[發明專利]一種基于快速多維經驗模態分解的腦電信號分類方法

在審

• 申請號: 201811577102.4
• 申請日: 2018-12-20
• 公開（公告）號: CN109480834A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 謝磊;喬丹;郎恂;鄭潛;蘇宏業
• 申請（專利權）人: 浙江大學
• 主分類號: A61B5/0476
• 分類號: A61B5/0476
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

本發明公開了一種基于快速多維經驗模態分解的腦電信號分類方法，包括：(1)采集若干組腦電信號并進行預處理；(2)對預處理后的信號通過快速多維經驗模態分解，得到全部本征模態函數信號；(3)對每個本征模態函數信號的各個層進行頻譜分析，選取平均功率譜集中在8～12Hz及18～26Hz頻段的信號層，作為新多維信號；(4)將新多維信號通過空間濾波器，提取出腦電信號的特征；(5)將特征輸入到分類器中進行分類，根據分類準確率選取CSP中最優參數，利用最優參數下的腦電特征對不同運動想象任務下的腦電信號進行分類。本發明解決了普通多維經驗模式分解算法模式混疊、計算效率低等問題，分解結果的可解釋性更強，提高了腦電信號的分類準確率。

技術領域

本發明屬于生物醫學工程及計算機領域，尤其是涉及一種基于快速多維經驗模態分解的腦電信號分類方法。

背景技術

已有研究表明，人在對肢體動作想象時，與該動作相關的大腦運動皮層區域會發生與該動作實施時相似的電生理響應，誘發想象動作電位。肢體動作準備或規劃時能夠引起皮質運動中樞大量神經細胞的活動狀態變化，導致腦電信號中某些頻率成分的同步增強(事件相關同步，ERS)或同步減弱(事件相關去同步，ERD)。

腦電信號的分析在神經科學、心理學、生物醫學等領域均發揮著非常重要的作用。由于腦電信號中噪聲較多，原始腦電信號的信噪比低，可靠性差，如何提取腦電信號的特征成為腦電信號分析、分類最為核心的難點。

共空間模式(Common Spatial Pattern,CSP)方法被認為是提取運動想象腦電信號特征最有效的方法之一。其原理為利用代數上矩陣同時對角化的理論，尋找一組空間濾波器，使得在這組濾波器的作用下，一類信號的方差達到極大，另一類信號的方差達到極小，從而實現特征提取的目的。然而，CSP方法沒有考慮EEG信號中的頻率特性，而頻率特性恰恰是EEG信號分類的重要依據。

共空間模式在空域對EEG信號有很好的濾波作用，利用時頻分析方法對信號進行頻率分解能在時域和頻域同時對信號進行處理。運動想象腦電信號的ERD和ERS發生在特定區域的特定頻段，所以結合共空間模式和信號分解就成為一種有效的針對運動想象腦電信號處理的方法。

最為常用的多維腦電信號分解方法為多維經驗模態分解方法(MEMD)，經過此方法，源信號被轉化為包含了原腦電數據信號的不同時頻尺度特征的固有模態函數(IMF)，能夠反映腦電數據在不同時頻尺度上的特征。可同時對多通道數據進行分解，相比于單維的EMD算法能夠避免各變量分解出的IMFs數、頻率不匹配問題，但仍然存在模式混疊、計算效率隨緯度的上升而急劇下降等問題。

基于以上背景，找到一種計算效率高、分類準確率高、適用于非平穩非線性低信噪比的腦電數據特征提取與分類方法，對于腦電數據分析有重大意義，對于進一步深入研究基于運動想象腦電的在線實時腦機交互控制系統有非常重要的實用價值。

發明內容

本發明提供了一種基于快速多維經驗模態分解的腦電信號分類方法，解決了普通多維經驗模式分解算法模式混疊、計算效率低等問題，分解結果的可解釋性更強，很大程度上提高了腦電信號的分類準確率。

一種基于快速多維經驗模態分解的腦電信號分類方法，包括以下步驟：

(1)采集若干組K個通路的腦電信號，每組腦電信號帶有一個分類標簽，對采集的信號進行預處理；

(2)對預處理后的每組K維信號通過FMEMD(快速多維經驗模態)分解，得到全部的本征模態函數信號和趨勢項；

(3)對每個本征模態函數信號的各個層進行頻譜分析，選取平均功率譜集中在8～12Hz(Mu節律)及18～26Hz(Beta節律)頻段的信號層，作為新多維信號；

(4)將選取的新多維信號通過空間濾波器CSP，提取出腦電信號的特征向量；