買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉太原理工大學(xué)申請(qǐng)的專(zhuān)利一種腦電信號(hào)的特征提取方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115186719B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210941109.X，技術(shù)領(lǐng)域涉及：G06F18/213；該發(fā)明授權(quán)一種腦電信號(hào)的特征提取方法及系統(tǒng)是由李鳳蓮;張雪英;陳桂軍;黃麗霞;李曉輝;劉喜瑞;于放設(shè)計(jì)研發(fā)完成，并于2022-08-08向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種腦電信號(hào)的特征提取方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種腦電信號(hào)的特征提取方法及系統(tǒng)，涉及腦電信號(hào)特征提取技術(shù)領(lǐng)域，方法包括：獲取腦電信號(hào)；采用Pearson相關(guān)系數(shù)優(yōu)化的經(jīng)驗(yàn)?zāi)B(tài)分解算法和多重分形去趨勢(shì)波動(dòng)分析算法確定腦電信號(hào)的自相關(guān)性特征；確定腦電信號(hào)的復(fù)雜性特征；將自相關(guān)性特征和復(fù)雜性特征確定為腦電信號(hào)的特征，腦電信號(hào)的特征用于對(duì)腦電信號(hào)進(jìn)行疲勞駕駛的分類(lèi)。利用Pearson相關(guān)系數(shù)優(yōu)化的經(jīng)驗(yàn)?zāi)B(tài)分解算法和多重分形去趨勢(shì)波動(dòng)分析算法確定腦電信號(hào)的自相關(guān)性特征，使得腦電信號(hào)的趨勢(shì)充分消除，將分層模糊熵、不對(duì)稱(chēng)熵特征和不對(duì)稱(chēng)熵指數(shù)綜合確定為復(fù)雜性特征，充分體現(xiàn)腦電信號(hào)整體和局部的熵值差異性，特征提取更全面。

本發(fā)明授權(quán)一種腦電信號(hào)的特征提取方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種腦電信號(hào)的特征提取方法，其特征在于，所述方法包括： 獲取腦電信號(hào)； 采用Pearson相關(guān)系數(shù)優(yōu)化的經(jīng)驗(yàn)?zāi)B(tài)分解算法和多重分形去趨勢(shì)波動(dòng)分析算法確定所述腦電信號(hào)的自相關(guān)性特征； 確定所述腦電信號(hào)的復(fù)雜性特征；所述復(fù)雜性特征包括：分層模糊熵、不對(duì)稱(chēng)熵特征和不對(duì)稱(chēng)熵指數(shù)；所述分層模糊熵包括不同頻段的左腦分層模糊熵和相應(yīng)頻段的右腦分層模糊熵，所述不對(duì)稱(chēng)熵特征包括不同頻段的左腦分層模糊熵和相應(yīng)頻段的右腦分層模糊熵的差值，所述不對(duì)稱(chēng)熵指數(shù)包括左腦不對(duì)稱(chēng)熵指數(shù)和右腦不對(duì)稱(chēng)熵指數(shù)，所述左腦不對(duì)稱(chēng)熵指數(shù)根據(jù)所有頻段的左腦分層模糊熵得到，所述右腦不對(duì)稱(chēng)熵指數(shù)根據(jù)所有頻段的右腦分層模糊熵得到； 將所述自相關(guān)性特征和所述復(fù)雜性特征確定為所述腦電信號(hào)的特征，所述腦電信號(hào)的特征用于對(duì)所述腦電信號(hào)進(jìn)行疲勞駕駛的分類(lèi)； 所述采用Pearson相關(guān)系數(shù)優(yōu)化的經(jīng)驗(yàn)?zāi)B(tài)分解算法和多重分形去趨勢(shì)波動(dòng)分析算法確定所述腦電信號(hào)的自相關(guān)性特征，具體包括： 對(duì)所述腦電信號(hào)進(jìn)行去均值求和，得到去均值求和信號(hào)； 利用經(jīng)驗(yàn)?zāi)B(tài)分解算法將所述去均值求和信號(hào)分解為殘差項(xiàng)和多個(gè)固有模態(tài)函數(shù)； 利用最小二乘法對(duì)所述去均值求和信號(hào)進(jìn)行擬合得到擬合多項(xiàng)式； 計(jì)算每個(gè)所述固有模態(tài)函數(shù)與所述擬合多項(xiàng)式之間的Pearson相關(guān)系數(shù)； 對(duì)所有的Pearson相關(guān)系數(shù)由大到小進(jìn)行排序，得到相關(guān)系數(shù)序列； 將所述相關(guān)系數(shù)序列中的排名第一的Pearson相關(guān)系數(shù)確定為第一相關(guān)系數(shù)，將所述相關(guān)系數(shù)序列中的排名第二的Pearson相關(guān)系數(shù)確定為第二相關(guān)系數(shù)； 確定第一固有模態(tài)函數(shù)和第二固有模態(tài)函數(shù)；所述第一固有模態(tài)函數(shù)為所述第一相關(guān)系數(shù)對(duì)應(yīng)的固有模態(tài)函數(shù)，所述第二固有模態(tài)函數(shù)為所述第二相關(guān)系數(shù)對(duì)應(yīng)的固有模態(tài)函數(shù)； 利用所述多重分形去趨勢(shì)波動(dòng)分析算法，根據(jù)所述殘差項(xiàng)、所述第一固有模態(tài)函數(shù)和所述第二固有模態(tài)函數(shù)，得到所述腦電信號(hào)的自相關(guān)性特征； 不對(duì)稱(chēng)熵指數(shù)的計(jì)算公式為： 其中，F(xiàn)AI為不對(duì)稱(chēng)熵指數(shù)；Fδ為δ波頻段腦電信號(hào)的模糊熵；Fθ為θ波頻段腦電信號(hào)的模糊熵；Fα為α波頻段腦電信號(hào)的模糊熵；Fβ為β波頻段腦電信號(hào)的模糊熵。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人太原理工大學(xué)，其通訊地址為：030024 山西省太原市迎澤西大街79號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。