一种降低特征维度的修正CSP方法技术

技术编号:21454645 阅读:38 留言:0更新日期:2019-06-26 05:00
本发明专利技术公开了一种降低特征维度的修正CSP方法,对脑电信号进行预处理;计算每一个信号的标准化协方差,得到复合协方差;求复合协方差的白化矩阵,使C所有特征值为1;计算投影矩阵;计算信号矩阵在投影矩阵中的投影矩阵Z;用两类样本集的特征数据训练支持向量机,并对样本集重新分类;去掉样本集中分类错误的样本,对分类正确的样本求协方差矩阵的均值,得到修正项;加入修正项,根据每个样本修正后的协方差矩阵重新计算投影矩阵Z;降低数据特征值的维度并训练支持向量机。本发明专利技术提高了运动想象脑电信号的分类正确率,并且提出了一种降维方法,减少了脑电信号特征数据维度,提高了分类算法的运算效率。

【技术实现步骤摘要】
一种降低特征维度的修正CSP方法
本专利技术属于脑机接口中的特征提取
,具体涉及一种降低特征维度的修正CSP方法。
技术介绍
在过去的几十年里,为了给脑-机接口(Brain-computerInterfaces,BCI)应用提供一种通过分析脑电图信号的通信路径,人们对大脑活动中涉及的复杂过程进行了深入的研究。脑-机接口是一种硬件和软件通信系统,通过使用大脑活动产生的脑电图作为控制信号,使人类能够在不涉及周围神经和肌肉的情况下与周围环境进行交互。BCI创建了一个新的非肌肉通道,用于将人的意图传递到外部设备,如计算机、语音合成器和神经假肢。研究表明,神经系统的电活动会因为人体执行动作产生相应改变,事实上,在动作执行之前或者说大脑产生动作意识之后,脑电信号已经开始有了改变。BCI的基本工作原理就是使用一定的方法将脑电信号的改变检测出来,并将其作为特征信号进行分类识别,识别出脑电信号所代表的含义,把人的思维活动转变成命令驱动外部设备,以此来实现在没有肌肉和外围神经直接参与的情况下,人脑对外部环境的控制。BCI是一种可以识别大脑信号中种类的人工智能系统,该系统包括五个阶段:信号采集、预处理或信号增强、特征提取、分类和控制界面。信号采集阶段通过电极采集脑电信号,主要包括降噪和去除伪影的处理;预处理部分将脑电信号以适当的形式准备好,以便进一步的处理;特征提取是识别脑电信号的特征信息,被测量的脑电信号被映射到一个或多个向量上,这些向量包含了脑电信号的有效的、区别较大的特征,将映射的数值整理成特征数组作为分类特征;使用分类算法根据特征数组对当前脑电信号进行分类;对于不同种类的脑电信号对应不同的控制命令在控制界面显示。在特征提取阶段,包括基于小波分析(Wavelet)的特征提取、公共空间模式算法(CommonSpatialPattern,CSP)及其改进算法等。其中CSP是目前使用最为广泛,且特征分类效果最好的特征提取算法。但是,CSP算法运算过程中依赖于协方差矩阵的均值,导致算法对噪声和错误样本极其敏感,而且容易过拟合。因而改进CSP算法成为众多研究者关心的问题。为解决这一问题,提出在协方差矩阵的均值计算过程中加入修正项,以降低误差样本对协方差矩阵的均值的影响。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足,提供一种降低特征维度的修正CSP方法,提高特征数据的分类正确率,并减少脑电信号特征数据维度,提高分类算法的运算效率。与已有的改进算法比较,该算法提取的特征数据分类正确率更高,分类器分类速度更快。本专利技术采用以下技术方案:一种降低特征维度的修正CSP方法,对脑电信号进行预处理;计算每一个信号的标准化协方差,得到复合协方差;求复合协方差的白化矩阵,使所有特征值为1;计算投影矩阵;计算信号矩阵在投影矩阵中的投影Z;用两类样本集的特征数据训练支持向量机,并对样本集重新分类;去掉样本集中分类错误的样本,对分类正确的样本求协方差矩阵的均值,得到修正项;加入修正项,根据每个样本修正后的协方差矩阵重新计算投影Z;降低数据特征值的维度并训练支持向量机。具体的,每个样本修正后的协方差矩阵计算如下:其中,Ci是第i类信号的标准化协方差矩阵,si是常数缩放比例参数,β和γ是自定义的调整参数,β,γ∈[0,1],Ri是修正项,i∈{1,2},I为单位矩阵。具体的,降低数据特征值的维度具体为:计算投影空间时,数据特征值与采样通道数均为N,设前n个特征值所代表的投影方向对于两类信号区分度最大,则后面n个特征值所代表的投影方向对于两类信号区分度最大;取前n个和后n个特征数据值作为分类特征,去掉中间的N-2n项。具体的,对脑电信号进行预处理具体为:用5阶巴特沃兹滤波器带通滤波对脑电信号进行处理,保留频域中5~30Hz的信号。具体的,每一个信号的标准化协方差计算如下:其中,Xi为第i类的脑电信号样本,i∈{1,2},是N×T的矩阵,N为脑电信号采集通道数,T为脑电信号时域采样个数,矩阵Ci信号样本的标准化协方差,维数为N×N,对两类别信号分别求出协方差均值得到复合协方差具体的,复合协方差的白化矩阵P计算如下:其中,U为复合协方差的特征向量矩阵,λ为复合协方差的特征值矩阵,的所有特征值为1。进一步的,复合协方差的所有特征值为1,具体计算如下:。具体的,计算投影矩阵具体为:令则B为S的特征向量矩阵,I为单位矩阵,λ1和λ2分别是和与特征向量矩阵B相对应的特征值矩阵,对λ1从大到小排列,对应的特征向量也重新排列,λ2从小到大排列。进一步的,重新排列过的特征向量矩阵B计算投影矩阵W如下:W=BTP其中,P为白化矩阵。具体的,信号矩阵在投影矩阵W中的投影Z计算如下:Z=WX计算投影Z中每一行的方差,组成向量V,作为分类特征数据。与现有技术相比,本专利技术至少具有以下有益效果:本专利技术一种降低特征维度的修正CSP改进算法,利用去除掉分类错误的样本信号,给出一个修正项,通过在投影空间计算过程中引入新的修正项,降低了噪声和错误样本对投影空间的影响,重新计算投影空间,用改进的CSP算法提取的特征进行分类,提取的特征数据大大提高了分类正确率,在训练支持向量机分类器前,对特征数据降维,降低了分类器复杂度,提高了分类器算法运行效率。进一步的,去除第一次分类错误的样本,剩下的样本分类正确说明这些样本的特征可分性好,用这些样本计算出两个协方差矩阵的均值,作为计算两类信号的标准化协方差的修正项,提高分类正确的样本在标准化协方差中的权重,使投影空间的计算更加正确合理。进一步的,在保证一定分类正确率的前提下,降低特征数据维度,可以使分类器复杂度降低,提高运算效率。进一步的,先对脑电信号进行了5~30Hz的带通滤波处理,去除了大部分采集过程中的干扰噪声,巴特沃兹滤波器通带内较为平坦,可以最大程度的保留信号的信息。综上所述,本专利技术提出了一种新的修正项的设计方法,改进后的CSP算法大大提高了运动想象脑电信号的分类正确率,并且提出了一种降维方法,减少了脑电信号特征数据维度,提高了分类算法的运算效率。下面通过附图和实施例,对本专利技术的技术方案做进一步的详细描述。附图说明图1为本专利技术中的降低特征维度的修正CSP改进算法流程图;图2为分类正确率与特征数据维度的关系。具体实施方式请参阅图1,本专利技术一种降低特征维度的修正CSP方法,包括以下步骤:S1、预处理阶段;脑电信号中与运动想象相关的频率在5~30Hz,所以首先对脑电信号用5阶巴特沃兹滤波器带通滤波,只留下频域中5~30Hz的信号;S2、计算每一个信号的标准化协方差;其中,Xi为第i类的脑电信号样本,i∈{1,2},是N×T的矩阵,N为脑电信号采集通道数,T为脑电信号时域采样个数,矩阵Ci信号样本的标准化协方差,维数为N×N,对两类别信号分别求出协方差均值得到复合协方差S3、求复合协方差的白化矩阵,使所有特征值为1;U为复合协方差的特征向量矩阵,λ为复合协方差的特征值矩阵,则白化矩阵P:此时:的所有特征值为1。S4、求投影矩阵;令则B为S的特征向量矩阵,I为单位矩阵,λ1和λ2分别是和与特征向量矩阵B相对应的特征值矩阵,对λ1从大到小排列,对应的特征向量也重新排列,由于λ1+λ2=I,此时λ2从小到大排列。此时特征值区分度本文档来自技高网
...

