基于复杂网络的脑电信号分析方法及应用

摘要

一种基于复杂网络的脑电信号分析方法及应用，包括：构建多尺度水平有限穿越可视图复杂网络；计算每一个多尺度水平有限穿越可视图复杂网络的特征指标；结合支持向量机分类脑电信号，包括采用留一法交叉验证和支持向量机分类器，对所有的二维指标向量进行分类，以及采用十折交叉验证和支持向量机分类器，对所有的二维指标向量进行分类。本发明结合多尺度思想和水平有限穿越可视图理论，构建脑电多尺度水平有限穿越可视图复杂网络，提取复杂网络指标，结合机器学中的支持向量机分类器，实现对不同脑电信号的高准确率的分类。本发明可应用于头戴式智能穿戴设备，通过分析智能穿戴设备测得的睡眠脑电信号，实现对使用者大脑状态的监测，并可提供必要的预警。

主权项

一种基于复杂网络的脑电信号分析方法，其特征在于，包括如下步骤：1)构建多尺度水平有限穿越可视图复杂网络，包括：(1)获得原始脑电数据并预处理后，最终获得长度为Q的脑电信号粗粒化脑电信号，得到：其中，e是尺度因子，表示粗粒化后多尺度脑电信号，表示对进行取整，所述的预处理包括：对原始脑电数据进行带通滤波，去除高低频干扰成分；手动剔除剩余伪迹数据，最终得到预处理后的脑电数据用于后续的分析；(2)对每一个多尺度脑电信号，构建多尺度水平有限穿越可视图复杂网络；2)计算每一个多尺度水平有限穿越可视图复杂网络的特征指标，包括：计算节点平均聚集系数$C_i=\frac{{\tau }_{i,\Delta }}{{\tau }_i}$$\bar{C}=\frac{1}{N}\underset{i=1}{\overset{N}{\Sigma }}{C}_i$计算聚集系数熵E_C：$E_C=-\underset{i=1}{\overset{N}{\Sigma }}\left(C_i/\underset{i=1}{\overset{N}{\Sigma }}{C}_i\right)log\left(C_i/\underset{i=1}{\overset{N}{\Sigma }}{C}_i\right)$其中，τ_i表示一个可视图网络中以节点i为中心的开三元组数目，τ_i,△表示的是一个可视图网络中以节点i为中心的闭三元组数目，C_i表示的是节点i的聚集系数，N表示多尺度水平有限穿越可视图复杂网络的节点数；3)结合支持向量机分类脑电信号，包括采用留一法交叉验证和支持向量机分类器，对所有的二维指标向量进行分类，以及采用十折交叉验证和支持向量机分类器，对所有的二维指标向量进行分类。