一种脑电波信号特征获取方法技术

本发明专利技术涉及数据处理技术领域，具体公开了一种脑电波信号特征获取方法，包括如下步骤：(1)对脑电波信号的每个频道分别做时域信号到频域信号的转换；(2)对转换后的每个频道分别进行带通滤波降噪；(3)对降噪后的每个频道的有效频段分别计算统计特征；(4)根据应用目标，对经过步骤(3)处理的脑电波信号进行频道、频段和统计特征三个维度的特征评估，根据评估结果选出每个维度的最优取值组合；(5)将频道、频段和统计特征三个维度的最优取值组合进行特征聚合，得到脑电波信号的最优特征集。采用本发明专利技术的技术方案能目标自适应的准确获取脑电波信号的特征。

A feature acquisition method of EEG signal

The invention relates to the technical field of data processing, in particular to a method for obtaining the characteristics of brain wave signals, which comprises the following steps: (1) converting the time-domain signals to the frequency-domain signals for each channel of brain wave signals; (2) carrying out band-pass filtering and noise reduction for each channel after conversion; (3) calculating the statistical characteristics for the effective frequency bands of each channel after noise reduction; (4) according to the The target is applied to evaluate the characteristics of the three dimensions of the channel, frequency band and statistical characteristics of the EEG signal processed in step (3), and select the optimal combination of each dimension according to the evaluation results; (5) the optimal combination of the three dimensions of the channel, frequency band and statistical characteristics is aggregated to obtain the optimal characteristics of the EEG signal. The technical scheme of the invention can acquire the characteristics of brain wave signal adaptively and accurately.

