
Khoa et al. | Detecting epileptic seizure from scalp EEG using Lyapunov spectrum | |
Godlove et al. | Measurement of the extraocular spike potential during saccade countermanding | |
Chen et al. | Electroencephalogram variability analysis for monitoring depth of anesthesia | |
Kobayashi et al. | Development of a mental disorder screening system using support vector machine for classification of heart rate variability measured from single-lead electrocardiography | |
CN105975942A (zh) | 基于脑电波的通过概念密度计算冥想分数的冥想检测方法 | |
Liu et al. | An automatic HFO detection method combining visual inspection features with multi-domain features | |
US10779769B2 (en) | Method and system for evaluating a noise level of a biosignal | |
CN105975943A (zh) | 一种基于脑电波的冥想检测方法 | |
Goshvarpour et al. | Phase space in EEG signals of women refferred to meditation clinic | |
Wang et al. | Classification of surface electromyographic signals by means of multifractal singularity spectrum | |
Bonjyotsna et al. | Correlation of drowsiness with electrocardiogram: A review | |
CN116269289A (zh) | 一种基于短时心率变异性的运动员心理生理健康评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160727 |