An encoding and decoding method of EEG based on Volterra proxy model is proposed. It consists of pre-processing chaotic EEG signals, constructing prediction model with Volterra model, determining prediction model of chaotic EEG signals, predicting EEG signals and coding and decoding steps. The Volterra prediction model of chaotic electroencephalogram (EEG) signals is established by using teaching and learning optimization method, and the prediction data of EEG signals are obtained, and the encoding and decoding of chaotic EEG signals are completed. The invention has the chaotic characteristic of EEG signal, realizes fast and accurate encoding and decoding of chaotic EEG signal, and can be used for encoding and decoding of chaotic EEG signal.
【技术实现步骤摘要】
基于代理模型Volterra建模的脑电信号编码解码方法
本专利技术属于计算及应用
,具体涉及混沌时间序列预测模型。
技术介绍
近年来随着脑电信号处理技术的快速发展,脑电信号采集系统已经广泛应用于虚拟现实技术BCI系统、生物反馈治疗仪等领域的研究。脑电采集系统通常需要记录大量脑电信号数据,对脑电信号的编码和解码方法的研究已经变得越来越重要。研究表明,脑电信号时间序列表现为非线性且存在混沌。利用混沌特性构建脑电信号的预测模型被认为是一种可行的方法。
技术实现思路
本专利技术所要解决的技术问题在于克服上述现有技术的缺点,提供一种步骤简单、容易实现、速度快的基于代理模型Volterra建模的脑电信号编码解码方法。解决上述技术问题所采用的技术方案是由以下步骤组成:(1)对输入的混沌脑电信号进行预处理对输入的混沌脑电信号样本采用0.53-40Hz带通滤波器进行去噪处理,得到去噪后的帧,选择连续的帧作为分析帧。(2)用Volterra建模方法构建预测模型将步骤(1)的分析帧,按式(2)建立混沌脑电信号预测模型:式中u(n-iτ)为输入的分析帧信号,m是混沌时间序列预测模型的记忆长度为有限的正整数,h1(i)和h2(i,j)为模型的核,u(n-iτ)为对应分析帧的第n-iτ个样本,n-iτ为步骤(1)中分析帧的样本序号,u(n-jτ)为对应的分析帧的第n-jτ个样本,n-jτ为步骤(1)中分析帧的样本序号,τ是延迟时间为有限的正整数,j、n为有限的正整数。(3)确定混沌脑电信号预测模型并预测脑电信号将步骤(1)中分析帧的混沌脑电信号用教与学优化方法确定混沌脑电信号所对应 ...
【技术保护点】
1.一种基于代理模型Volterra建模的脑电信号编码解码方法,其特征在于由以下步骤组成:(1)对输入的混沌脑电信号进行预处理对输入的混沌脑电信号样本采用0.53‑40Hz带通滤波器进行去噪处理,得到去噪后的帧,选择连续的帧作为分析帧;(2)用Volterra建模方法构建预测模型将步骤(1)的分析帧,按式(2)建立混沌脑电信号预测模型:
【技术特征摘要】
1.一种基于代理模型Volterra建模的脑电信号编码解码方法,其特征在于由以下步骤组成:(1)对输入的混沌脑电信号进行预处理对输入的混沌脑电信号样本采用0.53-40Hz带通滤波器进行去噪处理,得到去噪后的帧,选择连续的帧作为分析帧;(2)用Volterra建模方法构建预测模型将步骤(1)的分析帧,按式(2)建立混沌脑电信号预测模型:式中u(n-iτ)为输入的分析帧信号,m是混沌时间序列预测模型的记忆长度为有限的正整数,h1(i)和h2(i,j)为模型的核,u(n-iτ)为对应分析帧的第n-iτ个样本,n-iτ为步骤(1)中分析帧的样本序号,u(n-jτ)为对应的分析帧的第n-jτ个样本,n-jτ为步骤(1)中分析帧的样本序号,τ是延迟时间为有限的正整数,j、n为有限的正整数;(3)确定混沌脑电信号预测模型并预测脑电信号将步骤(1)中分析帧的混沌脑电信号用教与学优化方法确定混沌脑电信号所对应的延迟时间τ、记忆长度m、模型的核h1(i)、模型的核h2(i,j),采用代理模型的径向基神经网络作为近似适应度函数,近似适应度函数为:式中k(||x-ci||)为所使用的核函数,ai为所要评估的值,ci为径向基神经网络的中心点,选择延迟时间τ、记忆长度m、模型的核h1(i)以及h2(i,h)采用预测值与实际值之间的均方误差作为原始适应度函数,采用贪婪选择方法,得到最佳延迟时间τ、记忆长度m、模型的核h1(i)以及h2(i,j),代入上述式(1),完成混沌脑电信...
【专利技术属性】
技术研发人员:张玉梅,戎宇莹,吴晓军,李丛,
申请(专利权)人:陕西师范大学,
类型:发明
国别省市:陕西,61
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。