[發明專利]運動想象腦電信號特征的提取方法

無效

• 申請號: 201210085013.4
• 申請日: 2012-03-28
• 公開（公告）號: CN102613972A
• 公開（公告）日: 2012-08-01
• 發明（設計）人: 劉鵬;侯秉文;周廣玉;何嘉全
• 申請（專利權）人: 西安電子科技大學
• 主分類號: A61B5/048
• 分類號: A61B5/048;A61B5/0476
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.運動想象腦電信號特征的提取方法，包括：

(1)采集數據

腦電信號采集系統通過受試者佩戴的電極帽，采集想象單側手指運動的腦電信號；

(2)預處理

2a)空間濾波：采用共同平均參考的方法，將受試者電極帽上每個電極采集的腦電信號減去所有電極采集的腦電信號的均值，得到共同平均參考空間濾波后的腦電信號；

2b)基線校正：將共同平均參考空間濾波后的腦電信號減去基線，得到基線校正后的腦電信號；

2c)帶通濾波：利用有限脈沖響應濾波器，對基線校正后的腦電信號進行帶通濾波，得到頻帶為4-40Hz的腦電信號；

2d)截取信號段：利用EEGLAB軟件，在帶通濾波后的腦電信號中截取受試者想象單側手指運動過程中的腦電信號段，得到預處理后的腦電信號；

(3)頻域濾波

利用帶通濾波器對預處理后的腦電信號濾波，得到多個等帶寬、無重疊頻帶、依次排列的子頻帶腦電信號；

(4)時域分段

將每個子頻帶腦電信號按時間段截斷，劃分為多個等時間段、互不重疊、依次排列的子信號；

(5)空間濾波

采用共同空間模式方法，對時域分段后的每個子信號進行空間濾波，得到想象單側手指運動的腦電信號特征向量；將所有特征向量中各元素依次排列，構成總特征向量；

(6)特征選擇

在總特征向量中選取出與左右手運動想象任務類別間的互信息最大的元素構成最優特征向量；

(7)分類

利用樸素貝葉斯分類器，采取交叉驗證方法，對最優特征向量分類，得到分類正確率。

2.根據權利要求1所述的運動想象腦電信號特征的提取方法，其特征在于：步驟2b)所述的基線為受試者想象單側手指運動之前的200ms腦電信號。

3.根據權利要求1所述的運動想象腦電信號特征的提取方法，其特征在于：步驟(3)中所述的帶通濾波器為有限脈沖響應濾波器。

4.根據權利要求1所述的運動想象腦電信號特征的提取方法，其特征在于：步驟(5)中所述的共同空間模式方法為：

第一步，估計兩類運動想象腦電信號的協方差矩陣；

第二步，將兩協方差矩陣同時對角化，得到其共同的廣義特征向量；將該廣義特征向量作為共同空間模式的映射矩陣；

第三步，將共同空間模式的映射矩陣的前m個列向量和后m個列向量構成替代的映射矩陣其中1≤m＜n/2，n為共同空間模式的映射矩陣列向量的個數；

第四步，按照下式提取區分兩類運動想象的腦電信號的特征向量

f=log(diag(W‾TSSTW‾)/tr(W‾TSSTW‾))]]>

其中，f為兩類運動想象腦電信號的特征向量表達；

log(·)為對數函數；

diag(·)為乘方矩陣對角元素構成的對角矩陣；

為共同空間模式的替代映射矩陣；

T代表轉置符；

S為時域分段后的子信號；

tr(·)為乘方矩陣對角元素的和。

5.根據權利要求1所述的運動想象腦電信號特征的提取方法，其特征在于：步驟(6)中所述的最優特征向量元素的個數為總特征向量元素個數的一半。

6.根據權利要求1所述的運動想象腦電信號特征的提取方法，其特征在于：步驟(7)中所述的交叉驗證方法是指，選擇步驟(6)得到的一個腦電信號的最優特征向量作為測試數據，其余腦電信號的最優特征向量作為訓練數據；分類器利用訓練數據建立分類模型，將測試數據代入分類模型得到分類類別，比較分類類別與實際任務類別，得到正確分類或錯誤分類的結果；依次將每個腦電信號的最優特征向量作為一次測試數據，統計所有測試數據的分類結果，得到分類正確率。