腦電波信號的處理方法和裝置與流程
本發明涉及腦電波信號處理技術領域，特別是涉及一種腦電波信號的處理方法和裝置。
背景技術：
人體大約1/3的時間處于睡眠狀態，好的睡眠不僅可以提高工作效率，還可以提高生活質量。微覺醒是睡眠過程中的短暫清醒，在多導睡眠圖中表現為腦電波頻率的短時變化。對于睡眠障礙患者來說，微覺醒具有雙重作用。一方面，覺醒是對外界刺激的反應，能夠及時調整機體運行機制，特別是呼吸性微覺醒，具有挽救生命的意義；另一方面，微覺醒會將整個睡眠過程劃分成了零碎的片段，不僅打亂了睡眠結構還使得睡眠質量下降。
因此，微覺醒在睡眠質量評估以及睡眠類疾病的診斷中成為一項研究熱點。那么為了判讀睡眠狀態中的微覺醒事件，目前主流的方式是通過監測生理信號，并對其進行頻域、時域等分析，從而判出生理信號中哪部分信號段發生了微覺醒，即，構成微覺醒事件。
現有技術中主要包括如下三種判讀微覺醒事件的方案：
方式一、基于腦電波信號：首先通過對腦電波信號進行頻率分析，并根據頻譜圖將其劃分為清醒期和睡眠期，然后再對睡眠期的腦電波信號從頻率和功率兩方面分析，從而判出腦電波信號中哪部分信號段發生了微覺醒事件。
但是，方式一的這種方案在判讀微覺醒事件之前，需要首先對腦電波信號進行睡眠狀態的判斷，即，判斷其是處于清醒期還是睡眠期，而如果一旦判斷錯誤(即判斷為清醒期)，則將直接導致微覺醒事件的判讀錯誤，誤判率高、準確率低。而且，這種方案采用的是基于頻率的判讀方式，而由于腦電波信號中各特征波形之間存在頻率成分的交叉，因此，這將會給微覺醒事件的誤判，穩定性差。
方式二、基于脈搏波信號：利用脈搏波信號判斷微覺醒事件時，主要是基于脈搏波的脈率。在判讀時，先計算脈率差值與基準脈率的比值，再根據該比值的大小來判斷睡眠是否處于微覺醒狀態。
方式三、基于呼吸波：通過呼吸波的大小來判斷微覺醒事件的存在，并可以輔以如心率、哈欠等參數來輔助提高判斷的準確率。
但是，方式二和方式三所提供的方案是基于脈搏波信號和呼吸波的，而脈搏波信號和呼吸波信號較低的頻率容易淹沒短時的微覺醒事件所對應的信號，而且波形較長的周期也不利于微覺醒事件所對應的信號起始時間和終止時間的判定，判讀準確性低。
由此可見，現有技術普遍存在著對處于微覺醒狀態的信號的判斷準確性低、穩定性差的問題。
技術實現要素：
本發明實施例所要解決的技術問題是提供一種腦電波信號的處理方法和裝置，以解決現有技術對處于微覺醒狀態的信號的判斷準確性低、穩定性差的問題。
為了解決上述問題，根據本發明的一個方面，本發明公開了一種腦電波信號的處理方法，包括：
獲取處于睡眠狀態或睡眠準備狀態的腦電波信號；
計算所述腦電波信號中每幀信號的標準差；
在所述腦電波信號中的所有幀信號中，確定標準差大于預設標準差閾值的目標幀信號；
計算所述目標幀信號中每秒信號的數據抖動值；
依據所述數據抖動值確定所述目標幀信號中的目標信號段；
輸出所述目標信號段。
可選地，所述計算獲取的腦電波信號中每幀信號的標準差的步驟之前，該方法還包括：
對獲取的腦電波信號進行預處理操作；
其中，所述預處理操作包括：
去直流處理、中值濾波處理、帶通濾波處理、歸一化處理。
優選地，所述預設標準差閾值為所述腦電波信號中所有幀信號的標準差的平均值的第一預定倍數。
可選地，所述計算所述目標幀信號中每秒信號的數據抖動值的步驟，包括：
計算所述目標幀信號中每秒信號的各采樣點的各個抖動值；
計算每秒信號的各個采樣點的所述各個抖動值的最大值，得到所述每秒信號的數據抖動值。
可選地，所述依據所述數據抖動值確定所述目標幀信號中的目標信號段的步驟，包括：
將所述目標幀信號中每秒信號的數據抖動值分別與預設抖動閾值進行比較，在所述目標幀信號中，確定數據抖動值大于所述預設抖動閾值的多個秒信號；
