基于CQT多分辨率的被试的脑电信号自适应频谱分析方法

摘要

本发明公开了一种基于CQT多分辨率的被试的脑电信号自适应频谱分析方法，依次经过对原始EEG信号进行预处理、通过EEG信号的谐波成分和精细结构特性自动地找到被试的差异、基于CQT多分辨率的分析和计算各频带采样带宽。本发明可以根据原始脑波信号自适应的找到被试差异特征，能够更准确地提取脑电信号的频谱特异性特征；基于多分辨率的频谱分析方法，考虑了脑电信号频带长度差别的影响，提高了实用性；与经典的CQT频谱分析方法相比，降低了计算次数，效率显著提高；本发明中采用可变分辨率则灵活得多，提高了特征提取的准确度和速度。

主权项

一种基于CQT多分辨率的被试的脑电信号自适应频谱分析方法，其特征在于包括下述步骤：1)对原始EEG信号进行预处理：a.采用单侧乳突作为参考电极，对EEG信号进行双侧乳突作为参考电极的参考转换，假设左侧乳突为M1电极，右侧乳突为M2电极，转换公式如下：$X_n^{\left(m\right)}=\frac{1}{2}(X_n^{\left(m\right)}-X_n^{\left(M_1\right)});$b.对每一维EEG信号进行分段，段长为2s，各段之间没有交叠，将每段中任意一个点的数值大于80μv，将整段舍弃，排除眨眼伪迹和肌电伪迹的干扰；2)通过EEG信号的谐波成分和精细结构特性自动地找到被试的差异：a.首先假设被试EEG信号为维(m为电极个数，n为采样个数)，从信号中随机取出一维，并取出长为L的一段计算平均功率谱P_l和频率序列f_l，计算公式如下：$P_{\left(l\right)}=\frac{1}{N}{\left|\underset{n=0}{\overset{N-1}{\Sigma }}{x}_{\left(n\right)}{e}^{-j\frac{2\mathrm{nl}}{N}n}\right|}^2,$其中频率序列$f_l=\frac{l}{N}{F}_s(l=\mathrm{0,1},...N-1);$b.使用样条插值法在f_l的基础上提高频率分辨率，并将EEG信号划分为5段，δ(0.5～4Hz)，θ(4～8Hz)，α(8～13Hz)，β(13～20Hz)，以及γ(30～50Hz)；c.求出各段频率能量最大值时频率的位置作为被试差异特征；3)分析和计算各频带采样带宽：a.基于CQT估计中心频率，计算公式如下：$X^{\mathrm{cq}}\left(k\right)=\frac{1}{N_k}\underset{n=0}{\overset{N_{k-1}}{\Sigma }}x\left(n\right)w_{N_k}\left(n\right)e^{-j2\pi \frac{f_k}{f_s}n},$式中N_k是计算第k条频率f_k的CQ变换时所对应的窗长度，wN_k(n)是长度为N_k的窗函数，Q是CQ变换中的常数因子，k是序列CQ谱的频率下标；b.计算相邻谱线的间隔(带宽)B_k，计算公式为B_k=f_k+1‑f_k；c.计算各频带采样带宽N_k，计算公式为N_k=Fs／B_k。