[發明專利]一種模式識別方法和腦電波信號處理方法以及基于腦電波的智能家居控制系統

在審

• 申請號: 201710407597.5
• 申請日: 2017-06-02
• 公開（公告）號: CN107219927A
• 公開（公告）日: 2017-09-29
• 發明（設計）人: 李暢;張興;顏飛;史偉;李萬杰
• 申請（專利權）人: 遼寧工業大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06N3/04;G06N3/08
• 代理公司: 北京遠大卓悅知識產權代理事務所(普通合伙)11369
• 代理人: 周明飛

技術領域

本發明涉及一種腦-機接口技術領域，更具體的是，本發明涉及一種模式識別方法和腦電波信號處理方法以及基于腦電波的智能家居控制系統。

背景技術

腦-機接口(Brain Computer Interface,BCI)技術是在人腦與計算機或其它電子設備之間建立的直接的交流和控制通道，通過這種通道，人就可以直接通過大腦來表達想法或操縱設備，而不需要語言或動作，這可以有效增強身體嚴重殘疾的患者與外界交流或控制外部環境的能力，以提高患者的生活質量。

腦電信號是大腦組織電活動和大腦功能狀態的綜合反映，是一種機理相當復雜的隨機信號，傳統智能家居系統中，采集腦電波信號后，采用BP神經網絡或者小波變換方法對腦電波信號進行處理，往往處理過的腦電波信號并非純凈無污染，導致用戶通過腦電波控制智能家電時，系統不能清楚的識別用戶的控制指令，控制智能家電過程較漫長，甚至生成錯誤指令，正確率低。

發明內容

為解決腦電信號控制智能家電過程較長，正確率低這一技術問題，本發明設計開發了一種基于極限學習機算法的模式識別方法，本方法僅需要設置網絡的隱層節點個數，在算法執行過程中不需要調整網絡的輸入權值以及隱元的偏置，產生唯一的最優解。

本發明還提供了一種腦電波信號處理方法，可以將采集的腦電波信號處理。

本發明還設計了一種基于腦電波的智能家居控制系統，根據處理后的腦電信號，可以快速、正確對家居設備生成控制指令。

本發明提供的技術方案為：

一種基于極限學習機算法的模式識別方法，其特征在于，包括訓練階段：

步驟1：給定訓練集N＝{(x_i,t_i)|x_i∈Rⁿ,t_i∈Rⁿ,i＝1,2,3,…L}，激勵函數隱層節點數L，通過公式(1)設定單隱層前向網絡：

其中，x_i為第i個樣本，β_i為第i隱層節點的輸出權值，a_i和b_i分別為隨機生成的輸入神經元與第i個隱層節點的輸入權值和偏置，y_j為第j個隱含層的單隱層前向網絡的輸出，t_i表示第i個樣本的實際標簽；

步驟2：根據步驟1中的單隱層前向網絡，并通過公式(2)擬合訓練樣本；

步驟3：通過公式(3)調整(a_i，b_i，β_i)；

步驟4：通過公式(4)計算輸出權值矩陣β，

t＝Hβ (4)

其中，H為隱含層輸出矩陣，

β為輸出權值矩陣，

β＝[β₁，β₂，…,β_N]^T

t為目標矩陣。

t＝[t₁，t₂，…,t_N]^T

優選的是，根據公式(5)對所述訓練階段進行優化：

優選的是，

(1)當L＝N時，通過公式(6)計算β；

β＝H^-1t (6)

(2)當L<<N，通過公式(7)計算β。

β＝H⁺t (7)

相應地，本發明提供一種腦電波信號處理方法，包括：

步驟1：采用盲源分離去噪預處理方法對腦電波信號進行去噪預處理；

步驟2：采用小波包變換特征提取方法對腦電波信號進行特征提取；

步驟3：采用上述的基于極限學習機算法的模式識別方法對腦電波信號進行模式識別。

優選的是，所述盲源分離去噪預處理方法包括以下步驟：

步驟1：去均值

一組含噪聲的混合信號x(t)，給定其數學期望為E[x(t)]，對混合信號x(t)進行中心化處理得到觀測矢量

其中，t為時間序列；

步驟2：白化

通過公式(9)將去均值后的觀測矢量進行線性變換排列矩陣P，得：

其中，v(t)中各個分量互不相關，且滿足E[v(t)v^T(t)＝I]，I為單位矩陣；