在所述多個秒信號中，確定時間連續的多組秒信號；
在所述多組秒信號中，確定持續時間在預設時間段范圍內的目標組秒信號以得到目標信號段。
優選地，所述預設抖動閾值為所述目標幀信號中所有秒信號的各采樣點的各個抖動值的平均值的第二預定倍數。
可選地，若所述目標信號段的數量為多個，則所述輸出所述目標信號段的步驟之前，該方法還包括：
計算時間相鄰的兩個目標信號段之間的時間間隔；
判斷所述時間間隔是否小于或等于預設時間間隔閾值；
若是，則按照時間順序將所述時間相鄰的兩個目標信號段依次連接；
計算連接后的目標信號段的持續時間；
判斷連接后的目標信號段的持續時間是否在所述預設時間段范圍內。
可選地，所述輸出所述目標信號段的步驟，包括：
若連接后的目標信號段的持續時間在所述預設時間段范圍內，則輸出所述連接后的目標信號段。
根據本發明的另一方面，本發明還公開了一種腦電波信號的處理裝置，包括：
獲取模塊，用于獲取處于睡眠狀態或睡眠準備狀態的腦電波信號；
計算標準差模塊，用于計算所述腦電波信號中每幀信號的標準差；
確定目標幀信號模塊，用于在所述腦電波信號中的所有幀信號中，確定標準差大于預設標準差閾值的目標幀信號；
計算抖動值模塊，用于計算所述目標幀信號中每秒信號的數據抖動值；
確定目標信號段模塊，用于依據所述數據抖動值確定所述目標幀信號中的目標信號段；
輸出模塊，用于輸出所述目標信號段。
可選地，所述計算抖動值模塊包括：
第一計算子模塊，用于計算所述目標幀信號中每秒信號的各采樣點的各個抖動值；
第二計算子模塊，用于計算每秒信號的各個采樣點的所述各個抖動值的最大值，得到所述每秒信號的數據抖動值。
可選地，所述確定目標信號段模塊包括：
比較子模塊，用于將所述目標幀信號中每秒信號的數據抖動值分別與預設抖動閾值進行比較，在所述目標幀信號中，確定數據抖動值大于所述預設抖動閾值的多個秒信號；
第一確定子模塊，用于在所述多個秒信號中，確定時間連續的多組秒信號；
第二確定子模塊，用于在所述多組秒信號中，確定持續時間在預設時間段范圍內的目標組秒信號以得到目標信號段。
可選地，若所述目標信號段的數量為多個，則所述裝置還包括：
計算時間間隔模塊，用于計算時間相鄰的兩個目標信號段之間的時間間隔；
第一判斷模塊，用于判斷所述時間間隔是否小于或等于預設時間間隔閾值；
連接模塊，用于若所述判斷模塊判斷所述時間間隔小于或等于預設時間間隔閾值，則按照時間順序將所述時間相鄰的兩個目標信號段依次連接；
計算持續時間模塊，用于計算連接后的目標信號段的持續時間；
第二判斷模塊，用于判斷連接后的目標信號段的持續時間是否在所述預設時間段范圍內。
可選地，所述輸出模塊包括：
輸出子模塊，用于若連接后的目標信號段的持續時間在所述預設時間段范圍內，則輸出所述連接后的目標信號段。
與現有技術相比，本發明實施例包括以下優點：
本發明實施例通過對處于睡眠狀態或睡眠準備狀態的腦電波信號直接進行分析，避免了對微覺醒事件的誤判；并通過計算信號的標準差和數據抖動值來確定在腦電波信號中發生微覺醒事件的目標信號段，而不僅僅依賴于頻率，從而提高了對微覺醒事件的判斷準確性和穩定性。
附圖說明
圖1是本發明一個實施例的腦電波信號的處理方法的步驟流程圖；
圖2是本發明另一個實施例的腦電波信號的處理方法的步驟流程圖；
圖3A是本發明圖2所示實施例輸入的腦電波信號的波形示意圖；
圖3B是本發明圖2所示實施例經過預處理操作后的腦電波信號的波形示意圖；
圖3C是本發明經過圖2和圖4所示實施例的處理方法處理后輸出的信號段的波形示意圖；
圖4是本發明的又一種腦電波信號的處理方法實施例的步驟流程圖；
圖5是本發明的一種腦電波信號的處理裝置實施例的結構框圖。
具體實施方式
