The invention relates to a phase feature extraction method of multi time multiple time multi scale phase locked value (MMMPLV). First, it preprocesses the motion imaginary EEG signal, and uses noise assisted multiple empirical mode decomposition (NAMEMD) to decompose the multi guide EEG at the same time, and obtains the multi-element multi-scale intrinsic modal function (IMFs), and then according to the method, the multi scale multi-scale intrinsic mode function (IMFs) is obtained. The frequency range of each scale IMF is selected as the effective IMF component; then the phase locked value (PLV) of the same scale IMFs of any two lead is calculated in time interval, and the PLV of any two leads of each scale is connected in series, and the multi time multi time multi scale phase locked value feature is formed, and the phase feature of the EEG signal is taken as the phase feature, and the phase feature is input to the component. Classifier is used to classify, and the optimal values of parameters in NAMEMD and MMPLV are selected according to the classification accuracy, and the phase characteristics of EEG under the optimal parameters are obtained. The invention improves the classification accuracy of the motor imagery EEG.
【技术实现步骤摘要】
一种多时段多元多尺度锁相值的相位特征提取方法
本专利技术属于脑电信号处理
,尤其涉及一种多时段多元多尺度锁相值的相位特征提取方法,具体涉及脑-机接口(Brain-ComputerInterface,BCI)系统中对运动想象脑电信号特征的提取方法,采用基于噪声辅助多元经验模态分解(Noise-AssistedMultivariateEmpiricalModeDecomposition,NAMEMD)的多时段多元多尺度锁相值(Multi-periodMultivariateMulti-scalePhaseLockingValue,MMMPLV)方法对运动想象脑电信号进行相位特征提取。
技术介绍
人们想象肢体运动时会激活与实际运动相似的脑区并产生运动想象皮层脑电信号(MotorImageryElectrocorticography,MI-ECoG)。根据皮层可塑性理论,运动想象可以促进受损伤的运动传导通路修复或重建,所以在脑机接口领域,研究人员试图通过识别不同的运动想象任务实现大脑与外界设备的通讯,来帮助运动功能障碍患者与外界进行沟通和交流。因此,如何准确提取MI-ECoG的特征在医疗、康复以及BCI领域尤为重要。人脑是一个具有复杂结构和功能的生物系统,不同的高级脑功能需要多个不同区域神经系统之间进行不同层次的整合和协调来完成,而各神经网络的同步振荡是大脑信息整合和信息处理的主要潜在机制。所以,脑电信号的同步化是研究不同脑区间信息交流的关键部分。针对MI-ECoG信号的非线性以及非平稳性,由于相位同步(PhaseSynchronization,PS)法不受 ...
【技术保护点】
1.一种多时段多元多尺度锁相值的相位特征提取方法,其特征在于,包括以下步骤:步骤1、对MI‑ECoG脑电信号进行预处理;步骤2、对步骤1得到的多导脑电信号同时进行NAMEMD分解,得到多元多尺度IMFs分量;步骤3、接着选取符合MI‑ECoG频率范围的IMFs分量,采用MMMPLV方法提取脑电信号的相位特征,使用支持向量机(Support Vector Machine,SVM)对相位特征进行分类,根据分类正确率对NAMEMD和MMMPLV中的参数进行优化,最终提取出最优参数下的脑电相位特征。
【技术特征摘要】
1.一种多时段多元多尺度锁相值的相位特征提取方法,其特征在于,包括以下步骤:步骤1、对MI-ECoG脑电信号进行预处理;步骤2、对步骤1得到的多导脑电信号同时进行NAMEMD分解,得到多元多尺度IMFs分量;步骤3、接着选取符合MI-ECoG频率范围的IMFs分量,采用MMMPLV方法提取脑电信号的相位特征,使用支持向量机(SupportVectorMachine,SVM)对相位特征进行分类,根据分类正确率对NAMEMD和MMMPLV中的参数进行优化,最终提取出最优参数下的脑电相位特征。2.如权利要求1所述的多时段多元多尺度锁相值的相位特征提取方法,其特征在于,步骤1具体为:对信号进行8-30Hz带通滤波,得到信号X(t)=[X1(t),X2(t),Λ,XN(t)]T∈RN×K,其中N和K分别表示导联数和采样点数。3.如权利要求2所述的多时段多元多尺度锁相值的相位特征提取方法,其特征在于,步骤2具体为:步骤2.1,将N导脑电信号和M导不相关的并且和原信号等长的高斯白噪声信号组合,构成复合信号X1(t)=[X1(t),X2(t),...,XN+M(t)]T∈R(N+M)×K,其中,噪声幅值为Am;步骤2.2,对(N+M)元信号X1(t)进行多元经验模态分解,参数方向向量的个数为d,信号X1(t)被分解成一系列分量和余量r(t)的加和形式,即:其中,cj(t)为(N+M)元信号的(N+M)元IMFs分量r(t)表示(N+M)个余量q表示(N+M)元IMFs分量的层数,各层IMF包含了原信号不同频率尺度特征的信息;步骤2.3,从(N+M)元IMFs中删除M导噪声通道对应的IMFs分量,保留步骤...
【专利技术属性】
技术研发人员:李明爱,南琳,杨金福,
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。