The present invention discloses a classification method of EEG signals based on fast multidimensional empirical mode decomposition, which includes: (1) acquisition and preprocessing of several sets of EEG signals; (2) fast multidimensional empirical mode decomposition of preprocessed signals to obtain all intrinsic mode function signals; (3) spectrum analysis of each layer of intrinsic mode function signals and selection of average power spectrum set. In the signal layer of 8-12Hz and 18-26Hz band, as a new multidimensional signal; (4) extract the characteristics of EEG signals through spatial filters; (5) input the features into the classifier for classification, select the best parameters of CSP according to the classification accuracy, and classify EEG signals under different motor imagery tasks using the EEG features under the optimal parameters. The method solves the problems of mode aliasing and low computational efficiency of common multidimensional empirical mode decomposition algorithm, and the interpretability of decomposition results is stronger, and the classification accuracy of EEG signals is improved.
【技术实现步骤摘要】
一种基于快速多维经验模态分解的脑电信号分类方法
本专利技术属于生物医学工程及计算机领域,尤其是涉及一种基于快速多维经验模态分解的脑电信号分类方法。
技术介绍
已有研究表明,人在对肢体动作想象时,与该动作相关的大脑运动皮层区域会发生与该动作实施时相似的电生理响应,诱发想象动作电位。肢体动作准备或规划时能够引起皮质运动中枢大量神经细胞的活动状态变化,导致脑电信号中某些频率成分的同步增强(事件相关同步,ERS)或同步减弱(事件相关去同步,ERD)。脑电信号的分析在神经科学、心理学、生物医学等领域均发挥着非常重要的作用。由于脑电信号中噪声较多,原始脑电信号的信噪比低,可靠性差,如何提取脑电信号的特征成为脑电信号分析、分类最为核心的难点。共空间模式(CommonSpatialPattern,CSP)方法被认为是提取运动想象脑电信号特征最有效的方法之一。其原理为利用代数上矩阵同时对角化的理论,寻找一组空间滤波器,使得在这组滤波器的作用下,一类信号的方差达到极大,另一类信号的方差达到极小,从而实现特征提取的目的。然而,CSP方法没有考虑EEG信号中的频率特性,而频率特性恰恰是EEG信号分类的重要依据。共空间模式在空域对EEG信号有很好的滤波作用,利用时频分析方法对信号进行频率分解能在时域和频域同时对信号进行处理。运动想象脑电信号的ERD和ERS发生在特定区域的特定频段,所以结合共空间模式和信号分解就成为一种有效的针对运动想象脑电信号处理的方法。最为常用的多维脑电信号分解方法为多维经验模态分解方法(MEMD),经过此方法,源信号被转化为包含了原脑电数据信号的不同时频尺度特 ...
【技术保护点】
1.一种基于快速多维经验模态分解的脑电信号分类方法,其特征在于,包括以下步骤:(1)采集若干组K个通路的脑电信号,每组脑电信号带有一个分类标签,对采集的信号进行预处理;(2)对预处理后的每组K维信号通过快速多维经验模态分解,得到全部的本征模态函数信号和趋势项;(3)对每个本征模态函数信号的各个层进行频谱分析,选取平均功率谱集中在8~12Hz及18~26Hz频段的信号层,作为新多维信号;(4)将选取的新多维信号通过空间滤波器CSP,提取出脑电信号的特征向量;(5)将特征向量输入到分类器中进行分类,根据分类准确率选取CSP中最优参数,利用最优参数下的脑电特征对不同运动想象任务下的脑电信号进行分类。
【技术特征摘要】
1.一种基于快速多维经验模态分解的脑电信号分类方法,其特征在于,包括以下步骤:(1)采集若干组K个通路的脑电信号,每组脑电信号带有一个分类标签,对采集的信号进行预处理;(2)对预处理后的每组K维信号通过快速多维经验模态分解,得到全部的本征模态函数信号和趋势项;(3)对每个本征模态函数信号的各个层进行频谱分析,选取平均功率谱集中在8~12Hz及18~26Hz频段的信号层,作为新多维信号;(4)将选取的新多维信号通过空间滤波器CSP,提取出脑电信号的特征向量;(5)将特征向量输入到分类器中进行分类,根据分类准确率选取CSP中最优参数,利用最优参数下的脑电特征对不同运动想象任务下的脑电信号进行分类。2.根据权利要求1所述的基于快速多维经验模态分解的脑电信号分类方法,其特征在于,步骤(1)的具体过程为:(1-1)通过脑电采集装置采集若干组K个通路的脑电信号,每组脑电信号带有一个分类标签,共有两类标签;(1-2)将采集到的信号通过巴特沃滋滤波器进行8~30Hz带通滤波,滤波后信号为:x(t)=[x1(t),x2(t),…,xK(t)]∈RN×K其中,N为样本点总数,K为通道数,t=1,2,…,N。3.根据权利要求1所述的基于快速多维经验模态分解的脑电信号分类方法,其特征在于,步骤(2)的具体过程为:(2-1)对于预处理后的第一组K维信号xi(t),i=1,利用低差异序列生成K维空间内均匀分布的方向向量集合K为通道数;(2-2)依次计算K维信号x(t)沿着方向矢量的投影,得到K个投影函数(2-3)使用标准EMD算法提取所有K个投影函数的第一层本征模函数(2-4)结合全部的第一层本征模函数及其对应的方向向量通过求解以下超定方程得到K维的独立方向多维本征模函数idi(t):(2-5)通过从当前输入信号减去独立方向多维本征模函数,得到低频的新序列s(t):s(t)=y(t)-idi(t)(2-6)如果s(t)变为单调,或者少于3个极值,则停止迭代过程并获得趋势项r(t)=s(t),本征模态函数信号层数M=i;否则,将输入更新为下一组K维信号xi(t),i=i+1,然后转回步骤(2-2);(2-7)得到全部的本征模态函数信号...
【专利技术属性】
技术研发人员:谢磊,乔丹,郎恂,郑潜,苏宏业,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。