【技术实现步骤摘要】
一种脑电波信号特征获取方法
本专利技术涉及数据处理
，特别涉及一种脑电波信号特征获取方法。
技术介绍
脑电波信号指通过专业仪器记录下来的人类脑细胞群及神经元的活动产生的自发的节律性的生物电信号，其英文描述为ElectroEncephaloGram，缩写EEG。脑电波反应了大脑内进行的各种活动以及大脑的功能状态，包含大量的信息。通常，可以在大脑的不同位置放置多个电极来采集十几个甚至上百个频道的脑电波信号。这些脑电波信号存在着零点漂移、工频干扰等噪声，且数据点多、冗余复杂，需要通过降噪预处理、特征提取、特征选择等步骤进行处理后才能作为其他应用场景的输入。传统的降噪方法有带通滤波器和带阻滤波器等，但对于脑电波信号处理而言，目前尚无统一的通频带范围。传统的脑电波信号特征提取方法大多只是对时域信号提取统计特征，例如信号的最大值、最小值、均值、中值等，并没有对频域信号进行提取，然而研究表明，脑电波的频域信号特征更值得挖掘。脑电波信号特征选择方法包括主成分分析法等，但这些方法并不能保证选出来的特征子集在下游应用领域能取得最佳效果。由于传统的处理方式中，降噪预处理、特征提取、特征选择等步骤均有较大的缺陷，导致脑电波信号特征的获取存在有效性差等问题。因此，需要一种目标自适应的有效获取脑电波信号特征的获取方法。
技术实现思路
为解决上述技术问题，本专利技术的目的在于提供一种脑电波信号特征获取方法。本专利技术技术方案如下：一种脑电波信号特征获取方法，包括如下步骤：(1)对脑电波信号的每个频道分别做时域信号到频域信号的转换；(2)对转换后的每个频道分别进行带通滤波降噪；(3)对降噪后的每个频道的有效频段分别计算统计特征；(4)根据应用目标，对经过步骤(3)处理的脑电波信号进行频道、频段和统计特征三个维度的特征评估，根据评估结果选出每个维度的最优取值组合；(5)将频道、频段和统计特征三个维度的最优取值组合进行特征聚合，得到脑电波信号的最优特征集。基础方案原理及有益效果如下：本方案的方法为一个包含信号降噪、频域信号转换、统计特征计算、三个维度特征评估和特征选择以及特征聚合在内的一个框架。本方法首次提出了三个维度特征评估和选择方法。从频道、频段、统计特征三个维度分别评估特征，选出各个维度的最优取值组合，并聚合为一个最优特征集。本方法可以分别排除在频道、频道和统计特征三个维度的冗余特征，并且具有物理可解释性，能有效获取脑电波信号的特征。进一步，所述步骤(1)中，通过一维平稳小波变换将脑电波信号的每个频道分别从时域信号变换为频域信号。通过将时域信号转换为频域信号有助于后续的计算。进一步，所述步骤(2)中，带通滤波降噪的通频带为0.5Hz～32Hz，滤波之后，将0.5～1Hz，1～2Hz，2～4Hz三个频段的信号合成一个0～4Hz的频域信号。通过滤波，能有效消除原始信号中的零点漂移和工频干扰。进一步，所述步骤(3)中，计算统计特征时，需要对脑电波信号的Nch个频道，每一个频道的Nfb个频段分别计算Ns个统计特征；计算得到的统计特征总数量为N＝Nch×Nfb×Ns；计算得到的统计特性形成一个离散的三维特征空间F，其中，ch、fb和s分别表示该三维特征空间F的三个维度：频道、频段和统计特征；该三维特征空间中的任何一个点都是从脑电波信号中计算得到的一个特征，用F(i,j,k)表示，其中，i∈{1,2,…,Nch}，j∈{1,2,…,Nfb}，k∈{1,2,…,Ns}；在该三维特征空间F中，任何一个平面都可以用F(i,:,:)、F(:,j,:)或者F(:,:,k)表示，其中，符号“:”表示对应维度下的所有取值。通过F(i,:,:)可以表示在第i个频道的所有频段上提取的所有统计特征构成的集合，同理，通过F(:,j,:)可以表示在所有频道的第j个频段上提取的所有统计特征构成的集合；通过F(:,:,k)可以表示在所有频道的所有频段上提取的第k个统计特征构成的集合。进一步，所述步骤(3)中，有效频段个数Nfb＝4，包括频率取值范围为0～4Hz，4～8Hz，8～16Hz，16～32Hz的4个频段；统计特征个数Ns＝9，包括：中值、标准差、均值、众数、四分位距、偏度、峰度、第一四分位数和第三四分位数。与现有技术相比，通过增加统计特征的个数，可以扩大进行特征评估和特征选择的特征空间搜索范围，有助于最后获取到的脑电波信号的最优特征子集。进一步，所述步骤(4)中，应用目标类别包括二分类问题或多分类问题；所述特征评估是在数据集(X,y)上进行的，其中其中m表示样本数量，C由应用目标类别确定，如果是二分类问题，C＝1，如果是多分类问题，C＝类别的数量，X是由m个样本构成的经过步骤(3)处理的脑电波信号。通过对不同应用目标的分别设置，能使得该脑电波信号特征获取方法应用范围更广。进一步，所述步骤(4)中，在频道维度上的特征评估的步骤为：(a)将数据集(X,y)按照一定的样本比例划分为训练集、验证集和测试集；(b)逐一对由单个频道和逐渐增加的多个频道对应的特征子集：F(1,:,:)，F(2,:,:)，…，F(i,:,:)，…，F(Nch,:,:)，F(1:2,:,:),…，F(1:i,:,:)，…，F(1:Nch,:,:)进行评估；其中，1:i是指在频道维度上第1个频道和第i个频道之间的所有频道；其中，步骤(b)中的评估过程为，用待评估的特征子集在训练集上预训练一个支持向量机分类器，然后在验证集上计算该预训练好的支持向量机的分类准确率，将分类准确率最高的特征子集记为Fsub_ch；将Fsub_ch在频道维度上包含的所有频道记为chopt，chopt就是在频道维度上选出来的最佳频道集合。通过支持向量机分类器在训练集的预训练和在验证集上的性能比较，能准确筛选出最佳频道集合。进一步，所述步骤(4)中，在频段维度上的特征评估的步骤为：(a)将数据集(X,y)按照一定的样本比例划分为训练集、验证集和测试集；(b)逐一对由单个频段和逐渐增加的多个频段对应的特征子集：F(:,1,:)，F(:,2,:)，…，F(:,j,:)，…，F(:,Nfb,:)，F(:,1:2,:),…，F(:,1:j,:)，…，F(:,1:Nfb,:)进行评估；其中，1:j是指在频段维度上第1个频段和第j个频段之间的所有频段；其中，步骤(b)中的评估过程为，用待评估的特征子集在训练集上预训练一个支持向量机分类器，然后在验证集上计算该预训练好的支持向量机的分类准确率，将分类准确率最高的特征子集记为Fsub_fb；将Fsub_fb在频段维度上包含的所有频段记为fbopt，fbopt就是在频段维度上选出来的最佳频段集合。通过支持向量机在训练集的预训练和在验证集上的性能比较，分类器能准确筛选出最佳频段集合。进一步，所述步骤(4)中，在统计特征维度上的特征评估的步骤为：(a)将数据集(X,y)按照一定的样本比例划分为训练集、验证集和测试集；(b)逐一对由单个的统计特征和逐渐增加的多个统计特征对应的特征子集：F(:,:,1)，F(:,:,2)，…，F(:,:,j)，…，F(:,:,Ns)，F(:,:,1:2),…，F(:,:,1:k)，…，F(:,:,1:Ns)进行评估；其中，1:k是指在统计特征维度上第1个统计特征和第本文档来自技高网...

