CN105809156A - 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 - Google Patents

Abstract

本发明公开了一种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，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、概念密度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；概念密度计算模块用于：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低频频段的能量绝对值根据和计算α频段的能量相对值ratio，根据ratio计算冥想概率密度PDmed和非冥想概率密度PDnonmed；冥想分数计算模块用于：根据PDmed和PDnonmed计算冥想分数P。本发明能够增强冥想判定的抗干扰性，精确冥想分数，提高冥想判定结果的准确性。

Description

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

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通过概念密度计算冥想分数的冥想检测系统。

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，精确冥想分数，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通过概念密度计算冥想分数的冥想检测系统，该系统包括1个时域信号数据预处理模块、1个概念密度计算模块和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；

所述概念密度计算模块包括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和1个概念密度计算单元；

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低频频段的能量绝对值

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；

所述概念密度计算单元用于：根据ratio计算冥想概率密度PDmed和非冥想概率密度PDnonmed，计算公式为：

$PDmed=\frac{1}{\mathrm{\σ}med\sqrt{2\mathrm{\π}}}\exp (-\frac{{(ratio-\mathrm{\μ}med)}^2}{2{\mathrm{\σmed}}^2});$

$PDnonmed=\frac{1}{\mathrm{\σ}nonmed\sqrt{2\mathrm{\π}}}\exp (-\frac{{(ratio-\mathrm{\μ}nonmed)}^2}{2{\mathrm{\σnonmed}}^2});$

上述公式中，σmed为冥想时的时域信号标准差常量，μmed为冥想时α与β低频频段的能量均值常量；σnonmed为非冥想时的时域信号标准差常量，μnonmed为非冥想时α与β低频频段的能量均值常量；π为圆周率，exp为以自然常数e为底的指数函数运算；

所述冥想分数计算模块用于：根据PDmed和PDnonmed计算冥想分数P，计算公式为：

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nβL个β低频频段的频点，所述和的计算公式分别为：

$\stackrel{\‾}{E}a=\frac{E1+E2+...Ena}{na};\stackrel{\‾}{E}\mathrm{\β}L=\frac{E1+E2+...En\mathrm{\β}L}{n\mathrm{\β}L};$

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...EnβL为β低频频段的第1号频点能量值至第nβL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Radix-2FFT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：

(1)本发明采用β低频频段(学术上将13Hz到18Hz频段的脑电波称为β低频频段脑波)作为参考频段来计算α频段的能量相对值ratio；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低频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低频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低频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低频频段和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。

(2)为了消除传统的对α频段能量相对值的阈值判定还存在的不准确问题，本发明计算冥想分数时，引入了实验记录的闭眼冥想状态时与睁眼非冥想状态时的时域信号的标准差、以及α与β低频频段的能量均值常量参与高斯函数计算，以实现冥想活动的模式识别。因此，本发明计算冥想分数时充分考虑了闭眼冥想时和睁眼非冥想时的时域信号的波动性特征、以及α、β低频频段的能量总体水平，保证了冥想分数的准确性。

附图说明

图1为本发明实施例中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通过概念密度计算冥想分数的冥想检测系统，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通过概念密度计算冥想分数的冥想检测系统包括1个时域信号数据预处理模块、1个概念密度计算模块和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Radix-2FFT(基2快速傅里叶变换)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nβL个β低频频段的频点。

概念密度计算模块包括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和1个概念密度计算单元。

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低频频段的能量绝对值计算公式为：

$\stackrel{\‾}{E}a=\frac{E1+E2+...Ena}{na};\stackrel{\‾}{E}\mathrm{\β}L=\frac{E1+E2+...En\mathrm{\β}L}{n\mathrm{\β}L};$

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...EnβL为β低频频段的第1号频点能量值至第nβL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：

概念密度计算单元用于：根据ratio计算冥想概率密度PDmed和非冥想概率密度PDnonmed，计算公式为：

$PDmed=\frac{1}{\mathrm{\σ}med\sqrt{2\mathrm{\π}}}\exp (-\frac{{(ratio-\mathrm{\μ}med)}^2}{2{\mathrm{\σmed}}^2});$

$PDnonmed=\frac{1}{\mathrm{\σ}nonmed\sqrt{2\mathrm{\π}}}\exp (-\frac{{(ratio-\mathrm{\μ}nonmed)}^2}{2{\mathrm{\σnonmed}}^2});$

上述公式中，σmed为冥想时的时域信号标准差常量，μmed为冥想时α与β低频频段的能量均值常量；σnonmed为非冥想时的时域信号标准差常量，μnonmed为非冥想时α与β低频频段的能量均值常量；π为圆周率，exp为以自然常数e为底的指数函数运算。

冥想分数计算模块用于：根据PDmed和PDnonmed计算冥想分数P，计算公式为：

本发明在P计算完成后，根据P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通过概念密度计算冥想分数的冥想检测系统，其特征在于：该系统包括1个时域信号数据预处理模块、1个概念密度计算模块和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；

所述概念密度计算模块包括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和1个概念密度计算单元；

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低频频段的能量绝对值

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；

所述概念密度计算单元用于：根据ratio计算冥想概率密度PDmed和非冥想概率密度PDnonmed，计算公式为：

$PDmed=\frac{1}{\mathrm{\σ}med\sqrt{2\mathrm{\π}}}\exp (-\frac{{(ratio-\mathrm{\μ}med)}^2}{2{\mathrm{\σmed}}^2});$

$PDnonmed=\frac{1}{\mathrm{\σ}nonmed\sqrt{2\mathrm{\π}}}\exp (-\frac{{(ratio-\mathrm{\μ}nonmed)}^2}{2{\mathrm{\σnonmed}}^2});$

上述公式中，σmed为冥想时的时域信号标准差常量，μmed为冥想时α与β低频频段的能量均值常量；σnonmed为非冥想时的时域信号标准差常量，μnonmed为非冥想时α与β低频频段的能量均值常量；π为圆周率，exp为以自然常数e为底的指数函数运算；

所述冥想分数计算模块用于：根据PDmed和PDnonmed计算冥想分数P，计算公式为：

2.如权利要求1所述的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，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nβL个β低频频段的频点，所述和的计算公式分别为：

$\stackrel{\‾}{E}a=\frac{E1+E2+...Ena}{na};\stackrel{\‾}{E}\mathrm{\β}L=\frac{E1+E2+...En\mathrm{\β}L}{n\mathrm{\β}L};$

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...EnβL为β低频频段的第1号频点能量值至第nβL号频点能量值。

3.如权利要求2所述的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，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通过概念密度计算冥想分数的冥想检测系统，其特征在于：所述时频域数据转换单元采用Radix-2FFT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通过概念密度计算冥想分数的冥想检测系统，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通过概念密度计算冥想分数的冥想检测系统，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。