[發(fā)明專利]腦電信號(hào)解碼方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110441728.8
• 申請(qǐng)日: 2021-04-23
• 公開（公告）號(hào): CN113255447B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計(jì)）人: 張本鑫;朱志斌;張紹榮;王碩;趙汝文;羅志軍;劉玉鳳
• 申請(qǐng)（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號(hào): G06F18/10
• 分類號(hào): G06F18/10;G06F18/213;G06F18/214;G06F18/2415
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 孫浩

本發(fā)明公開一種腦電信號(hào)解碼方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，方法包括：采集原始腦電信號(hào)；對(duì)原始腦電信號(hào)進(jìn)行預(yù)處理，得到預(yù)處理腦電數(shù)據(jù)；利用時(shí)間窗對(duì)預(yù)處理腦電數(shù)據(jù)進(jìn)行時(shí)間分割，得到時(shí)間窗腦電數(shù)據(jù)；利用TRCSP對(duì)時(shí)間窗腦電數(shù)據(jù)進(jìn)行空間濾波，得到空間濾波腦電數(shù)據(jù)；對(duì)空間濾波腦電數(shù)據(jù)進(jìn)行特征提取，得到腦電數(shù)據(jù)特征子集；利用LASSO對(duì)腦電數(shù)據(jù)特征子集進(jìn)行特征選擇和分類，得到LASSO腦電分類模型；對(duì)LASSO腦電分類模型進(jìn)行訓(xùn)練集成，得到腦電解碼預(yù)測(cè)值；通過CSP正則化技術(shù)、時(shí)頻聯(lián)合優(yōu)化方法以及集成學(xué)習(xí)的有機(jī)結(jié)合建立統(tǒng)一的算法框架，在該算法框架下同時(shí)解決CSP的噪聲敏感和過擬合問題、時(shí)?空?頻聯(lián)合選擇問題以及腦電信號(hào)的非平穩(wěn)性問題。

技術(shù)領(lǐng)域

本發(fā)明涉及腦電信號(hào)解碼領(lǐng)域，特別涉及一種腦電信號(hào)解碼方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

在運(yùn)動(dòng)想象腦電解碼的特征提取方法中，相比時(shí)域、頻域和時(shí)頻域特征，CSP空域特征是較為有效的方法。但是CSP有兩個(gè)缺陷，第一，CSP基于樣本協(xié)方差實(shí)現(xiàn)，對(duì)噪聲敏感，同時(shí)當(dāng)樣本量比較少時(shí)，由于協(xié)方差估計(jì)不準(zhǔn)確，容易產(chǎn)生過擬合。第二，CSP的有效性依賴于最優(yōu)頻帶的選擇。因此，現(xiàn)有的研究工作主要集中在兩個(gè)方面：第一，使用正則化技術(shù)緩解CSP的噪聲敏感和過擬合問題；第二，CSP的頻帶選擇。然而，研究表明時(shí)間窗的選擇以及空間濾波器的對(duì)數(shù)選擇對(duì)CSP的性能影響也非常大。另外，現(xiàn)有的運(yùn)動(dòng)想象腦電解碼方法幾乎只針對(duì)腦電解碼的某一問題(如個(gè)體差異、非平穩(wěn)性、或小樣本等)提供了解決方案，但是腦機(jī)接口系統(tǒng)要真正應(yīng)用于工程實(shí)踐和臨床診斷，需要綜合解決多方面的問題。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題之一。

為此，本發(fā)明提出一種腦電信號(hào)解碼方法，解決CSP的噪聲敏感性和過擬合問題、時(shí)-空-頻聯(lián)合選擇問題以及腦電信號(hào)的非平穩(wěn)性問題。

本發(fā)明還提出一種應(yīng)用上述腦電信號(hào)解碼方法的腦電信號(hào)解碼裝置。

本發(fā)明還提出一種應(yīng)用上述腦電信號(hào)解碼方法的設(shè)備。

本發(fā)明還提出一種應(yīng)用上述腦電信號(hào)解碼方法的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

根據(jù)本發(fā)明第一方面實(shí)施例的腦電信號(hào)解碼方法，所述方法包括：采集原始腦電信號(hào)；對(duì)所述原始腦電信號(hào)進(jìn)行預(yù)處理，得到預(yù)處理腦電數(shù)據(jù)；利用時(shí)間窗對(duì)所述預(yù)處理腦電數(shù)據(jù)進(jìn)行時(shí)間分割，得到時(shí)間窗腦電數(shù)據(jù)；利用TRCSP對(duì)所述時(shí)間窗腦電數(shù)據(jù)進(jìn)行空間濾波，得到空間濾波腦電數(shù)據(jù)；對(duì)所述空間濾波腦電數(shù)據(jù)進(jìn)行特征提取，得到腦電數(shù)據(jù)特征子集；利用LASSO對(duì)所述腦電數(shù)據(jù)特征子集進(jìn)行特征選擇和分類，得到LASSO腦電分類模型；對(duì)所述LASSO腦電分類模型進(jìn)行訓(xùn)練集成，得到腦電解碼預(yù)測(cè)值。

根據(jù)本發(fā)明實(shí)施例的腦電信號(hào)解碼方法，至少具有如下有益效果：首先采集原始腦電信號(hào)，然后對(duì)腦電信號(hào)進(jìn)行預(yù)處理，得到預(yù)處理腦電數(shù)據(jù)；然后利用時(shí)間窗對(duì)預(yù)處理腦電數(shù)據(jù)進(jìn)行時(shí)間分割，就可以得到時(shí)間窗腦電數(shù)據(jù)；接著利用TRCSP對(duì)時(shí)間窗腦電數(shù)據(jù)進(jìn)行空間濾波，就可以得到空間濾波腦電數(shù)據(jù)；接著對(duì)空間濾波腦電數(shù)據(jù)進(jìn)行特征提取，就可以得到腦電數(shù)據(jù)特征子集；接著利用LASSO對(duì)腦電數(shù)據(jù)特征子集進(jìn)行特征選擇和分類，得到LASSO腦電分類模型；對(duì)LASSO腦電分類模型進(jìn)行訓(xùn)練集成，得到腦電解碼預(yù)測(cè)值；利用TRCSP解決了CSP的噪聲敏感和過擬合問題，并且使用LASSO和集成學(xué)習(xí)進(jìn)行時(shí)-空-頻聯(lián)合選擇，而且利用集成學(xué)習(xí)解決了腦電信號(hào)的非平穩(wěn)性問題。

根據(jù)本發(fā)明的一些實(shí)施例，所述對(duì)所述原始腦電信號(hào)進(jìn)行預(yù)處理，得到預(yù)處理腦電數(shù)據(jù)，包括：

對(duì)所述原始腦電信號(hào)進(jìn)行帶通濾波，得到帶通濾波腦電數(shù)據(jù)；

其中，所述帶通濾波腦電數(shù)據(jù)即為所述預(yù)處理腦電數(shù)據(jù)。

根據(jù)本發(fā)明的一些實(shí)施例，所述對(duì)所述空間濾波腦電數(shù)據(jù)進(jìn)行特征提取，得到腦電數(shù)據(jù)特征子集，包括：