The invention discloses a phase-locked value weighted spatial filtering method and device based on Lp_norm. Considering the phase synchronization information of cerebral cortical neurons at each time sampling point, the intrinsic manifold is characterized by phase-locked value, and the objective function is constructed based on Lp_norm, so as to extract fine discriminant information, provide a useful classification method for brain-computer interface system, and seek a discriminant. The characteristics of other forces are then used to classify EEG signals. The method has the function of resisting the influence of outliers on classification performance, and the proposed method has better classification performance, robustness and stability than the traditional method.
【技术实现步骤摘要】
一种基于Lp-范数的锁相值加权空间滤波方法及装置
本专利技术涉及基于Lp-范数的鲁棒性建模、以及基于运动想象脑机接口系统中脑电信号的特征提取和分类领域,具体来说,涉及基于Lp-范数的局部时间锁相值加权共同空间模式方法、最优空间滤波器求解的迭代算法、以及其脑电信号分类方法,具体涉及一种基于Lp-范数的锁相值加权空间滤波方法及装置。
技术介绍
由于机器学习和模式识别领域中常见算法的目标函数都是基于L2-范数表达形式,但是就统计学建模的角度而言,L2-范数的运用会放大具有较大偏差的异常值的影响,即对异常值的敏感。而从传感器采集到的数据往往不可避免地会受到异常值和噪声的污染,因此鲁棒性建模引起了研究者广泛的关注。而近年来,基于Lp-范数的鲁棒性建模技术得到越来越多的关注和研究,例如文献《GeneralizationofLinearDiscriminantAnalysisUsingLp-Norm》中提到的基于Lp-范数的广义线性判别分析、文献《Generalized2-DPrincipalComponentAnalysisbyLp-NormforImageAnalysis》中提到的基于Lp-范数的广义二维主成分分析。共同空间模式(CommonSpatialPatterns,CSP)为一种有效的脑电特征提取算法,其目标函数是基于L2-范数表达形式,在Lp-范数上的泛化推广的研究比较贫乏。近年来,文献《GeneralizationofLocalTemporalCorrelationCommonSpatialPatternsUsingLp-Norm(0<p<2 ...
【技术保护点】
1.一种基于Lp‑范数的锁相值加权空间滤波方法,其特征在于,所述方法包括以下步骤:步骤1,利用锁相值定义不同采样时间点上脑电信号间的关联;步骤2,在脑电信号间的关联定义局部时间内不同采样时间点上脑电信号间的权重值;步骤3,利用所定义的权重值取代常规的权重值获取新的目标函数并将脑电数据转换为加权数据矩阵;步骤4,以目标函数将加权数据矩阵进行最优空间滤波向量的迭代得到迭代后的脑电数据;步骤5,将迭代后的脑电数据进行单试次脑电信号分类。
【技术特征摘要】
1.一种基于Lp-范数的锁相值加权空间滤波方法,其特征在于,所述方法包括以下步骤:步骤1,利用锁相值定义不同采样时间点上脑电信号间的关联;步骤2,在脑电信号间的关联定义局部时间内不同采样时间点上脑电信号间的权重值;步骤3,利用所定义的权重值取代常规的权重值获取新的目标函数并将脑电数据转换为加权数据矩阵;步骤4,以目标函数将加权数据矩阵进行最优空间滤波向量的迭代得到迭代后的脑电数据;步骤5,将迭代后的脑电数据进行单试次脑电信号分类。2.根据权利要求1所述的一种基于Lp-范数的锁相值加权空间滤波方法,其特征在于,在步骤1中,利用锁相值定义不同采样时间点上脑电信号间的关联的方法为,设为一类运动想象任务中脑电信号,和为第i个试次中两个采样时间点l和m上的多变量序列,其中,l=1,...,N,m=1,...,N,i=1,...,tx,C表示通道数,表示在C通道的多变量序列集合,N表示单试次样本数,tx表示此类运动想象任务的试次数;通过希尔伯特变换得到第n个通道上的瞬时相位为则xl(i)与xm(i)在第n个通道上的瞬时相位差为计算多变量序列xl(i)与xm(i)之间的锁相值PLVlm(i):3.根据权利要求1所述的一种基于Lp-范数的锁相值加权空间滤波方法,其特征在于,在步骤2中,在脑电信号间的关联定义局部时间内不同采样时间点上脑电信号间的权重值的方法为,基于不同采样时间点上两个变量序列之间的锁相值,定义权重值其中τ为局部时间范围;由定义可知权重值的取值区间为0到1,且由权重值构成的权值矩阵Wx(i)是一个对称的半正定矩阵。4.根据权利要求1所述的一种基于Lp-范数的锁相值加权空间滤波方法,其特征在于,在步骤3中,利用所定义的权重值取代常规的权重值获取新的目标函数并将脑电数据转换为加权数据矩阵的方法为,设Y(j)∈RC×N(j=1,…,ty)为另一类运动想象任务中单试次脑电信号,yl(j)∈RC(l=1,…,N)和ym(j)∈RC(m=1,…,N)为两个采样时间点上的多变量序列,其中ty表示此类运动想象任务的试次数;以W为权值,基于Lp-范数定义目标函数:其中||·||p表示Lp-范数运算符,p取值在0到2之间,xlm(i)=xl(i)-xm(i),Xw表示形成的加权数据矩阵,其列向量由组成,且当|l-m|≥τ和l=m时,删除向量;另一类脑电数据的数学符号含义同样定义。5.根据权利要求1所述的一种基于Lp-范数的锁相值加权空间滤波方法,其特征在于,在步骤4中,以目标函数将加权数据矩阵进行最优空间滤波向量的迭代得到迭代后的脑电数据的方法,包括以下步骤:步骤4.1,对于两类脑电信号数据{X(1),…,X(tx)}和{Y(1),…,Y(tx)},设...
【专利技术属性】
技术研发人员:王海贤,方娜,张友红,于辉,
申请(专利权)人:佛山科学技术学院,
类型:发明
国别省市:广东,44
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。