[發(fā)明專利]基于大腦信息識(shí)別被試自發(fā)想象物體位移方位的識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810713015.0
• 申請(qǐng)日: 2018-06-29
• 公開（公告）號(hào): CN109243569A
• 公開（公告）日: 2019-01-18
• 發(fā)明（設(shè)計(jì)）人: 李春光;曲巍;胡海燕;郭浩;張虹淼
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G16H20/30
• 分類號(hào): G16H20/30;G16H50/50;G06K9/00;G06K9/62
• 代理公司: 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 楊慧林

1.一種基于大腦信息識(shí)別被試自發(fā)想象物體位移方位的識(shí)別方法，其特征在于，包括：

獲取采集的測(cè)試區(qū)域的多個(gè)通道的所述血紅蛋白信號(hào)；

利用功率譜密度分析方法分析所述多個(gè)通道的血紅蛋白信號(hào)的各頻率能量分布；

基于上述功率譜密度分析方法分析確定的主頻范圍和波峰間隔，對(duì)所述多個(gè)通道的血紅蛋白信號(hào)進(jìn)行小波包分解和重構(gòu)；

針對(duì)0-0.03hz的通道重構(gòu)時(shí)間序列求和；

針對(duì)以上的總時(shí)間序列采用對(duì)比分析法判斷想象任務(wù)起始時(shí)刻；

任務(wù)起始時(shí)刻前的10個(gè)數(shù)據(jù)點(diǎn)判別想象任務(wù)模態(tài)；

針對(duì)每一個(gè)子頻段，平均15個(gè)子區(qū)域內(nèi)的通道重構(gòu)時(shí)間序列；

找出各個(gè)子頻帶子區(qū)域下活躍前20％和不活躍的低20％；

針對(duì)高20％和低20％的數(shù)據(jù)，分別對(duì)比兩種想象任務(wù)的初步特征，去同存異；

采用遺傳算法和支持向量機(jī)相結(jié)合的方法優(yōu)化特征組合；

利用上述得到的最優(yōu)特征重新訓(xùn)練分類模型。

2.根據(jù)權(quán)利要求1所述的基于大腦信息識(shí)別被試自發(fā)想象物體位移方位的識(shí)別方法，其特征在于，步驟“利用功率譜密度分析方法分析所述多個(gè)通道的血紅蛋白信號(hào)的各頻率能量分布；”中，利用直接法對(duì)數(shù)據(jù)進(jìn)行功率譜密度的分析。

3.根據(jù)權(quán)利要求1所述的基于大腦信息識(shí)別被試自發(fā)想象物體位移方位的識(shí)別方法，其特征在于，步驟“利用功率譜密度分析方法分析所述多個(gè)通道的血紅蛋白信號(hào)的各頻率能量分布；”中，利用matlab軟件中功率譜密度periodogram函數(shù)進(jìn)行功率譜密度的分析。

4.根據(jù)權(quán)利要求1所述的基于大腦信息識(shí)別被試自發(fā)想象物體位移方位的識(shí)別方法，其特征在于，步驟“采用遺傳算法和支持向量機(jī)相結(jié)合的方法優(yōu)化特征組合”具體包括將“針對(duì)高20％和低20％的數(shù)據(jù)，分別對(duì)比兩種想象任務(wù)的初步特征，去同存異；”中共有的特征量剔除，剩余的特征量采用遺傳算法和交叉驗(yàn)證方法選取最優(yōu)特征量，使用SVM算法作為約束條件。

5.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)權(quán)利要求1到4任一項(xiàng)所述方法的步驟。

6.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1到4任一項(xiàng)所述方法的步驟。

7.一種處理器，其特征在于，所述處理器用于運(yùn)行程序，其中，所述程序運(yùn)行時(shí)執(zhí)行權(quán)利要求1到4任一項(xiàng)所述的方法。