[發明專利]一種基于PSD和CSP的運動想象腦電信號分類方法

在審

• 申請號: 202210134799.8
• 申請日: 2022-02-14
• 公開（公告）號: CN114358090A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 趙德春;沈利豪;陳歡;舒洋
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 廖曦

1.一種基于PSD和CSP的運動想象腦電信號分類方法，其特征在于，該方法具體包括以下步驟：

S1：信號輸入：對輸入的腦電信號進行通道和時間序列選擇；

S2：對選擇的腦電信號預處理；

S3：特征提取：首先提取功率譜密度(Power Spectral Density,PSD)特征和共空間模式(Common Spatial Pattern,CSP)特征，然后將PSD特征和CSP特征進行串行融合，即加權和正則化，從而得到融合特征；

S4：分類：采用SVM對測試集進行分類。

2.根據權利要求1所述的基于PSD和CSP的運動想象腦電信號分類方法，其特征在于，步驟S2中，對選擇的信號預處理，具體包括以下步驟：

S21：對選擇的腦電信號進行8-30hz的濾波；

S22：對濾波后信號每個樣本的幅值平方獲得功率樣本，并對同類信號的功率樣本做疊加平均；

S23：采用滑動時間窗口對平均曲線進行平滑處理。

3.根據權利要求1所述的基于PSD和CSP的運動想象腦電信號分類方法，其特征在于，步驟S3中，提取PSD特征，具體是采用非參數法的pwelch函數來計算PSD，具體包括以下步驟：

S301：將長度L的信號分成重疊的N干段，每段的長度M＝L/N，并將指定的窗口應用于每一段；則一段的周期圖為：

其中，稱為歸一化因子，w(n)是窗函數；x_p(n)表示分段的信號，p表示分段號，n表示第n段信號，w表示自變量；

S302：將FFT應用于加窗數據，計算每一個窗口段的周期圖，稱為修改后的周期圖；

S303：對修改后的周期圖進行求平均得到譜估計，則信號的PSD估計為：

其中，B_x(w)表示PSD估計值，T表示分段號；

S304：對估計的PSD進行歸一化處理：

其中，W是B_x(w)的個數，是標準化的PSD特征。

4.根據權利要求1所述的基于PSD和CSP的運動想象腦電信號分類方法，其特征在于，步驟S3中，提取CSP特征，具體包括以下步驟：

S311：將預處理后的訓練集數據按照類別進行分段；

兩類樣本數據歸一化后分別為E₁和E₂；

S312：計算空間協方差矩陣；

每類空間協方差矩陣的計算公式為：

其中，trace(·)為跡，i為標簽，C_i為樣本數據歸一化后的空間協方差矩陣，C₁和C₂分別為左右手的空間協方差矩陣；C_c為兩類數據的空間協方差矩陣之和，則有

C_c＝C₁+C₂ (5)

S313：正交白化變換并且同時對角化；

由于C_c是正定矩陣，按奇值分解為其中U_c為特征向量矩陣，λ是特征值的對角陣，且特征值按降序排列；通過白化轉換U_c得到矩陣P，將P作用于C₁和C₂得到S₁和S₂；

S₁＝PC₁P^T和S₂＝PC₂P^T (7)

S₁＝Bλ₁B^T和S₂＝Bλ₂B^T (8)

λ₁+λ₂＝I (9)

其中，S₁和S₂具有公共特征向量B，且所有特征值合為1，兩個對應的特征值為λ₁、λ₂；C₁、C₂分別表示兩類數據歸一化后的協方差矩陣；

S314：計算投影均陣；

投影矩陣是通過將白化的特征向量投影到特征向量B的前后列特征向量而獲得的，投影矩陣為：

ω＝(B^TP)^T (10)

S315：對數據投影得到特征矩陣；

將數據E通過投影矩陣進行投影得到兩類特征矩陣：

Z_2m·N'＝W_2m·M'E_M'·N' (11)

選擇Z_M'·N'的前m行和后m行作為原始輸入數據的特征，2mM’，M’表示矩陣行數，N’表示矩陣列數；

S316：特征提取并歸一化。

5.根據權利要求4所述的基于PSD和CSP的運動想象腦電信號分類方法，其特征在于，步驟S4具體包括：將融合特征輸入支持向量機分類模型進行訓練，采用網格搜索尋找最優的懲罰因子c和核參數g。