一种优势电极组合与经验模式分解的脑电特征提取方法技术

一种优势电极组合与经验模式分解的脑电特征提取方法脑电信号特征提取方法，输入N导脑电信号数据；选择优势电极，电极记录的脑电信号的分类性能高于某一阈值时，称该电极为优势电极，否则称之为非优势电极。选择优势组合，利用EMD对每一种优势组合所对应的训练样本集的脑电数据和测试样本集的脑电数据分别进行特征提取，得到每一种优势组合的训练特征向量及测试特征向量；分别将每一种优势组合的训练特征向量及测试特征向量、训练样本集标签、测试样本集标签输入到朴素贝叶斯分类器里进行分类，得到每一种优势组合的分类正确率；根据每一种优势组合的分类正确率，推测出执行有关运动想象任务时刺激激活脑区之间的联系。

【技术实现步骤摘要】

【技术保护点】
一种优势电极组合与经验模式分解的脑电特征提取方法，其特征在于包括如下步骤：步骤（1）：输入N导脑电信号数据，所述的脑电信号包括训练样本集、训练样本集标签、测试样本集、测试样本集标签，其中训练样本集包括样本类别已知的N导脑电信号，测试样本集包括样本类别未知的N导脑电信号，训练、测试样本标签即每个训练、测试样本所属类别组成的类别向量；步骤（2）：选择优势电极，电极记录的脑电信号的分类性能高于某一阈值时，称该电极为优势电极，否则称之为非优势电极；步骤（2.1）：将训练样本集中每一导脑电信号都降到d维，利用PCA计算降维后的每导信号主成分对应的特征值的累计贡献率，选择累计贡献率最低的一导信号，其对应的电极为T，对电极T对应的训练样本集中的一导脑电信号，利用PCA计算主成分对应的特征值的累计贡献率，选择累计贡献率在85%到95%之间的维度，再从选出的维度中等边距选取k个维度；步骤（2.2）：利用PCA将训练样本集和测试样本集中每一导的脑电信号分别降到这k个维度，得到训练样本集和测试样本集每一导脑电信号降维后的数据，再分别将训练样本集和测试样本集每一导脑电信号降维后的数据，以及训练样本集标签、测试样本集标签输入到朴素贝叶斯分类器中进行分类，得到的每一导脑电信号的k个维度对应的分类正确率，对每一导信号的k个维度对应的分类正确率求平均值，得到每一导信号的平均分类正确率；步骤（2.3）：设定判定阈值为（1/c+0.1），其中c表示训练样本集标签种类的个数，分别用每一导信号的平均分类正确率与判定阈值比较，将平均分类正确率高于阈值的电极划为优势电极，其余电极划为非优势电极；步骤（3）：选择优势组合；在优势电极中按平均分类正确率从高到低的顺序选取两个电极，将这两个电极作为与任务相关的固有脑区电极，优势电极中除这两个电极外的其余电极组成集合B，将两个固有脑区电极分别和集合B的每一个子集进行组合，得到C种电极组合，对每一种电极组合对应的训练数据集和测试数据集中的脑电数据，利用PCA按步骤（2.1）的方法分别降到k个维度，得到每一种电极组合训练数据集和测试数据集的k个不同维度的脑电数据，再用朴素贝叶斯分类器，对每一种电极组合的k个不同维度的脑电数据分别进行分类，得到每一种电极组合的k个分类正确率，对每一种电极组合的k个分类正确率求平均值，得到每一种电极组合的平均分类正确率，选择平均分类正确率在80%到100%之间的电极组合作为优势组合；步骤（4）：特征提取；利用EMD对每一种优势组合所对应的训练样本集的脑电数据和测试样本集的脑电数据分别进行特征提取，得到每一种优势组合的训练特征向量及测试特征向量；步骤（5）：分类；分别将每一种优势组合的训练特征向量及测试特征向量、训练样本集标签、测试样本集标签输入到朴素贝叶斯分类器里进行分类，得到每一种优势组合的分类正确率；步骤（6）:输出结果；根据每一种优势组合的分类正确率，推测出执行有关运动想象任务时刺激激活脑区之间的联系。...

【技术特征摘要】

【专利技术属性】
技术研发人员：段立娟，葛卉，张祺，杨震，马伟，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11