基于模糊阶跃向量波动的睡眠脑电分期方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115813407A(43)申请公布日2023.03.21(21)申请号202211422724.6(22)申请日2022.11.15(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号(72)发明人姚文坡杜庆艳白登选王琼乙万义吴声礅吴争仲从洲骆宇曼徐阳阳练熠阳戴加飞王俊(74)专利代理机构南京正联知识产权代理有限公司32243专利代理师姜梦翔(51)Int.Cl.A61B5/372(2021.01)A61B5/00(2006.01)权利要求书3页说明书8页附图5页(54)发明名称基于模糊阶跃向量波动的睡眠脑电分期方法(57)摘要本发明公开了一种基于模糊阶跃向量波动的睡眠脑电分期方法，属于生理信号处理和特征提取领域，具体包括：获取长度为L的睡眠脑电序列X(t)，提取多维向量，构建睡眠脑电向量距离序列X'(t)；设定X'(t)的上升和下降双向阈值节点；选择睡眠脑电上升和下降向量距离的模糊转化函数；选取睡眠脑电的阶跃区间，设定向量距离转化方式；通过模糊阶跃转化的上升和下降向量距离序列进行睡眠脑电向量波动特征提取。本发明在阈值范围内采用模糊渐转化方式，后在特定向量距离区间内采用阶跃转化方式，并且对上升和下降睡眠脑电向量距离波动进行区分处理，可有效解决当前基于向量距离等状态分布的不足，进而提取更加全面的睡眠脑电信号向量距离波动特征。CN115813407ACN115813407A权利要求书1/3页1.一种基于模糊阶跃向量波动的睡眠脑电分期方法，其特征在于，具体包含如下步骤：S1、获取长度为L的睡眠脑电序列X(t)＝{x(1)，...，x(t)，...，x(L)}，提取X(t)的多维向量然后构建睡眠脑电向量距离序列X′(t)；S2、设定睡眠脑电向量距离序列X′(t)的上升和下降双向阈值节点；S3、选择睡眠脑电正向上升和负向下降向量距离的模糊转化函数f(t)；S4、选取睡眠脑电的阶跃区间，并设定向量距离转化方式；S5、通过模糊阶跃转化的上升和下降向量距离序列进行睡眠脑电向量波动特征提取。2.根据权利要求1所述的基于模糊阶跃向量波动的睡眠脑电分期方法，其特征在于，所述步骤S1具体包括：S11、构建睡眠脑电序列X(t)的多维向量其中，m为向量的长度，τ为元素在X(t)中的延迟，生成向量的数量为L‑(m‑1)*τ；S12、构建睡眠脑电向量距离序列X′(t)＝{x′(1)，...，x′(t)，...，x′(L′)}，其中序列的长度L′＝L‑(m‑1)*τ‑1，x′(t)为相邻向量和的距离；3.根据权利要求2所述的基于模糊阶跃向量波动的睡眠脑电分期方法，其特征在于，所述步骤S2具体包括：S21、将步骤S1中获得的睡眠脑电向量距离x′(t)按照正负进行分类整理，分别得到包+‑含正向上升向量距离的上升向量距离序列X(t)和包含负向下降向量距离xt的下降向量距离序列X‑(t)：其中，L+和L‑分别为上升向量距离序列X+(t)和下降向量距离序列X‑(t)的长度；x′(t)＝0包含在上升向量距离序列X+(t)；S22、统计睡眠脑电的上升向量距离序列X+(t)和下降向量距离序列X‑(t)的向量距离元素，分别得到上升和下降向量距离的概率分布dX+和dX‑；S23、计算上升和下降向量距离的概率分布dX+和dX‑的95％分位数和作为睡眠脑电向量距离序列X′(t)的上升和下降双向的阈值节点。4.根据权利要求3所述的基于模糊阶跃向量波动的睡眠脑电分期方法，其特征在于，所述步骤S3具体包括：S31、分别计算睡眠脑电的上升向量距离序列X+(t)和下降向量距离序列X‑(t)的均值μ+和μ‑：2CN115813407A权利要求书2/3页分别统计上升和下降向量距离的概率分布dX+和dX‑的40％和60％分位数，分别标记为和S32、根据睡眠脑电向量距离序列均值和向量距离概率分布特征的关系，分别确定正向上升向量距离序列模糊转化函数g+(t)和负向下降向量距离序列模糊转化函数g‑(t)。5.根据权利要求4所述的基于模糊阶跃向量波动的睡眠脑电分期方法，其特征在于，所述正向上升向量距离序列模糊转化函数g+(t)为：当X+(t)的均值μ+在40％和60％分位数之间，即时，认为序列向量距离分布均匀，采用线性模糊转化函数：当X+(t)的均值μ+小于向量距离分布的40％分位数，即时，认为向量距离主要分布在较小差值部分，采用二次模糊转化函数：当X+(t)的均值μ+大于向量距离分布的60％分位数，即时，则认为向量距离主要分布在较大差值部分，采用负指数模糊转化函数：g+(t)＝exp(‑|x′(t)|)所述负向下降向量距离序列模糊转化函数g‑(t)与正向上升向量距离序列模糊转化函数g+(t)的转化函数判定方式相同，按