一种脑电图识别方法

本发明属于脑电信号分类识别，具体涉及一种脑电图识别方法。

背景技术：

1、脑电信号是大脑神经元电生理活动的综合反映，蕴含了大量有关正常生理和病理状态的潜在信息。因此，对常规脑电信号和异常脑电信号的常见节律波形及每种节律波形的特点、通常出现的脑区位置以及其具有的标志性作用进行分析对理解脑神经系统疾病的机制和常规脑功能状态是重要的。传统的处理方式往往需要专业医师依据经验对脑电图通过肉眼判定，该过程主观性强且耗费时间，并且脑电信号中还存在大量的冗余信息及强烈的噪声干扰脑电关键生理信息的表征，通过传统的信号处理方法难以完整准确地提取表征脑电信号动态节律变化的指标信息。因此如何对脑电信号进行量化处理，以便于识别出正常脑电信号和不正常脑电信号，开展各种脑神经机制和脑功能状态的探究是关键的。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种脑电图识别方法解决了传统方法中对脑电图进行识别判断主观性强且耗费时间的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种脑电图识别方法，包括以下步骤：

3、s1、获取脑电信号，对脑电信号进行预处理，得到脑电信号能量特征集；

4、s2、将脑电信号能量特征集输入多决策树脑电图识别模型，得到各个决策树脑电图识别模型预测的结果；

5、s3、根据各个决策树脑电图识别模型预测的结果得到最终的预测结果，完成脑电图的识别。

6、进一步地：所述s1中，对脑电信号进行预处理的方法具体为：

7、s11、将脑电信号依次输入高通滤波器和低通滤波器，进行滤波操作得到初始的脑电信号；

8、s12、通过小波包分解法对初始的脑电信号进行特征提取，得到脑电信号能量特征集。

9、上述进一步方案的有益效果为：本发明通过高通滤波滤除高频噪声和直流成分的干扰，低通滤波用于通过低频信号，衰减和抑制高频信号，实现去除脑电信号中的噪声。

10、进一步地：所述s12中，得到脑电信号能量特征集的方法具体为：

11、通过小波包分解法对初始的脑电信号进行特征提取，得到各层高、低频率段上的小波包系数，根据各层高、低频率段上的小波包系数的能量值构建脑电信号能量特征集。

12、上述进一步方案的有益效果为：对脑电信号进行小波包分解，在小波包系数层次尺度上构建脑电信号能量特征集，能够挖掘隐藏在不同尺度上的微弱变化信息，更好的表征脑电信号。

13、进一步地：所述s2包括以下分步骤：

14、s21、通过有放回的随机抽样方式根据脑电信号能量特征集构建若干训练集；

15、s22、将每个训练集输入支持向量机进行训练，建立各训练集的决策树脑电图识别模型；

16、s23、将脑电信号能量特征集分别输入各个决策树脑电图识别模型，得到各个决策树脑电图识别模型的预测结果。

17、上述进一步方案的有益效果为：通过训练决策树的多个模型以捕捉不同的训练集的特征并独立完成自己的预测，再利用统计学中多数投票的思想对能量特征集进行预测，考虑到每个模型进行独立预测的时候即使得到的预测不是全局最优的，在其它的模型预测结果的作用下能够得到一个正确的预测结果，从而完成最终的预测，并且在决策树的建立过程中由于训练集以及训练集挑选特征的随机性，可进一步增强模型预测的泛化性能。

18、进一步地：所述s22中，建立任一训练集的决策树脑电图识别模型的方法包括以下分步骤：

19、s221、将训练集输入支持向量机，根据训练集设置萤火虫种群，设置迭代次数最大值，并初始化迭代次数；

20、s222、计算当前迭代次数下萤火虫种群中每个萤火虫的适应度，根据适应度设置每个萤火虫的光亮度；

21、s223、根据萤火虫的适应度值大小对种群中的萤火虫进行降序排列，选择前5个萤火虫作为精英个体，将剩余的萤火虫作为子代种群；

22、s224、根据萤火虫位移公式更新子代种群的萤火虫位置，得到当前的子代种群的萤火虫位置；

23、s225、计算当前的子代种群中每个萤火虫的适应度，将低于萤火虫种群平均适应度的个体向萤火虫种群最优适应度的萤火虫进行定向变异，得到更新后的子代种群；

24、s226、根据更新后的子代种群和精英个体组成新的萤火虫种群，通过适应度函数评估各萤火虫的位置，判断迭代次数是否达到迭代次数最大值，若是，则进入s227；若否，则迭代次数加1，并返回s222；

25、s227、根据萤火虫种群的萤火虫的位置输出最优的模型参数，得到决策树脑电图识别模型。

26、进一步地：所述s222中，计算当前迭代次数下萤火虫种群中第n个萤火虫的适应度fn的表达式具体为：

27、

28、式中，c为常数，t为当前迭代次数，为惩罚项，为第n个萤火虫与相邻萤火虫的相似度，为第n-1个萤火虫与相邻萤火虫的相似度，r为相似距离。

29、进一步地：所述s224中，进行定向变异的方法具体为：

30、根据萤火虫位移公式更新低于萤火虫种群平均适应度的个体位置，其表达式具体为：

31、

32、式中，为当前迭代的第i个低于萤火虫种群平均适应度的萤火虫位置，为第i个低于萤火虫种群平均适应度的萤火虫更新后位置，为当前迭代的最优适应度的萤火虫位置，为常数，it为当前萤火虫的相对光强，为随机项系数，为随机扰动，为光强吸收系数，其表达式具体为：

33、

34、式中，c为常数，t为当前迭代次数，tmax为最大迭代次数，ut为当前迭代的混沌变量，其表达式具体为：

35、

36、式中，ut-1为上一次迭代的混沌变量。

37、上述进一步方案的有益效果为：本发明通过混沌变量来对光强吸收系数进行自适应改善，可以实现全局渐进收敛，提高收敛速度，有助于提高搜寻萤火虫最优位置的质量，更快地找到接近最优的模型参数。

38、进一步地：所述s3具体为：

39、对每个决策树脑电图识别模型预测的结果进行投票，计算出得票数最高的预测结果，并将其作为最终的预测结果。

40、上述进一步方案的有益效果为：在获得最终的预测结果过程中，通过每个决策树脑电图识别模型对脑电信号能量特征集进行预测，并对所有决策树脑电图识别模型的决策结果进行统计分析，以少数服从多数的决策机制得出对脑电信号能量特征集的判断，该方法对于脑电信号中的随机噪声有很强的抗干扰能力。

41、本发明的有益效果为：

42、（1）本发明提供了一种脑电图识别方法，构建脑电信号能量特征集用以有效提取能够表征脑电信号生理信息的特征，进一步根据多决策树脑电图识别模型识别异常的脑电波，能够挖掘隐藏在不同尺度上的微弱变化信息，降低脑电信号所含的噪声影响，及时发现脑电信号的异常现象，从而更加全面地监测脑电的异常变化，识别出正常脑电信号和不正常脑电信号，解决在实际应用中对脑电图进行识别判断主观性强且耗费时间的问题。

43、（2）本发明提出融合精英保留策略的萤火虫算法，寻找最优的支持向量机模型参数，引入混沌变量来使光强吸收系数能够随着迭代而自适应地进行调整，并引入定向变异机制增强算法的后期局部搜索能力，扩大算法的搜索范围，避免了早熟收敛现象，增加萤火虫个体向更多更具潜力的方向移动的可能性，保证生成的模型参数最优，提高脑电信号识别的精度。

44、（3）本发明可以辅助人工识别脑电图，减轻工作负担。