[發明專利]一種結合多時段多頻段CSP算法的運動想象腦電解碼方法

在審

• 申請號: 202111054623.3
• 申請日: 2021-09-09
• 公開（公告）號: CN113780162A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 楊俊;高思恒;沈韜;馬正敏;吳俊會;鄭進港
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種結合多時段多頻段CSP算法的運動想象腦電解碼方法，其特征在于：先利用MTF-CSP算法對運動想象腦電信號進行特征提取，再通過SVM分類器對提取到的特征進行分類識別，并對識別結果進行最終決策，具體步驟如下：

步驟一在運動想象腦電數據上截取n個滑動時間窗信號，對每個時間窗信號分離出若干頻段的子帶信號；

步驟二對步驟一中的n個滑動時間窗信號按時間順序進行特征提取得到n組特征值，具體利用CSP算法對每個時間窗信號的多個子帶信號進行特征提取；

步驟三使用SVM分類器對步驟一和步驟二中MTF-CSP算法提取到的運動想象特征進行分類識別，并結合對應的決策方法得到最終識別結果。

2.根據權利要求1所述的結合多時段多頻段CSP算法的運動想象腦電解碼方法，其特征在于：

所述步驟一中截取n個長度為w的時間窗，截取步長為s，對于每個時間窗信號，分離出7個頻段的子帶信號，7個頻段分別為8-13Hz，8-10Hz，10-13Hz，13-30Hz，13-18Hz，18-23Hz，23-30Hz，再經過所述步驟二利用CSP算法對單個時間窗信號的每個頻段的子帶信號提取得到一組特征值，將7個頻段的特征值首尾相連形成一個長度為2m×7的特征向量，作為單個時間窗信號的單次運動想象腦電特征，總計得到n組2m×7的特征向量。

3.根據權利要求2所述的結合多時段多頻段CSP算法的運動想象腦電解碼方法，其特征在于：

所述步驟二中CSP算法是利用矩陣的對角化，找到一組最優空間濾波器進行投影，使得兩類信號的方差值差異最大化，從而得到具有較高區分度的特征向量，兩類信號X₁和X₂歸一化后的協方差矩陣如下：

式中，表示矩陣X₁的轉置，表示矩陣X₂的轉置，表示矩陣對角線上元素之和，表示矩陣對角線上元素之和，之后求取混合空間的協方差矩陣：

為X₁的平均協方差矩陣，為X₂的平均協方差矩陣；

根據式(3)得到的混合空間協方差矩陣進行特征值分解：

R＝UλU^T (4)

其中，U是矩陣λ的特征向量矩陣，λ是矩陣R特征值構成的對角陣，特征值按降序排序，計算白化值矩陣：

由式(5)求得的白化矩陣和式(1)，式(2)的歸一化協方差矩陣求出公共特征向量矩陣：

S₁＝PR₁P^T (6)

S₂＝PR₂P^T (7)

然后對S₁，S₂進行主分量分解：

(8)，(9)式中，矩陣S₁，S₂的特征向量矩陣相等，即：

B₁＝B₂＝B (10)

與此同時，特征值對應的對角矩陣λ₁和λ₂之和為單位矩陣I：

λ₁+λ₂＝I (11)

投影矩陣由式(5)計算出的白化矩陣和式(10)的公共特征向量矩陣決定，得到投影矩陣：

W＝B^TP (12)

最終的CSP濾波器W_CSP由從投影矩陣中選出的m個最大值和m個最小值組成，最終提取到長度為2m的特征向量，即單頻段單時段信號的CSP特征向量為：X_CSP＝[x₁，...，x_2m]。