The invention discloses a feature extraction method for the EEG signal of a small channel brain machine interface, in particular to the signal processing method used in the brain machine interface, which belongs to the technical field of cognitive neuroscience and information processing. Through multivariable empirical mode decomposition based on the sin wave auxiliary signal, the invention expands the small channel EEG signal to the multi channel, and maps the multichannel synthetic signal on the multi-dimensional sphere to obtain the instantaneous moment of the projection limit value and its corresponding channel signal, and determines the multipass by the projection limit and its corresponding channel signal. The local mean value of the signal is synthesized, and the difference between the multichannel synthetic signal and its local mean is an inherent modal function, and many inherent modal functions are obtained through iterative computation. The multivariable empirical mode decomposition based on the sin wave auxiliary signal proposed by the invention effectively overcomes the shortcomings of the modal aliasing of the traditional multivariable empirical mode decomposition, and can improve the classification accuracy of the brain machine interface system.
【技术实现步骤摘要】
少通道脑机接口EEG信号的特征提取方法
本专利技术公开了少通道脑机接口EEG信号的特征提取方法,尤其涉及脑机接口的信号处理方法,属于认知神经科学和信号处理相交叉的
技术介绍
脑机接口(Brain-ComputerInterface,BCI)是大脑与外部环境之间建立的一种信息交互和控制通道,人们利用这种通道可以不需要通过语言或肢体动作就能够进行大脑控制意识的表达,从而实现了对外部设备的操控。BCI系统的关键是将大脑控制意识进行精确的分类以区分不同的控制操作,对于脑信号进行有效的特征提取和分类是有关BCI系统性能指标的关键技术。考虑到设备成本和便携性,目前的BCI的信号来源主要使用脑电图(Electroencephalography,EEG)信号,其中,少通道EEG信号是BCI系统商品化和实用化的基本要求。EEG通道数的减少使得可供BCI系统进行特征提取和分类的信息量减少,需要采用信号处理的方法对少通道EEG信号进行信息扩容和发掘。同时,由于BCI的EEG信号具有非线性非平稳的特性,需要选用针对非线性非平稳特性的信号处理方法对EEG进行信号处理。多变量经验模态分解(MultivariateEmpiricalModeDecomposition,MEMD)是一种新型的自适应信号时频处理方法,特别适用于非线性非平稳信号的分析处理。MEMD将信号分解为有限个固有模态函数(IntrinsicModeFunction,IMF),各个IMF分量包含了原始信号的不同时间尺度的局部特征,但是传统的MEMD存在较为严重的模态混叠,这使得传统MEMD在实际使用中的效果受到 ...
【技术保护点】
少通道脑机接口EEG信号的特征提取方法,其特征在于,包括如下步骤:A、针对运动想象的BCI指令采集少通道脑机接口各通道的EEG信号,B、构建单通道sin波辅助信号并对单通道sin波辅助信号和各通道EEG信号组成的多通道合成信号进行多变量经验模式分解得到单通道sin波辅助信号对应的固有模态函数和各通道EEG信号对应的固有模态函数,C、采用共空间模式对各通道EEG信号对应的固有模态函数进行特征提取。
【技术特征摘要】
1.少通道脑机接口EEG信号的特征提取方法,其特征在于,包括如下步骤:A、针对运动想象的BCI指令采集少通道脑机接口各通道的EEG信号,B、构建单通道sin波辅助信号并对单通道sin波辅助信号和各通道EEG信号组成的多通道合成信号进行多变量经验模式分解得到单通道sin波辅助信号对应的固有模态函数和各通道EEG信号对应的固有模态函数,C、采用共空间模式对各通道EEG信号对应的固有模态函数进行特征提取。2.根据权利要求1所述少通道脑机接口EEG信号的特征提取方法,其特征在于,步骤B的具体方法为:根据各通道EEG信号频谱分布的局部最大值及其对应的频率确定sin波的个数及频率,构建幅值大于各通道EEG信号平均幅值的单通道sin波辅助信号,将单通道sin波辅助信号和各通道EEG信号组成的多通道合成信号表示为多维向量组序列,将多维向量组序列按照方向向量组映射到多维球面上,对各通道信号在多维球面上映射信号的极限值对应的瞬时时刻以及该瞬时时刻对应的信号所构成的坐标组进行插值得到对应于方向向量个数的多元包络,由所述多元包络的均值获得多通道合成信号的局域均值,获取多通道合成信号与其局域均值的差值,判断该差值...
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。