[發明專利]一種腦電信號識別方法和系統

有效

• 申請號: 202110291294.8
• 申請日: 2021-03-18
• 公開（公告）號: CN113017648B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 董朝軼;馬鵬飛;陳曉艷
• 申請（專利權）人: 內蒙古工業大學
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/372;A61B5/374
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 張琳麗

1.一種腦電信號識別方法，其特征在于，包括：

獲取腦電數據；

對所述腦電數據進行預處理得到預處理腦電信號；

采用相關分析法提取所述預處理腦電信號的特征，得到第一特征信號；

采用定向傳遞函數提取所述預處理腦電信號的特征，得到第二特征信號；

對所述第一特征信號和所述第二特征信號進行特征融合得到融合信號；

采用SVM分類器根據所述融合信號得到識別結果；所述識別結果為腦電識別準確率；

所述采用相關分析法提取所述預處理腦電信號的特征，得到第一特征信號，具體包括：

獲取腦電參數；所述腦電參數包括：刺激頻率、諧波數量、采樣點數和采樣頻率；

根據所述腦電參數構建參考信號模型；所述參考信號模型為：其中，f_k表示刺激頻率，N_h表示諧波數量，M表示采樣點數，F_s則表示采樣頻率；

獲取多通道腦電信號；

根據所述多通道腦電信號和所述參考信號模型確定相關系數；

以所述相關系數形成的矩陣作為所述第一特征信號；

所述采用定向傳遞函數提取所述預處理腦電信號的特征，得到第二特征信號，具體包括：

利用定向傳遞函數得到直接傳遞函數矩陣，將得到的直接傳遞函數矩陣排列成一排得到關于直接傳遞函數的網絡特征，將所述網絡特征利用相關系數進行特征篩選，得到最能體現各個通道之間的連接特性的特征，再與典型相關分析相關系數相結合，就是最后的代表各個刺激頻率響應的特征，即第二特征信號。

2.根據權利要求1所述的腦電信號識別方法，其特征在于，所述對所述腦電數據進行預處理得到預處理腦電信號，具體包括：

采用數字帶通濾波器對所述腦電數據進行去噪處理得到去噪信號；

采用獨立成分分析法對所述去噪信號進行處理得到提取信號；所述提取信號即為預處理腦電信號。

3.根據權利要求1所述的腦電信號識別方法，其特征在于，所述采用定向傳遞函數提取所述預處理腦電信號的特征，得到第二特征信號，具體包括：

利用多變量自回歸模型擬合所述多通道腦電信號得到擬合模型；

根據所述擬合模型得到系統傳遞矩陣；

根據所述系統傳遞矩陣確定直接傳遞函數矩陣；

根據所述傳遞函數矩陣確定所述第二特征信號。

4.一種腦電信號識別系統，其特征在于，包括：

腦電數據獲取模塊，用于獲取腦電數據；

預處理模塊，用于對所述腦電數據進行預處理得到預處理腦電信號；

第一特征信號確定模塊，用于采用相關分析法提取所述預處理腦電信號的特征，得到第一特征信號；

第二特征信號確定模塊，用于采用定向傳遞函數提取所述預處理腦電信號的特征，得到第二特征信號；所述采用定向傳遞函數提取所述預處理腦電信號的特征，得到第二特征信號，具體包括：利用定向傳遞函數得到直接傳遞函數矩陣，將得到的直接傳遞函數矩陣排列成一排得到關于直接傳遞函數的網絡特征，將所述網絡特征利用相關系數進行特征篩選，得到最能體現各個通道之間的連接特性的特征，再與典型相關分析相關系數相結合，就是最后的代表各個刺激頻率響應的特征，即第二特征信號；

特征融合模塊，用于對所述第一特征信號和所述第二特征信號進行特征融合得到融合信號；

識別模塊，用于采用SVM分類器根據所述融合信號得到識別結果；所述識別結果為腦電識別準確率；

所述第一特征信號確定模塊具體包括：

腦電參數獲取單元，用于獲取腦電參數；所述腦電參數包括：刺激頻率、諧波數量、采樣點數和采樣頻率；

參考信號模型構建單元，用于根據所述腦電參數構建參考信號模型；所述參考信號模型為：其中，f_k表示刺激頻率，N_h表示諧波數量，M表示采樣點數，F_s則表示采樣頻率；

多通道腦電信號獲取單元，用于獲取多通道腦電信號；

相關系數確定單元，用于根據所述多通道腦電信號和所述參考信號模型確定相關系數；

第一特征信號確定確定單元，用于以所述相關系數形成的矩陣作為所述第一特征信號。