(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211345720.2 (22)申请日 2022.10.31 (71)申请人 深圳联友科技有限公司 地址 518031 广东省深圳市福田区深南中 路2010号东风大厦22楼2211、 2212、 2213房 (72)发明人 张健　 (74)专利代理 机构 深圳市顺天达专利商标代理 有限公司 4 4217 专利代理师 高占元 (51)Int.Cl. A61B 5/374(2021.01) A61B 5/16(2006.01) A61B 5/00(2006.01) G06K 9/00(2022.01)G06K 9/62(2022.01) (54)发明名称 基于贝叶斯数据融合脑电ERS_ERD的分析方 法 (57)摘要 本发明提供了一种基于贝叶斯数据融合脑 电ERS_ERD的分析方法， S1， 通过脑电实验 流程被 试操作的任务及任务的试验次数， 招募被试完成 实验任务， 获取脑电波信号数据； ­S2， 对获取到 的脑电波信号数据通过脑电预处理的python工 具库MNE进行预处理； 通过运用贝叶斯数据融合 的算法对多个导联上的采样值进行融合， 将ERS_ ERD振荡的采样范围从单一导联扩展到附近脑区 的多处导联， 从而提高了采样信息的利用率， 同 时通过在移动平均平滑处理中加入平滑度的计 算， 解决了EWMA指数加权移动平均算法中权重系 数存在的平稳性与时效性之间的矛盾， 能够在保 证EWMA预测序列平稳性的基础上， 让EWMA预测序 列对数据的实际变动更加敏感， 减少了一般平滑 处理中存在的时延问题。 权利要求书3页 说明书8页 附图2页 CN 115399790 A 2022.11.29 CN 115399790 A 1.一种基于贝叶斯数据融合脑电ERS_ERD的分析方法， 其特征在于， 所述方法包括以下 步骤： S1， 通过脑电实验流程被试操作的任务及任务的试验次数， 招募被试完成实验任务， 获 取脑电波信号数据； S2， 对获取到的脑电波信号数据通过脑电预处 理的pytho n工具库MNE进行 预处理； S3， 通过在脑电波信号数据中选择出现ERS_ERD现象的脑波频段， 并确定该频段对应的 导联并对预处 理的脑电波信号数据进行 带通滤波； S4， 对滤波后脑电波信号数据中的每 个采样值取平方， 获得对应的功率采样值； S5， 通过贝叶斯的数据融合算法将各个导联在相同时间位置的功率采样值进行数据融 合后得到带加权的功率采样值； S6， 通过EWMA指数加权移动平均算法， 对获得的加权功率采样值序列进行数据平滑处 理； S7， 通过选择脑电ERS_ERD分析参考时间段， 以该时间段为基准， 计算功率值上升或下 降的百分比。 2.根据权利要求1所述的基于贝叶斯数据融合脑电ERS_ERD的分析方法， 其特征在于， 在所述步骤S1中， 所述脑电波信号数据的采样率为λHz； 所述脑电波信号数据包括M个 trial， 即M次试验； 且在每次试验中， 每 个脑电导联都有N个采样值。 3.根据权利要求2所述的基于贝叶斯数据融合脑电ERS_ERD的分析方法， 其特征在于， 在所述步骤S2中， 所述预处 理包括进行定位 通道位置、 设置通道类型、 滤波与去伪迹 。 4.根据权利要求3所述的基于贝叶斯数据融合脑电ERS_ERD的分析方法， 其特征在于， 在所述步骤S3中， 选择的所述脑波频段为 Hz～ Hz， 且该频段对应的导联数目为 P， 所述 为低通滤波的参数， 所述 为高通滤波的参数。 5.根据权利要求4所述的基于贝叶斯数据融合脑电ERS_ERD的分析方法， 其特征在于， 在所述步骤S4中， 滤波后脑电波信号数据中的采样值 为： (1≤i≤M, 1≤j≤P,  1≤k≤N)， 其中 表示第i次试验中在第j个导联 上的第k个功率采样值， 表示经过滤波的第i次试验中在第j个导联上的第k个采样 值， M为试验次数， P为 导联个数， N 为功率采样值个数。 6.根据权利要求5所述的基于贝叶斯数据融合脑电ERS_ERD的分析方法， 其特征在于， 所述步骤S5包括以下子步骤， S51， 将采样值 汇总得到第j个导联上的第 个功率采样值集合 ={ | 1≤i≤M}   (1≤j≤P)， 其中 表示全部 M次试验中第j个导联 上的第 个功率采样值所组成的数集； S52， 通过计算任意两个导联第 个导联和第 个导联， ， 之间采样数 据的置信距离 和 ， 其中 (1≤ ≤N)；  (1≤p≤P,1≤q≤P)权　利　要　求　书 1/3 页 2 CN 115399790 A 2 (1≤p≤P,1≤q≤P) 式中， 和 是条件概率； 其中， ， ； 其中， ， ； S53， 通过计算置信距离矩阵 ， 其中(1≤ ≤N)； 确定合适的临界值α， 将置信距离矩阵 转化为关系布尔矩阵 (1≤ ≤N)； S54， 筛选出 个采样数值有效的导联， 对它们的采样 数值进行融合， 计算 ， ， 最终的融合结果 为： 其中1≤ ≤N； S55， 确定合适的阈值 ， 对于一处导联的采样 ， 当它被多于 个导联的采样支持 时认为该导联的采样数值有效， 重复执行步骤S52~S54， 总共N次， 得到 ， ， ，…， ， 对应N个采样时刻的加权功率采样值， 记加权功率采样集合为权　利　要　求　书 2/3 页 3 CN 115399790 A 3