【技术保护点】
1.一种降低特征维度的修正CSP方法,其特征在于,对脑电信号进行预处理;计算每一个信号的标准化协方差,得到复合协方差;求复合协方差的白化矩阵,使C所有特征值为1;计算投影矩阵;计算信号矩阵在投影矩阵中的投影Z;用两类样本集的特征数据训练支持向量机,并对样本集重新分类;去掉样本集中分类错误的样本,对分类正确的样本求协方差矩阵的均值,得到修正项;加入修正项,根据每个样本修正后的协方差矩阵重新计算投影Z;降低数据特征值的维度并训练支持向量机。

【技术特征摘要】
1.一种降低特征维度的修正CSP方法,其特征在于,对脑电信号进行预处理;计算每一个信号的标准化协方差,得到复合协方差;求复合协方差的白化矩阵,使C所有特征值为1;计算投影矩阵;计算信号矩阵在投影矩阵中的投影Z;用两类样本集的特征数据训练支持向量机,并对样本集重新分类;去掉样本集中分类错误的样本,对分类正确的样本求协方差矩阵的均值,得到修正项;加入修正项,根据每个样本修正后的协方差矩阵重新计算投影Z;降低数据特征值的维度并训练支持向量机。2.根据权利要求1所述的降低特征维度的修正CSP方法,其特征在于,每个样本修正后的协方差矩阵计算如下:其中,Ci是第i类信号的标准化协方差矩阵,si是常数缩放比例参数,β和γ是自定义的调整参数,β,γ∈[0,1],Ri是修正项,i∈{1,2},I为单位矩阵。3.根据权利要求1所述的降低特征维度的修正CSP方法,其特征在于,降低数据特征值的维度具体为:计算投影空间时,数据特征值与采样通道数均为N,设前n个特征值所代表的投影方向对于两类信号区分度最大,则后面n个特征值所代表的投影方向对于两类信号区分度最大;取前n个和后n个特征数据值作为分类特征,去掉中间的N-2n项。4.根据权利要求1所述的降低特征维度的修正CSP方法,其特征在于,对脑电信号进行预处理具体为:用5阶巴特沃兹滤波器带通滤波对脑电信号进行处理,保留频域中5~30Hz的信号...

【专利技术属性】
技术研发人员:王霞孙红帅
申请(专利权)人:西安交通大学
类型:发明
国别省市:陕西,61

网友询问留言 已有0条评论
  • 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。

1