為使本發明的上述目的、特征和優點能夠更加明顯易懂，下面結合附圖和具體實施方式對本發明作進一步詳細的說明。
參照圖1，示出了本發明的一種腦電波信號的處理方法實施例的步驟流程圖，具體可以包括如下步驟：
步驟101，獲取處于睡眠狀態或睡眠準備狀態的腦電波信號；
其中，由于現有技術中的在判讀微覺醒事件之前，首先對腦電信號進行睡眠狀態的判斷，這樣容易將屬于完全覺醒狀態的腦電波信號判讀為處于睡眠狀態的腦電波信號，從而導致微覺醒事件的判讀錯誤，增加了誤判率。
因此，在本實施例中，會直接獲取處于睡眠狀態或者處于睡眠準備狀態(即處于睡眠潛伏期，其中，睡眠潛伏期指從人閉眼開始到人睡著處于睡眠狀態之間的這段時間)的腦電波信號，避免了睡眠狀態的判斷錯誤所導致的微覺醒事件的判斷不準確。
步驟102，計算所述腦電波信號中每幀信號的標準差；
其中，腦電波信號是分幀的，即腦電波信號由多幀信號構成，因此，可以計算每信號的標準差。
步驟103，在所述腦電波信號中的所有幀信號中，確定標準差大于預設標準差閾值的目標幀信號；
然后，確定所有幀信號中標準差大于預設標準差閾值的目標幀信號。
步驟104，計算所述目標幀信號中每秒信號的數據抖動值；
其中，一個幀信號對應一段時間(例如30秒)，那么可以對目標幀信號中每秒信號的數據抖動值。
步驟105，依據所述數據抖動值確定所述目標幀信號中的目標信號段；
其中，可以依據每秒信號的數據抖動值來確定目標幀信號中的發生了微覺醒事件的目標信號段。
步驟106，輸出所述目標信號段。
最后，將發生了微覺醒事件的目標信號段輸出。
借助于本發明上述實施例的技術方案，本發明實施例通過對處于睡眠狀態或睡眠準備狀態的腦電波信號直接進行分析，避免了對微覺醒事件的誤判；并通過計算信號的標準差和數據抖動值來確定在腦電波信號中發生微覺醒事件的目標信號段，而不僅僅依賴于頻率，從而提高了對微覺醒事件的判斷準確性和穩定性。
針對相關技術中對腦電波信號中的微覺醒事件判讀方法所存在的判斷準確性低、穩定性差的問題，參照圖2，在上述實施例的基礎上，本實施例提供了另一種腦電波信號的處理方法。
首先，拾取處于睡眠狀態或睡眠準備狀態的腦電波信號(Electroencephalogram，EEG)；
其中，由于微覺醒事件的判讀是直接在睡眠狀態的腦電波信號的基礎上，因此，可以避免睡眠狀態的判斷錯誤所導致的微覺醒事件的判斷不準確，并方便直接觀察；
另外，本發明實施例采用腦電波信號來判讀微覺醒事件，相比于脈搏波和呼吸波，腦電波信號擁有偏高的頻率成分，因此更有利于微覺醒事件的識別和定位。
然后，對拾取的EEG信號進行預處理操作；
其中，這里的預處理操作包括：去直流處理、中值濾波處理、帶通濾波處理、歸一化處理。
具體的預處理操作的流程如圖2所示：
首先對輸入的每幀EEG信號(這里以一幀信號為例進行說明)分別進行如公式1所示的去直流處理；
其中，由于EEG信號是分幀處理的，N為一幀的EEG信號的總采樣點個數。
這里進行的各個預處理操作都是針對輸入的一幀EEG信號進行的。
其中，xt表示輸入的該幀EEG信號的第t個采樣點，t為大于等于1且小于等于N的正整數；
而一幀信號對應了一段時間(這里為30s)，并且一幀信號由多個采樣點構成，其中，每秒信號對應250個采樣點。因此，這里的xi表示該幀ECG信號中第i個采樣點的數值；
其中，yt為經過去直流處理后的輸出結果。
然后，對去直流處理后的EEG信號進行如公式2所示的中值濾波處理；
yt＝xt-M 公式(2)
其中，公式2中的xt表示輸入該中值濾波處理操作中的該幀EEG信號的第t個采樣點經過公式1處理后的結果(即公式1中的輸出結果yt)，公式2中的yt則表示經過中值濾波處理后的輸出結果，M為該幀EEG信號中按照處理窗規則取得的中間采樣點的數值。
