【技术实现步骤摘要】
本专利技术属于模式识别和脑-机接口(Brain-ComputerInterface,BCI)领域,涉及一种应用分层超限学习机对脑-机接口系统装置中运动想象脑电信号进行分类的方法。
技术介绍
当今社会,人口老龄会问题凸显,随着科技的不断进步,人工智能在医疗方面的研究不断深入,尤其脑-机接口技术的应用和发展对疾病的诊断治疗以及康复有着深远意义。脑-机接口技术为人脑和外部设备搭建起了沟通的桥梁,在获取人脑信息的同时允许人脑支配控制外部设备。运动想象脑电信号在脑-机接口领域应用较为广泛,通过分析人脑进行想象活动时的脑电信号,识别大脑状态,进而达到控制外部设备的目的,该技术能够给神经损伤的病人提供很大的帮助。脑-机接口技术可分为五个部分,分别是:信号提取、信号预处理、特征提取、特征分类以及接口控制。脑电信号分类识别是其中的关键技术之一,主要包括特征提取和特征分类。脑电信号因其高维度、随机性、不平稳性等复杂特性,给分类识别提出很大挑战,因此寻找有效的特征提取和分类方法是提高脑电信号识别准确率的关键。同时,脑-机接口的实际应用对设备响应的时效性提出了要求。因此,分类准确率和时间消耗都是评价脑电信号分类识别系统的重要指标。Huang提出的基于单隐层前馈神经网络(Single-hiddenLayerFeedforwardNeuralNetwork,SLFN)的超限学习机(ExtremeLearningMachine,ELM)方法,其训练速度与BP神经网络以及支持向量机(SVM)相比有明显提升。在此基础上,引入基于ELM的稀疏自编码进行多层次的特征提取,并通过ELM对最后的 ...
【技术保护点】
一种基于分层超限学习机的运动想象脑电信号分类方法,其特征在于:首先,对每一样本的原始信号进行加窗分段,得到S段子信号;然后,分别对该S段子信号进行主成分分析和线性判别分析,并将最终的S个K‑1维特征向量进行组合,得到S*(K‑1)维的特征;最后,将所有样本的特征送入分层超限学习机分类器中,得到最后的分类结果;基于分层超限学习机的运动想象脑电信号分类方法,包括以下步骤:步骤一,采用固定的滑动时间窗将原始运动想象脑电信号分为S段子信号;S的取值取决于滑动时间窗的长度与原始脑电信号的长度;步骤二,对步骤一所得到的每一段子信号通过主成分分析方法进行降维,降低信号中冗余信息,即用主成分表示特征相近的信号,最终得到降维后的特征向量;步骤三,将步骤二中得到的特征向量通过线性判别分析方法进行二次降维,对于K个类别的脑电数据,得到K‑1维的特征向量;对于二分类问题,得到的是一个一维的特征向量;步骤四,对每个子信号均按步骤二和步骤三进行处理,对于S段子信号,所以最终会得到S个K‑1维的特征向量,将S个K‑1维的特征向量进行组合,得到最终为S*(K‑1)维的特征;步骤五,将步骤四所得到的S*(K‑1)维特征 ...
【技术特征摘要】
1.一种基于分层超限学习机的运动想象脑电信号分类方法,其特征在于:首先,对每一样本的原始信号进行加窗分段,得到S段子信号;然后,分别对该S段子信号进行主成分分析和线性判别分析,并将最终的S个K-1维特征向量进行组合,得到S*(K-1)维的特征;最后,将所有样本的特征送入分层超限学习机分类器中,得到最后的分类结果;基于分层超限学习机的运动想象脑电信号分类方法,包括以下步骤:步骤一,采用固定的滑动时间窗将原始运动想象脑电信号分为S段子信号;S的取值取决于滑动时间窗的长度与原始脑电信号的长度;步骤二,对步骤一所得到的每一段子信号通过主成分分析方法进行降维,降低信号中冗余信息,即用主成分表示特征相近的信号,最终得到降维后的特征向量;步骤三,将步骤二中得到的特征向量通过线性判别分析方法进行二次降维,对于K个类别的脑电数据,得到K-1维的特征向量;对于二分类问题,得到的是一个一维的特征向量;步骤四,对每个子信号均按步骤二和步骤三进行处理,对于S段子信号,所以最终会得到S个K-1维的特征向量,将S个K-1维的特征向量进行组合,得到最终为S*(K-1)维的特征;步骤五,将步骤四所得到的S*(K-1)维特征送入HELM分类器,得到最终分类结果。2.根据权利要求1所述的一种基于分层超限学习机的运动想象脑电信号分类方法,其特征在于:假设有训练数据集TrainData和一组测试数据集TestData,TrainData的样本量为N,维度为D;TestData的样本量为M,维度同样为D;其中TrainData与TestData中样本属于K个类别的;基于分层超限学习机的运动想象脑电信号分类方法,步骤一,通过固定时间窗划分的方式把TrainData和TestData均分成S段脑电子信号;TrainDatai代表训练数据集中第i段子信号,每...
【专利技术属性】
技术研发人员:段立娟,鲍梦湖,崔嵩,乔元华,杨震,刘莉莉,李婉驰,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:北京;11
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。