脑电信号多重粗粒化复杂度分析方法研究

为了准确地描述脑电信号的精细结构和复杂成分,提出了基于多重粗粒化的脑电信号复杂度方法。根据脑电信号幅值微弱,幅值跨越大,一定幅值范围的脑电具有特定认知和生理意义的脑电特性,采用多重赋值,可尽量保留对信号复杂结构的描述;基于统计学特点(以百分比为阈值)对已经归一化的信号划分幅值域,进行粗粒化,基于传统方法计算复杂度。该方法有效地克服了经典LZC复杂度不能描述脑电精细结构的不足。提出了当脑电信号在粗粒化后出现局部周期,且达到一定阈值后(如beta波或具有相似幅值特性的脑电信号达到一定阈值),4重复杂度值小于10重复杂度值的假设,初步建立了脑电节律与多重LZC的联系。仿真计算和实际数据验证表明,多重LZC方法结果更准确、合理,而且能反映脑电节律成分特性。