具體處理窗規則為：在對一幀信號進行中值濾波時，會使用處理窗來對該幀EEG信號進行多次處理，其中，處理窗的長度一般小于一幀信號的長度，例如處理窗的長度為50個采樣點所在的信號長度。那么在進行中值濾波處理時，會采用處理窗平移的方式，一次處理該幀EEG信號中50個采樣點長度的部分幀信號。
例如，處理窗所處理的處理窗長度為k(k為包含的采樣點的個數)，那么在該幀EEG信號中所取得k長度的部分幀信號的中間采樣點的值為M。
其中，如果處理窗長度k為奇數個采樣點，則M為k長度的部分幀信號中位于中間位置的采樣點的數值；而如果處理窗長度k為偶數個采樣點，則M為中間兩個采樣點的數值的平均值。
接著，對經過中值濾波處理后的該幀EEG信號進行帶通濾波處理；
其中，通過進行帶通濾波處理，可以減小其他頻率成分(如4Hz以下的慢波成分)的干擾，濾波器可以選擇FIR濾波器、IIR濾波器等。
最后，對經過帶通濾波處理后的每幀EEG信號分別進行如公式3所示的歸一化處理。
其中，公式(3)中的xt表示輸入該歸一化處理操作中的該幀EEG信號的第t個采樣點的帶通處理后的結果，公式3中的yt表示該幀EEG信號經過歸一化處理后的輸出結果。
而xmin和xmax則分別表示輸入的該幀EEG信號中各個采樣點的各個數值中的最小值和最大值。
這里需要注意的是，本發明對于上述各個預處理操作之間的執行順序并不限制為圖2所示的順序，它們可以以任意組合的順序來實現對EEG信號的預處理操作。
那么經過上述各個預處理操作后，EEG信號的波形圖就從圖3A所示原始輸入狀態變化為如圖3B所示的狀態。如圖3B所示，通過上述預處理操作，可以使腦電波信號中的發生微覺醒事件的信號段的特征得到顯著突顯，從而利于對EEG信號中發生微覺醒事件的目標信號段的確定(具體為利于對信號的特征提取)。
另外，需要注意的是，雖然在上述預處理操作的具體實例中是以幀為單位進行信號的預處理操作的，但是本發明對于預處理操作的對象并不做信號長度的限制，即，在其他實施例中，還可以以整個EEG信號，即所有幀EEG信號為單位進行上述預處理操作，具體預處理操作的方法流程類似，在此不再贅述。
下面則可以繼續參照圖2來對經過預處理操作后的EEG信號進行特征提取和閾值判斷步驟，從而初步確定EEG信號中發生微覺醒事件的目標信號段。
具體而言，如圖2所示，在經過上述預處理操作后，可以計算預處理操作后的所述腦電波信號中每幀信號的標準差sq，標準差是以幀為單位進行計算的；
具體而言，可以以幀為單位提取每幀信號的標準差，從而確定發生微覺醒事件所在的幀信號，即目標幀信號。
其中，第q幀的EEG信號的標準差sq的計算公式可以為公式4a或公式4b：
其中，公式4a和公式4b中的M表示所計算的第q幀信號所包含的采樣點的總個數；而每幀信號包含多個采樣點，每個采樣點都有一個數值，為第q幀信號中所有采樣點的數值的平均值；xi表示第q幀信號中第i個采樣點的數值；這里計算得到的是第q幀信號的標準差sq。
那么對于經過預處理后的每幀腦電波信號，都可以計算出一個標準差。
繼續參照圖2，如果該幀信號的標準差sq大于預設標準差閾值α，則說明該幀信號為發生微覺醒事件的幀信號；
而如果該幀信號的標準差sq小于或等于α，則說明該幀信號沒有發生微覺醒事件，舍棄該幀信號，繼續判斷下一幀信號是否滿足標準差大于α，直到將獲取的EEG信號中每幀信號都判斷完成。
那么經過上述判斷，就可以在所述腦電波信號中的所有幀信號中，確定標準差大于預設標準差閾值α的目標幀信號；
其中，所述預設標準差閾值為所述腦電波信號中所有幀信號的標準差的平均值的第一預定倍數(這里為1.5倍)。
其中，所確定的目標幀信號都是EEG信號中可能存在微覺醒事件的信號。
