[發明專利]基于獨立分量分析的運動想象腦電信號分類方法

有效

• 申請號: 201810366834.2
• 申請日: 2018-04-23
• 公開（公告）號: CN108710895B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 周蚌艷;吳小培;呂釗;阮晶;張磊;郭曉靜;張超;高湘萍;衛兵
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 合肥市上嘉專利代理事務所(普通合伙) 34125
• 代理人: 李璐

1.一種基于獨立分量分析的運動想象腦電信號分類方法，包括以下步驟：

S1：實驗數據的采集：采集腦電信號并對腦電信號進行預處理，將預處理后的腦電信號隨機分為訓練集和測試集；

S2：基于單次試驗樣本的空域濾波器訓練：將訓練集數據依次選擇單次試驗樣本數據進行獨立分量分析計算，并基于源的空間分布模式實現運動相關分量的自動識別獲取；

S3：基于零訓練分類器的運動想象分類識別；

S4：導聯的優化選擇：使用訓練集數據進行導聯的優化選擇，將優化后的導聯代入測試集，循環步驟S2和S3，得到最終的分類識別率；

其中，導聯優化選擇方法如下：

S41：主電極的選擇：將運動皮層的9個電極{FC3，C3，CP3，FC4，C4，CP4，FCz，Cz，CPz}分為三組{FC3，C3，CP3}，{FC4，C4，CP4}和{FCz，Cz，CPz}，并從這三組電極中分別選擇1個電極作為運動相關主電極{main_1，main_2，main_3}，在9組導聯組合中，計算出三類運動想象的分類識別率最高的一組將作為三個主電極{main_r，main_l，main_f}；

S42：輔助電極的選擇：除去三個主電極，從余下的11個電極中選擇一個電極作為輔助電極sub_1，并組成新的電極組合{main_l，main_r，main_f，sub_1}，在11組4導聯組合中，計算出三類運動想象的分類識別率最高的一組作為導聯組合，并將選擇的輔助電極作為第一輔助電極；依次類推，再從余下的電極中依次選擇第二輔助電極，第三輔助電極，直到三類運動想象的分類識別率達到最大值，記錄此時的導聯組合和電極個數M，并將選擇的導聯用于測試集樣本的分類識別中。

2.根據權利要求1所述的基于獨立分量分析的運動想象腦電信號分類方法，其特征在于，步驟S1的具體步驟包括：

根據標準10-20系統，使用14個頭皮電極{Fp1，Fp2，FC3，FCz，FC4，C3，Cz，C4，CP3，CPz，CP4，O1，Oz，O2}記錄左手、右手和腳三類運動想象數據X＝[x₁，x₂，...，x_N]^T(N＝1，2...，14)，并對采集的原始腦電數據進行帶通濾波和歸一化處理，然后將歸一化后的腦電信號隨機分為訓練集和測試集。

3.根據權利要求2所述的基于獨立分量分析的運動想象腦電信號分類方法，其特征在于，對腦電信號進行帶通濾波的截止頻率為8-30Hz。

4.根據權利要求1所述的基于獨立分量分析的運動想象腦電信號分類方法，其特征在于，所述步驟S2的具體步驟包括：

S21：基于單次試驗樣本數據的ICA算法設計：從訓練集中依次選擇單次實驗數據設計ICA空域濾波器W，并計算分離后的獨立源S和源的空間分布模式A；

S22：運動相關獨立分量的自動獲取：依據源的空間分布模式A，從分離出的獨立源S中自動識別出和左手、右手和腳三類運動想象相關的獨立分量{sl，sr，sf}，并得到對應的空域濾波器{wl，wr，wf}。

5.根據權利要求4所述的基于獨立分量分析的運動想象腦電信號分類方法，其特征在于，在步驟S21中，獨立分量分析算法包括以下步驟：

S211：輸入EEG信號X、學習率lrate和迭代次數Num；

S212：初始化分離矩陣W，迭代次數i；

W＝eye(N)/100；i＝0

S213：分離矩陣W的迭代公式如下：

i＝i+1；s＝wx

ΔW＝{I-E[sign(S)S^T+ss^T]}W

W←W+lrate*ΔW；

S214：重復步驟S213，直到i＞Num，輸出分離矩陣W；

S215：計算源信號S，并進行方差歸一化處理：

S216：計算混合矩陣A

A＝W^-1。