本技术属于信号处理技术领域,具体涉及一种基于时变模糊色散熵的脑电信号复杂度分析方法,包括下列步骤:对脑电EEG数据进行预处理;进行粗粒化处理,得到粗粒化之后的时间序列;考虑每一通道内的瞬时变化,得到变化序列;基于正态累积分布函数NCDF分别对每一通道的元素进行0‑1之间的映射,之后进行二次线性映射;依据多元嵌入理论,进行多元嵌入重构;从每个多元嵌入向量中每次选取m个元素,依据模糊隶属度函数确定这m个元素的色散模式;基于香农熵的定义计算多元多尺度时变模糊色散熵。本发明在多尺度下对信号进行了全面的探索,通过计算通道内的瞬时变化,在衡量通道间关系时同时关注到通道内的信息,引入模糊化的思想提高了抗噪能力和稳定性。
背景技术
脑电(EEG)是一种非线性多元复杂信号,它记录了大脑的电活动。随着无创传感技术的发展,脑电的采集变得越来越迅速和便利。此外,脑电可以从频段、通道间关系和时域信息等多角度探索信号,因此已经被广泛应用于多个领域。
传统的基于熵的复杂度分析方法由于其自身原理所限,普遍存在方法论的限制。例如,针对短信号分析时会出现不可靠的结果;在衡量通道间关系时又未能考虑到通道内的瞬时变化;抗噪能力弱;重复分析方差大,稳定性差。基于此,有必要发明一种全新的脑电复杂度分析方法,来解决上述问题。
实现思路