接著，對于標準差滿足上述圖2所示判斷條件的目標幀信號繼續計算目標幀信號中每秒信號的數據抖動值；
其中，在計算所述目標幀信號中每秒信號的數據抖動值時，可以通過如下步驟來實現：計算所述目標幀信號中每秒信號的各采樣點的各個抖動值；計算每秒信號的各個采樣點的所述各個抖動值的最大值，得到所述每秒信號的數據抖動值。
具體而言，一個幀信號對應一個時間段，這里為30s，而每秒的信號都包含多個采樣點(這里為250個采樣點)，這里對于一個目標幀信號，可以逐秒提取每秒信號中各采樣點的各個抖動值Pi(計算公式如公式5所示)，其中，該秒信號中各個抖動值Pi的最大值Pmax，即為該秒信號的數據抖動值。
pi＝si-xavg 公式(5)
其中，si為計算的秒信號中(即1秒內)第i個采樣點的數值，xavg為該目標幀信號所包含的所有采樣點的數值的平均值，i大于等于1小于等于250。
那么經過公式5就可以確定所針對的目標幀信號中各個秒信號的數據抖動值Pmaxj，其中，j大于等于1且小于等于30，Pmaxj表示目標幀信號中第j秒信號的數據抖動值。
然后，就可以依據該目標幀信號中各個秒信號的數據抖動值來確定所述目標幀信號中發生了微覺醒事件的目標信號段；
其中，在依據該目標幀信號中各個秒信號的數據抖動值來確定所述目標幀信號中發生了微覺醒事件的目標信號段時，可以通過如下步驟來實現：如圖2所示，將所述目標幀信號中每秒信號的數據抖動值Pmaxj分別與預設抖動閾值β進行比較；
如果該秒信號的數據抖動值Pmaxj大于β，則依據該秒信號的時間可以確定該秒信號在相應的目標幀信號中所在的位置；
而如果該秒信號的數據抖動值Pmaxj小于或等于β，則舍棄該秒信號，獲取(或計算，其中，如果計算了一個秒信號的數據抖動值就進行和β的判斷，則在完成一次判斷后，需要繼續計算下一秒信號的數據的抖動值)下一秒信號的數據抖動值Pmax(j+1)繼續和β進行比較判斷。
這樣，就可以在標準差滿足大于α目標幀信號中，確定數據抖動值大于所述β的多個秒信號。
其中，所述預設抖動閾值β為所述目標幀信號中所有秒信號的各采樣點的各個抖動值的平均值的第二預定倍數(這里為1.4倍)。
繼續參照圖2，需要計算滿足數據抖動值大于β的秒信號的持續時間：具體而言：
針對一個目標幀信號，在滿足數據抖動值大于β的多個秒信號中，確定時間連續的多組秒信號；
其中，由于微覺醒事件的持續時間至少在3秒以上，因此，對于一個滿足上述判斷條件的孤立(時間不連續)的秒信號是不需要的。這里可以確定出時間連續的秒信號，例如滿足上述判斷條件的秒信號分別為第1、2、3、10、13和14秒。那么時間連續的為第1～3秒信號(為一組連續秒信號)，第10秒的秒信號沒有與其相鄰的秒信號，因此，需要剔除；另外，第13～14秒的秒信號也是一組連續秒信號。
此步驟可以直接將不存在持續時間的第10秒的秒信號篩選掉。
其中，在正常情況下，該預設時間段范圍為3s～14s，那么這將導致第13～14s的連續秒信號被剔除。但是由于在上述實施例中對EEG信號進行了預處理操作，而在預處理操作中EEG所經的濾波、中值濾波等處理，會對EEG信號產生一定的下降延遲，例如原本持續時間為3s的信號可能縮成2s，從而導致一部分微覺醒信號被漏判，所以本發明實施例中，在對預處理后信號進行初步篩選時，會對預設時間段范圍進行調整，從3s～14s調整為2～13s。這樣，就可以將預處理后縮減的發生了微覺醒事件的秒信號篩選出來。
具體而言，在將預設時間段范圍從3s～14s調整為2～13s后，就可以對時間連續的所述多組秒信號進行篩選，確定持續時間在預設時間段范圍內(即2s～13s)的目標組秒信號以得到目標信號段。
