[發明專利]基于多線性主成分分析的單次運動想象腦電信號識別方法

在審

• 申請號: 202010091776.4
• 申請日: 2020-02-13
• 公開（公告）號: CN111310656A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 付榮榮;楊陽;于寶;王世偉
• 申請（專利權）人: 燕山大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京孚睿灣知識產權代理事務所(普通合伙) 11474
• 代理人: 王冬杰

本發明提供一種基于多線性主成分分析的單次運動想象腦電信號識別方法，該方法能夠從時域、頻域和空間域各找到一個投影矩陣對3維EEG張量數據進行投影從而實現對原始EEG張量數據的降維，然后再結合線性分類方法進行分類。與傳統的主成分分析方法相比，本發明提出的多線性主成分分析的方法直接在多維張量中從多個維度進行降維，保留了信號的空間結構信息，經過降維后再展開成一維向量形式用于分類，因此相比于傳統的基于主成分分析的方法，本發明提出的方法保留了EEG信號的空間特性；相比于EEG時域分析，頻域分析，時頻分析或時空分析，本發明從時域，頻域，空間域多模態分析EEG信號，能夠提取更加全面的特征，在小樣本情況下腦電識別效果依然較高。

技術領域

本發明涉及生物信號處理領域，具體涉及一種基于多線性主成分分析的單次運動想象腦電信號識別方法。

背景技術

腦電信號(electroencephalography，EEG)是由大腦神經元活動產生的信號，其中包含了豐富的大腦狀態信息，為實現腦-機接口(brain-computer interface，BCI)需要對腦電信號進行有效解碼，解碼過程包括對EEG信號進行特征提取和模式分類。近幾年來，國際上許多研究小組投入了大量精力對單次運動想象腦電信號(motor imageryelectroencephalography，MI-EEG)的特征提取方法進行研究。直接從時域提取特征是最早發展起來的方法，因為它直觀性強，物理意義比較明確。然而，由于腦電信號的波形過于復雜，目前還沒有一個特別行之有效的EEG時域分析方法；由于EEG信號的很多主要特征是反映在頻域上的，功率譜估計是頻域分析的重要手段，因此譜分析技術在腦電信號處理中占有特別重要的位置，但是，功率譜估計不能反映出腦電頻譜的時變性，所以對腦電這樣的時變非平穩過程單從頻域的功率譜估計會丟失時變的信息；信號的時頻分析技術，不同于以往的單純時域或者頻域分析，它是一種同時在時間和頻率域中對信號進行分析的技術，主要分為線性變化和非線性變換兩類。目前應用最為廣泛的方法是小波變換理論。小波分析在高頻時使用短窗口，而在低頻時使用寬窗口，充分體現了相對帶寬頻率分析和適應變分辨率分析的思想，從而為信號的實時分析提供了一條可能途徑。目前，腦電信號的時頻分析研究已取得了很多有價值的研究成果。但是小波變換效果嚴重依賴于連續小波變換時中心頻率和帶寬的選擇，目前這些參數的選擇往往依賴于經驗或實驗，對于個體差異較大的腦電信號，其效果不夠穩定；考慮腦電在頭皮的空間分布，將時間和空間的信息進行融合分析的時空分析方法有利于揭示和增強多導腦電信號中的隱含特征。時空分析方法能給人們提供更多的信息，是EEG信號分析中的一個重要研究方向，但是其忽略了腦電信號包含的頻域信息。

發明內容

本發明要解決的技術問題在于提供一種能夠獲得更加全面EEG信號特征的信號分析方法。針對上述技術問題，本發明提出了一種基于多線性主成分分析的單次運動想象腦電信號識別方法，該方法能夠從時域、頻域和空間域各找到一個投影矩陣對3維EEG張量數據進行投影從而實現對原始EEG張量數據的降維，然后再結合線性分類方法進行分類。

所述方法包括以下具體步驟：

步驟1、利用小波分析方法建立多次實驗的三階EEG張量數據，并將所述三階EEG張量數據隨機分成訓練集和測試集，包括如下具體步驟：

步驟11、在受試者根據提示想象左右手的運動時，采集受試者的腦電數據，并將采集到的每次運動想象時的腦電數據依次根據提示的時間點開始截取一定時長的腦電數據，組成包括時間、空間兩個維度的單次運動想象腦電數據矩陣，所述空間代表不同的采集通道；

步驟12、對所述腦電數據進行帶通濾波；

步驟13、采用復Morlet小波變換提取腦電信號中包含的頻域信息，并將提取出的頻域、時域、空間域數據構建成三階張量式中c表示通道，f表示頻率，t表示時間；

步驟14、將所述三階張量數據隨機分為訓練集和測試集

采用交叉驗證的方式來選擇最優的分類模型；