基于小波变换和稀疏表达的脑电信号分类系统与方法技术方案

本发明专利技术涉及一种基于小波变换和稀疏表达的脑电信号分类系统及方法，该方法的具体步骤包括：在字典学习模块内对运动想象脑电信号的字典学习：将脑机接口系统采集的已知运动想象脑电信号作为学习数据进行特征提取、字典学习和类别直方图计算，得到学习字典及学习数据的类别直方图，并传输至所述类别识别模块。在类别识别模块内对运动想象脑电信号的类别识别：将未知运动想象脑电信号作为分类数据进行特征提取，利用训练模块中的学习字典得到分类数据的稀疏表达，计算分类数据的类别直方图，并根据学习数据的类别直方图与分类数据的类别直方图的对比结果进行分类数据的类别识别分类。所述特征提取包括信号预处理、小波变换和特征向量建立。

The classification system and method of EEG based on wavelet transform and sparse expression

The present invention relates to an expression of wavelet transform and sparse EEG signal classification system and method based on the specific steps of the method include: the dictionary learning module of movement imagery EEG dictionary learning: the known movement of brain computer interface system collected imagery EEG as learning data feature extraction, dictionary learning and category histograms to calculate the learning category, histogram dictionary and learning data, and transmitted to the category identification module. Category recognition imagery EEG of motion in the category identification module: the unknown EEG signals as the classification data for feature extraction, using the training module in learning the dictionary for the sparse classification of expression data, calculate category histograms of categorical data, and classification of data classification according to the comparative category histogram category learning histogram data and classification data results. The feature extraction includes the signal preprocessing, the wavelet transform and the establishment of the feature vector.

【技术实现步骤摘要】
基于小波变换和稀疏表达的脑电信号分类系统与方法
本专利技术属于脑电信号处理的
，尤其涉及一种基于小波变换和稀疏表达的脑电信号分类系统与方法。
技术介绍
目前，脑机接口技术作为一种全新的通信和控制技术，可以为思维正常但有严重运动障碍的患者提供语言交流和环境控制手段。其中，脑机接口被定义为能够使人不依赖周围神经系统和肌肉、而与外界进行通信或控制的设备。脑机接口技术不仅应用于未患者提供语言交流和环境控制，在自动控制、军事认知等科学领域也有潜在的应用价值。鉴于其巨大的应用前景，脑机接口已经引起国际科学界的高度重视，称为脑科学、康复工程、生物医学工程及人机控制领域的一个研究热点。在所有能够被监测到的反映大脑活动的信号中，由于脑电信号(Electroencephalogram，EEG)具有较好的时间分辨率，监测仪器较简单，非入侵等优点，被大部分脑机接口系统所采纳。在所有基于EEG信号的脑机接口系统中，能够被用作控制信号的大脑活动信号有：视觉诱发电位、P300事件相关电位、运动想象、皮层慢电位等几种。其中，针对运动想象信号，基于运动想象的脑机接口的理论基础是：当感觉器官受到一种或多种事件刺激本文档来自技高网...

【技术保护点】
一种基于小波变换和稀疏表达的脑电信号分类系统，该系统包括字典学习模块和类别识别模块；其特征是：所述字典学习模块被配置为将脑机接口系统采集的已知运动想象脑电信号作为学习数据进行特征提取、字典学习和类别直方图计算，得到学习字典及学习数据的类别直方图的模块；所述字典学习模块将得到学习字典及学习数据的类别直方图传输至所述类别识别模块；所述类别识别模块被配置为将脑机接口系统采集的未知运动想象脑电信号作为分类数据进行特征提取，利用所述字典学习模块中的学习字典得到分类数据的稀疏表达，计算分类数据的类别直方图，并根据学习数据的类别直方图与分类数据的类别直方图的对比结果进行分类数据的类别识别分类的模块；所述特征...

【技术特征摘要】
1.一种基于小波变换和稀疏表达的脑电信号分类系统，该系统包括字典学习模块和类别识别模块；其特征是：所述字典学习模块被配置为将脑机接口系统采集的已知运动想象脑电信号作为学习数据进行特征提取、字典学习和类别直方图计算，得到学习字典及学习数据的类别直方图的模块；所述字典学习模块将得到学习字典及学习数据的类别直方图传输至所述类别识别模块；所述类别识别模块被配置为将脑机接口系统采集的未知运动想象脑电信号作为分类数据进行特征提取，利用所述字典学习模块中的学习字典得到分类数据的稀疏表达，计算分类数据的类别直方图，并根据学习数据的类别直方图与分类数据的类别直方图的对比结果进行分类数据的类别识别分类的模块；所述特征提取包括信号预处理、小波变换和特征向量建立。2.如权利要求1所述的一种基于小波变换和稀疏表达的脑电信号分类系统，其特征是：所述字典学习模块包括第一脑电信号存储模块，所述第一脑电信号存储模块将脑机接口系统采集的运动想象脑电信号作为学习数据存储；所述类别识别模块包括第二脑电信号存储模块，所述第二脑电信号存储模块将脑机接口系统采集的运动想象脑电信号作为分类数据存储。3.一种基于小波变换和稀疏表达的脑电信号分类方法，该方法基于一种基于小波变换和稀疏表达的脑电信号分类系统，其特征是：该方法的具体步骤包括：(1)在字典学习模块内对运动想象脑电信号的字典学习：将脑机接口系统采集的已知运动想象脑电信号作为学习数据进行特征提取、字典学习和类别直方图计算，得到学习字典及学习数据的类别直方图，并传输至所述类别识别模块；(2)在类别识别模块内对运动想象脑电信号的类别识别：将脑机接口系统采集的未知运动想象脑电信号作为分类数据进行特征提取，利用训练模块中的学习字典得到分类数据的稀疏表达，计算分类数据的类别直方图，并根据学习数据的类别直方图与分类数据的类别直方图的对比结果进行分类数据的类别识别分类。4.如权利要求3所述的一种基于小波变换和稀疏表达的脑电信号分类方法，其特征是：所述步骤(1)与所述步骤(2)中对学习数据或分类数据进行特征提取的具体包括信号预处理、小波变换和特征向量建立；所述信号预处理的具体步骤为：频域滤波：将脑机接口系统采集的已知运动想象脑电信号作为学习数据进行频域滤波，滤波后的运动想象脑电信号频率范围是0-40Hz；和去基线漂移：将频域滤波后的数据进行去除基线漂移，采用三次样条差值的方法去除基线漂移。5.如权利要求4所述的一种基于小波变换和稀疏表达的脑电信号分类方法，其特征是：所述小波变换的具体步骤为：对信号预处理后的运动想象脑电信号f(t)进行连续小波变换：1其中，Wf(α，τ)为连续小波变换后的运动想象脑电信号，Ψ(t)为小波函数，α为尺度因子，且α>1，τ为平移因子；...

【专利技术属性】
技术研发人员：高诺，王涛，鲁守银，翟文文，吴林彦，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：山东,37