其中，只覺醒了1秒或者1.5秒顯然并不能稱之為微覺醒，因此，微覺醒事件必須滿足一定的持續時間，那么上述兩組秒信號，即第1～3秒信號和第13～14秒的秒信號的持續時間分別為3s和2s，因此，兩組秒信號都沒有被篩選掉。
此外，由于上述預處理操作會使秒信號比實際信號縮減一點，例如原本持續時間為3s的微覺醒信號可能被縮成2s，所以，還需要對篩選出來的信號要進行時間擴充，每組秒信號都擴充1s，例如將第1～3秒信號和第13～14秒的秒信號的持續時間分別擴充為4s和3s。這樣，輸出的連續秒信號才是符合實際信號長度的最后，就可以輸出發生微覺醒事件的所述目標信號段(即持續時間為4s的第1s～3s信號所在信號段以及持續時間為3s的第13s～14s信號所在信號段)。
此外，如果目標信號段的數量為多個(可能屬于同一幀信號或者不同幀信號)，那么在輸出所述目標信號段之前，根據本發明實施例的方法還需要對初步判斷發生微覺醒事件的目標信號段進行結果修正。
具體理由為：首先，由于預處理操作會給EEG信號帶來一定的時間差，這里的修正步驟可以對初判為微覺醒事件的持續時間進行修正。另外，在微覺醒事件判讀時可能會由于波形的不連續性造成微覺醒事件的分割，所以，這里需要對初判的微覺醒事件進行整合，以保證微覺醒事件的連續性。
需要說明的是，如果在上述實施例中沒有進行預處理操作那么上述實施例中的預設時間段范圍則不需要調整，仍舊是3s～14s，相應的，初步篩選得到的多組連續秒信號也不需要進行持續時間的擴充。
此外，為了避免由于波形的不連續性造成微覺醒事件的分割，造成微覺醒事件的不連續。下面，參照圖4來對本發明實施例的微覺醒事件的修正流程進行詳細闡述。
首先，可以接收上述實施例得到的微覺醒事件的初步判斷結果，即多個目標信號段；
然后，可以計算時間相鄰的兩個目標信號段之間的時間間隔；
即，這里通過判斷兩個微覺醒事件的間隔時間來決定微覺醒事件是否需要合并。
接著，進行閾值判斷，即判斷所述時間間隔是否小于或等于預設時間間隔閾值；
其中，在微覺醒事件之前必須有一段時間(即預設時間間隔閾值，10s)的穩定睡眠，因此可以判斷兩個事件之間的時間間隔是否大于10s，如果大于，則說明這兩個相鄰的目標信號段是獨立的微覺醒事件。
而如果發現間隔時間小于或等于10s，則說明相鄰的目標信號段可能屬于同一個微覺醒事件，因此，可以按照時間順序將所述時間相鄰的兩個目標信號段依次連接(即事件合并)；
接著，計算連接后的新目標信號段的持續時間；
判斷連接后的新目標信號段的持續時間是否在預設時間段范圍(即3s～14s)內。
其中，由于微覺醒事件的持續時間都是在3s以上，因此，這里在修正事件的連續性時，所用的預設時間段范圍仍舊是標準值：3s～14s。從而保證微覺醒事件的判斷準確性和連續性。
若連接后的新目標信號段的持續時間在所述預設時間段范圍(3s～14s)內，則說明確實是一個微覺醒事件發生了分割，直接輸出所述連接后的新目標信號段。
而如果連接后的新目標信號段的持續時間不在3s～14s內，則繼續判斷下一組時間相鄰的兩個目標信號段的間隔時間是否大于10s。
最后，圖4所輸出的修正后的目標信號段就是EEG信號中發生了微覺醒事件的信號段。
圖3C示出了經過圖2和圖4的流程判讀出的發生了微覺醒事件的信號段的波形圖。
借助于本發明上述實施例的技術方案，本發明實施例通過獲取處于睡眠狀態或睡眠準備狀態的腦電波信號，然后進行信號預處理，接著進行信號特征提取、閾值判斷以及事件修正實現了對腦電波信號中微覺醒事件的準確和可靠的判讀。其中，通過直接對睡眠狀態的腦電波信號進行獲取，避免了額外對是否睡眠進行判讀所導致的事件誤判；并通過對信號預處理可以使發生微覺醒事件的信號特征更加明顯，增加后續事件的判斷準確性和可靠性；另外，通過提取信號的幀標準差以及每秒中各采樣點的抖動值來判讀微覺醒事件，從而能夠避免現有技術中局限于波形的頻率來進行判讀時所存在的由波形頻率成分交叉帶來的誤判，使算法的穩定性更高；另外在事件初步判讀結束后，還對判讀得到的信號段進行修正，從而保證了對發生微覺醒事件的信號段的判斷精確性。
