[發明專利]一種運動想象EEG信號的在線處理方法

在審

• 申請號: 202010022435.1
• 申請日: 2020-01-09
• 公開（公告）號: CN111222578A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 李卓明;代崢;李華清;葉亮;伍廣騰;岑堯輝;陳幸
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 于歌

1.一種運動想象EEG信號的在線處理方法，其特征在于，包括以下步驟，

離線訓練部分：

步驟一：在被試者進行運動想象實驗的過程中采集被試者的運動想象EEG信號，將該運動想象EEG信號作為原始EEG數據，所述原始EEG數據為60～120組，自由度為2或3，且不同自由度的數據數量相同；

步驟二：將每一組原始EEG數據拆分為n段，n為3～6；

步驟三：對拆分后的原始EEG數據進行帶通濾波；

步驟四：對濾波后的數據按照自由度進行分離，然后隨機選取訓練集和測試集，訓練集和測試集中不同自由度的數據數量相同；

步驟五：對訓練集和測試集進行CSP特征提取，獲得特征矩陣；

步驟六：對特征矩陣進行SVM分類，至少重復100次步驟四至步驟六，獲得多組分類結果，然后執行步驟七；

步驟七：依據最佳模型選取原則，在多組分類結果中選取出最佳模型，所述最佳模型中包括最佳帶通濾波器、最佳空間濾波器和最佳分類器模型；

在線處理部分：

步驟八：實時采集被試者的運動想象EEG信號，并將該運動想象EEG信號作為測試EEG數據，以2s～4s為單位對測試EEG數據進行拆分；

步驟九：分別利用最佳帶通濾波器、最佳空間濾波器和最佳分類器模型依次對拆分后的測試EEG數據進行帶通濾波、CSP特征提取和SVM分類；

步驟十：對分類結果的自由度類型進行判別，獲得分類標簽，完成運動想象EEG信號的在線處理。

2.根據權利要求1所述的一種運動想象EEG信號的在線處理方法，其特征在于，步驟一中，利用放大器采集被試者的運動想象EEG信號，

運動想象實驗為60次，原始EEG數據為60組。

3.根據權利要求1所述的一種運動想象EEG信號的在線處理方法，其特征在于，步驟二中，設置時長為2s的滑動窗，滑動時間間隔為50ms，滑動窗起始時刻為每次運動想象實驗的開始時刻，設運動想象時間為4s，每一組原始EEG數據獲得5段不同的等時長數據，每段數據均包括16個電極的對應數據，

原始EEG數據拆分為數據格式為N×M×P的矩陣，其中，N為電極通道數，M為采樣點數，P為數據拆分段數。

4.根據權利要求1所述的一種運動想象EEG信號的在線處理方法，其特征在于，

原始EEG數據的自由度為2，

步驟四中，將同一自由度的數據分為一類。

5.根據權利要求1所述的一種運動想象EEG信號的在線處理方法，其特征在于，

原始EEG數據的自由度為3，

步驟四中，將同一自由度的數據分為一類，

將兩兩自由度的數據共同作為一個新自由度，共獲得3個新自由度的數據，

將每個新自由度的數據與其對應的剩余一個自由度的數據作為新的2自由度數據，共獲得3組2自由度數據。

6.根據權利要求4或5所述的一種運動想象EEG信號的在線處理方法，其特征在于，訓練集數據的數量與測試集數據的數量比為1:3。

7.根據權利要求1所述的一種運動想象EEG信號的在線處理方法，其特征在于，

步驟五中，利用訓練集數據獲得CSP空間濾波器，將CSP空間濾波器分別與訓練集和測試集相乘、并計算方差，獲得特征矩陣。

8.根據權利要求1所述的一種運動想象EEG信號的在線處理方法，其特征在于，

原始EEG數據的自由度為2，

最佳模型中包括一個最佳帶通濾波器、一個最佳空間濾波器和一個最佳分類器模型；

原始EEG數據的自由度為3，

最佳模型中包括一個最佳帶通濾波器、三個最佳空間濾波器和三個最佳分類器模型。