【技术保护点】
1.一种脑电波信号特征获取方法，其特征在于，包括如下步骤：(1)对脑电波信号的每个频道分别做时域信号到频域信号的转换；(2)对转换后的每个频道分别进行带通滤波降噪；(3)对降噪后的每个频道的有效频段分别计算统计特征；(4)根据应用目标，对经过步骤(3)处理的脑电波信号进行频道、频段和统计特征三个维度的特征评估，根据评估结果选出每个维度的最优取值组合；(5)将频道、频段和统计特征三个维度的最优取值组合进行特征聚合，得到脑电波信号的最优特征集。

【技术特征摘要】
1.一种脑电波信号特征获取方法，其特征在于，包括如下步骤：(1)对脑电波信号的每个频道分别做时域信号到频域信号的转换；(2)对转换后的每个频道分别进行带通滤波降噪；(3)对降噪后的每个频道的有效频段分别计算统计特征；(4)根据应用目标，对经过步骤(3)处理的脑电波信号进行频道、频段和统计特征三个维度的特征评估，根据评估结果选出每个维度的最优取值组合；(5)将频道、频段和统计特征三个维度的最优取值组合进行特征聚合，得到脑电波信号的最优特征集。2.根据权利要求1所述的脑电波信号特征获取方法，其特征在于：所述步骤(1)中，通过一维平稳小波变换将脑电波信号的每个频道分别从时域信号变换为频域信号。3.根据权利要求1所述的脑电波信号特征获取方法，其特征在于：所述步骤(2)中，带通滤波降噪的通频带为0.5Hz～32Hz，滤波之后，将0.5～1Hz，1～2Hz，2～4Hz三个频段的信号合成一个0～4Hz的频域信号。4.根据权利要求1所述的脑电波信号特征获取方法，其特征在于：所述步骤(3)中，计算统计特征时，需要对脑电波信号的Nch个频道，每一个频道的Nfb个频段分别计算Ns个统计特征；计算得到的特征总数量为N＝Nch×Nfb×Ns；计算得到的统计特征形成一个离散的三维特征空间F，其中，ch、fb和s分别表示该三维特征空间F的三个维度：频道、频段和统计特征；该三维特征空间中的任何一个点都是从脑电波信号中计算得到的一个特征，用F(i,j,k)表示，其中，i∈{1,2,…,Nch}，j∈{1,2,…,Nfb}，k∈{1,2,…,Ns}；在该三维特征空间F中，任何一个平面都可以用F(i,:,:)、F(:,j,:)或者F(:,:,k)表示，其中，符号“:”表示对应维度下的所有取值。5.根据权利要求4所述的脑电波信号特征获取方法，其特征在于：所述步骤(3)中，有效频段个数Nfb＝4，包括频率取值范围为0～4Hz，4～8Hz，8～16Hz，16～32Hz的4个频段；统计特征个数Ns＝9，包括：中值、标准差、均值、众数、四分位距、偏度、峰度、第一四分位数和第三四分位数。6.根据权利要求5所述的脑电波信号特征获取方法，其特征在于：所述步骤(4)中，应用目标类别包括二分类问题或多分类问题；所述特征评估是在数据集(X,y)上进行的，其中其中m表示样本数量，C由应用目标类别确定，如果是二分类问题，C＝1，如果是多分类问题，C＝类别的数量，X是由m个样本构成的经过步骤(3)处理的脑电波信号。7.根据权利要求6所述的脑电波信号特征获取方法，其特征在于：所述步骤(4)中，在频道维度上的特征评估的步骤为：(a)将数据集(X,y)按照一定的样本比例划分为训练集、验证集和测试集；(b)逐一对由单个频道和逐渐增加的多个频道对应的特征子集：F(1,:,:)，F(2,:,:)，…，F(i,:,:)，…，F(Nch,:,:)，F...

【专利技术属性】
技术研发人员：殷娇，游明山，安建梅，雷丽，
申请(专利权)人：重庆文理学院，
类型：发明
国别省市：重庆,50