另外，腦電波信號是記錄人體睡眠過程最直觀、顯著的信號。本發明實施例通過分析腦電信號定位出準確的微覺醒事件，在評估睡眠質量和相關疾病診斷中具有重要意義。通過實現微覺醒事件的自動判讀，不僅可以大大提高醫生的工作效率，還可以為腦電監測類設備的家電化打下基礎(即用戶可以不需要去醫院直接使用能夠利于本發明實施例的處理方法實現的腦電監測類設備進行腦電波信號的監測)。
此外，在另一個實施例中，在對EEG信號預處理后，由于微覺醒事件的波形被很好的突顯出來，因此，在預處理操作之后，還可以不進行幀標準差、抖動值等特征值的計算，直接用幅值比較的方法來對微覺醒事件進行初步判斷，例如當某采樣點的幅值大于該幀幅值均值的1.5倍時，則判斷其屬于微覺醒的范疇。另外，在判微覺醒事件時，還可結合肌電、眼電活動，對事件進行判斷。
需要說明的是，對于方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明實施例并不受所描述的動作順序的限制，因為依據本發明實施例，某些步驟可以采用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬于優選實施例，所涉及的動作并不一定是本發明實施例所必須的。
與上述本發明實施例所提供的方法相對應，參照圖5，示出了本發明一種腦電波信號的處理裝置實施例的結構框圖，具體可以包括如下模塊：
獲取模塊51，用于獲取處于睡眠狀態或睡眠準備狀態的腦電波信號；
計算標準差模塊52，用于計算所述腦電波信號中每幀信號的標準差；
確定目標幀信號模塊53，用于在所述腦電波信號中的所有幀信號中，確定標準差大于預設標準差閾值的目標幀信號；
計算抖動值模塊54，用于計算所述目標幀信號中每秒信號的數據抖動值；
確定目標信號段模塊55，用于依據所述數據抖動值確定所述目標幀信號中的目標信號段；
輸出模塊56，用于輸出所述目標信號段。
可選地，所述裝置還包括如下未示出的模塊和子模塊：
預處理模塊(未示出)，用于對獲取的腦電波信號進行預處理操作；
其中，所述預處理操作包括：
去直流處理、中值濾波處理、帶通濾波處理、歸一化處理。
其中，所述預設標準差閾值為所述腦電波信號中所有幀信號的標準差的平均值的第一預定倍數。
可選地，所述計算抖動值模塊54包括：
第一計算子模塊(未示出)，用于計算所述目標幀信號中每秒信號的各采樣點的各個抖動值；
第二計算子模塊(未示出)，用于計算每秒信號的各個采樣點的所述各個抖動值的最大值，得到所述每秒信號的數據抖動值。
可選地，所述確定目標信號段模塊55包括：
比較子模塊(未示出)，用于將所述目標幀信號中每秒信號的數據抖動值分別與預設抖動閾值進行比較，在所述目標幀信號中，確定數據抖動值大于所述預設抖動閾值的多個秒信號；
第一確定子模塊(未示出)，用于在所述多個秒信號中，確定時間連續的多組秒信號；
第二確定子模塊(未示出)，用于在所述多組秒信號中，確定持續時間在預設時間段范圍內的目標組秒信號以得到目標信號段。
其中，在一個實施例中，所述預設抖動閾值為所述目標幀信號中所有秒信號的各采樣點的各個抖動值的平均值的第二預定倍數。
可選地，若所述目標信號段的數量為多個，則根據本發明實施例的上述裝置還包括：
計算時間間隔模塊(未示出)，用于計算時間相鄰的兩個目標信號段之間的時間間隔；
第一判斷模塊(未示出)，用于判斷所述時間間隔是否小于或等于預設時間間隔閾值；
