一种脑电信号的识别方法技术
【技术实现步骤摘要】
一种脑电信号的识别方法
本专利技术属于脑电信号识别领域，涉及一种脑电信号的识别方法，尤其涉及一种基于免疫算法的集成支持向量机的脑电信号的识别方法。
技术介绍
脑-机接口(Brain-ComputerInterface，BCI)技术形成于20世纪70年代，是一种涉及神经科学、信号检测、信号处理、模式识别等多领域的交叉技术。20多年来，随着人们对神经系统功能认识的提高和计算机技术的发展，BCI技术的研究呈明显的上升趋势，特别是1999年和2002年两次BCI国际会议的召开为BCI技术的发展指明了方向。目前，BCI技术已引起国际上众多学科科技工作者的普遍关注，成为生物医学工程、计算机技术、通信等多领域的一个新的研究热点。BCI是一种连接大脑和外部设备的实时通信系统，BCI系统可以把大脑发出的信息直接转换成能够驱动外部设备的命令，并代替人的肢体或语言器官，实现人与外界的交流以及对外部环境的控制，换言之，BCI系统可以代替正常外围神经和肌肉组织，实现人与计算机之间或人与外部环境之间的通信。BCI技术的核心是把用户输入的脑电信号转换成输出控制信号或命令的转换算法，BCI研究工...
【技术保护点】
一种脑电信号的识别方法，其特征是：首先进行字符实验提取包含P300信号的脑电信号作为训练集，然后利用bagging算法集成多个混合核的支持向量机作为学习器并采用训练集基于免疫算法自适应调整学习器的参数得到最佳参数，最后将脑电信号输入到参数为最佳参数的学习器中，学习器对脑电信号中的P300信号进行识别；所述最佳参数是使得学习器能够准确识别P300信号的参数，所述准确识别是指12次以上重复试验的准确率为96～98％。
【技术特征摘要】
1.一种脑电信号的识别方法，其特征是：首先进行字符实验提取包含P300信号的脑电信号作为训练集，然后利用bagging算法集成多个混合核的支持向量机作为学习器并采用训练集基于免疫算法自适应调整学习器的参数得到最佳参数，最后将脑电信号输入到参数为最佳参数的学习器中，学习器对脑电信号中的P300信号进行识别；所述最佳参数是使得学习器能够准确识别P300信号的参数，所述准确识别是指12次以上重复试验的准确率为96～98％。2.根据权利要求1所述的一种脑电信号的识别方法，其特征在于，所述多个混合核的支持向量机为17个混合核的支持向量机。3.根据权利要求2所述的一种脑电信号的识别方法，其特征在于，所述混合核为高斯核与多项式核的组合，组合方式为：α*poly·+·(1-α)*Gaussian；其中，poly为多项式核，Gaussian为高斯核，α的取值为0.1～0.9。4.根据权利要求1所述的一种脑电信号的识别方法，其特征在于，所述字符实验提取出的脑电信号由6×6P300字符拼写器的行或列闪烁产生，当选定的字符所在的行或列闪烁时产生P300信号。5.根据权利要求4所述的一种脑电信号的识别方法，其特征在于，所述训练集的采集步骤如下：(1)在6×6P300字符拼写器上选定一个字符，然后字符拼写器逐行或逐列随机地闪烁产生脑电信号，所有行和所有列闪烁一遍为一次实验，每个字符连续进行15次重复实验形成一个实验组，一个实验组提取12×15个脑电信号；(2)对每个实验组提取出来的脑电信号进行采样得到7794个点作为样本特征，以85个实验组提取出的85×7794个样本特征作为训练集。6.根据权利要求5所述的一种脑电信号的识别方法，其特征在于，采用训练集自适应调整学习器的参数时，首先采用自主采样法对训练集中的85组样本特征进行采样分组，每5组样本特征为一个采样集，分成17个采样集，然后使用17个采样集训练学习器得到学习器的最佳参数，所述最佳参数包括误差惩罚参数、高斯核函数参数和多项式核参数。7.根据权利要求6所述的一种脑电信号的识别方法，其特征在于，所述使用17个采样集训练学习器得到学习器的最佳参数的具体步骤如下：(1)确定免疫算法的抗原与抗体，将采样集视为抗原，将学习器的参数误差惩罚参数V1、高斯核函数参数V2和多项式核参数V3的组合...
【专利技术属性】
技术研发人员：任立红，李嘉伟，丁永生，郝矿荣，陈磊，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31
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。