[發(fā)明專利]一種基于數(shù)據(jù)結(jié)構(gòu)化分解的腦電信號分析方法

有效

• 申請?zhí)枺?/td>: 202010114457.0
• 申請日: 2020-02-25
• 公開（公告）號: CN111265214B
• 公開（公告）日: 2022-09-09
• 發(fā)明（設計）人: 彭勇;李晴熙
• 申請（專利權(quán)）人: 杭州電子科技大學
• 主分類號: A61B5/372
• 分類號: A61B5/372;A61B5/00;G06F17/16
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 黃前澤

1.一種基于數(shù)據(jù)結(jié)構(gòu)化分解的腦電信號分析方法，其特征在于：步驟1、采集受試者的腦電數(shù)據(jù)；對所得向量化一維腦電信號進行預處理，同時根據(jù)標準電極位置配置將一維腦電信號轉(zhuǎn)成可以保留空間信息的二維腦電信號；

1-1.對N個受試者均在M個不同的環(huán)境或時間下進行腦電數(shù)據(jù)采集，得到N·M組腦電數(shù)據(jù)；同一受試者在M次采集時大腦保持同樣的被測任務類別；N個受試者在測試中對應的被測任務類別包含了所有的被測任務類別；

1-2.對步驟1-1所得的所有腦電數(shù)據(jù)進行預處理；

1-3.將各個一維的腦電數(shù)據(jù)轉(zhuǎn)化為二維腦電矩陣

步驟2、對二維腦電數(shù)據(jù)進行分解；

2-1.建立二維腦電數(shù)據(jù)集二維腦電數(shù)據(jù)集內(nèi)的每個腦電數(shù)據(jù)X_i,j均為步驟1-3中所得的其中一個二維腦電矩陣；腦電數(shù)據(jù)X_i,j由第i個受試者在第j種環(huán)境或時間下測得；

2-2.將所有腦電信號X_i,j逐一分解為三個分量的組合，i＝1,2,…,N，j＝1,2,…,M，如式(1)所示；

式(1)中，C_i是表示腦電信號X_i,j的公共信息矩陣；A_j是腦電信號X_i,j的全局信息低秩矩陣；E_i,j是噪聲矩陣；

2-3.針對公共信息矩陣C_i、全局信息低秩矩陣A_j和噪聲矩陣E_i,j建立目標函數(shù)如式(2)所示；

式(2)中，||·||_*表示核范式計算，||·||₁表示l₁范式計算；λ_i,j是控制稀疏度權(quán)重的標量；

為了將約束吸收到目標函數(shù)中，用增廣的拉格朗日乘子將式(2)替換為式(3)；

式(3)中，Y_i,j為腦電數(shù)據(jù)X_i,j對應的拉格朗日乘子；μ_i,j是控制重構(gòu)誤差的標量；

步驟3、分別求解出全局信息低秩矩陣A_j、公共信息矩陣C_i、噪聲矩陣E_i,j；

3-1.使用奇異值閾值算法求解A_j；全局信息低秩矩陣A_j的求解問題表達為如式(4)所示；

式(4)中，||A_j||_*表示核范式計算；||·||_F表示F范式計算；·,·為兩個向量的內(nèi)積運算；

根據(jù)奇異值閾值算法，建立第一正交矩陣U、第二正交矩陣V和對角矩陣∑的表達式如式(5)所示；

根據(jù)式(4)和(5)重新建立全局信息低秩矩陣A_j的表達式如式(6)所示；

A_j＝US_τ(∑)V^T (6)

式(6)中，S_τ(∑)＝sign(∑)·max(0,|∑|-τ)；sign(∑)表示矩陣∑的符號函數(shù)；max(·,·)表示兩個數(shù)值中取最大值的運算；

3-2.根據(jù)式(3)中E_i,j相關的部分，求解噪聲矩陣E_i,j表達為如式(7)所示；

根據(jù)式(7)建立噪聲矩陣E_i,j的表達式如式(8)所示

式(8)中，

3-3.求解公共信息矩陣C_i的問題表達為如式(9)所示；

式(9)中，

通過求解式(9)所述問題中關于C_i的偏導，并令其等于0，得到公共信息矩陣C_i的表達式如式(10)所示

步驟4、構(gòu)建樣本子空間與識別方案；

利用各個受試者對應的公共信息矩陣C_i和全局信息低秩矩陣A_j分別構(gòu)建各個受試者的子空間S_i；i＝1,2,…,N；子空間S_i的集合表達式如式(11)所示；

式(11)中，c_i、a_j分別通過將公共信息矩陣C_i、全局信息低秩矩陣A_j向量化得到；w_k表示第k個特征參數(shù)，k＝1,2,…,M；

步驟5、使用步驟4得到的各個子空間S_i，對被測人員的采集腦電數(shù)據(jù)時大腦執(zhí)行的任務類別進行識別；

5-1.對被測人員進行腦電數(shù)據(jù)的采集，并將被測人員的腦電數(shù)據(jù)根據(jù)步驟1中的方法預處理并轉(zhuǎn)化為二維腦電矩陣Z；

5-2.構(gòu)建被測人員的子空間S_z；子空間S_z的集合表達式如式(12)所示；

式(12)中，z通過將二維腦電矩陣Z向量化得到；

5-3.分別對比子空間S_z與步驟4得到的M個子空間S_i的相似度；取與子空間S_z相似度最高的那個子空間S_i作為目標子空間；取目標子空間對應的受試者對應的任務類別判斷為被測人員的在腦電采集時大腦的任務類別。