連接模塊(未示出)，用于若所述判斷模塊判斷所述時間間隔小于或等于預設時間間隔閾值，則按照時間順序將所述時間相鄰的兩個目標信號段依次連接；
計算持續時間模塊(未示出)，用于計算連接后的目標信號段的持續時間；
第二判斷模塊(未示出)，用于判斷連接后的目標信號段的持續時間是否在所述預設時間段范圍內。
可選地，在另一個實施例中，所述輸出模塊包括：
輸出子模塊(未示出)，用于若連接后的目標信號段的持續時間在所述預設時間段范圍內，則輸出所述連接后的目標信號段。
對于裝置實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
本說明書中的各個實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。
本領域內的技術人員應明白，本發明實施例的實施例可提供為方法、裝置、或計算機程序產品。因此，本發明實施例可采用完全硬件實施例、完全軟件實施例、或結合軟件和硬件方面的實施例的形式。而且，本發明實施例可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限于磁盤存儲器、CD-ROM、光學存儲器等)上實施的計算機程序產品的形式。
本發明實施例是參照根據本發明實施例的方法、終端設備(系統)、和計算機程序產品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理終端設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理終端設備的處理器執行的指令產生用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
這些計算機程序指令也可存儲在能引導計算機或其他可編程數據處理終端設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的制造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
這些計算機程序指令也可裝載到計算機或其他可編程數據處理終端設備上，使得在計算機或其他可編程終端設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程終端設備上執行的指令提供用于實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
盡管已描述了本發明實施例的優選實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權利要求意欲解釋為包括優選實施例以及落入本發明實施例范圍的所有變更和修改。
最后，還需要說明的是，在本文中，諸如第一和第二等之類的關系術語僅僅用來將一個實體或者操作與另一個實體或操作區分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關系或者順序。而且，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者終端設備中還存在另外的相同要素。
以上對本發明所提供的一種腦電波信號的處理方法和一種腦電波信號的處理裝置，進行了詳細介紹，本文中應用了具體個例對本發明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發明的方法及其核心思想；同時，對于本領域的一般技術人員，依據本發明的思想，在具體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發明的限制。
- 還沒有人留言評論。精彩留言會獲得點贊！