一种基于最小生成树和区域双层网络的脑电识别方法技术

本发明专利技术提出了一种基于最小生成树和区域双层网络的脑电识别方法。本发明专利技术针对不同运动动作想象的脑电信号，分别对每一类动作想象构建最小生成树，并计算最小生成树的直径和平均离心率特征。在不同动作想象的最小生成树基础上构建区域网络，并计算区域网络的平均节点度、平均聚类系数和平均路径长度特征。最后将最小生成树特征和区域网络特征相结合，输入到支持向量机分类器中，实现对运动脑电信号的分类。本发明专利技术可实时、准确识别出人体多种模式运动想象动作，识别结果可用于辅助康复训练的人机交互系统。

【技术实现步骤摘要】
一种基于最小生成树和区域双层网络的脑电识别方法
本专利技术属于模式识别领域，涉及一种运动脑电信号想象识别方法，特别涉及一种基于最小生成树和区域双层脑网络的运动脑电信号特征提取与分类方法。
技术介绍
脑电信号(Electroencephalogram，EEG)是由头皮表面大量神经元突触后点位同步综合而形成的、反映大脑运行状态和神经细胞活动情况的生物电信号，因此，对于EEG的分析可以获得大量生理、心理及病理信号。在进行单侧运动想象时，大脑同侧感觉运动区μ节律和β节律幅值增大，而对侧感觉运动区的幅值减小，称为ERS/ERD现象。脑网络是通过计算各个脑区测量到的EEG信号之间的相关性而构建的复杂网络，它是对大脑结构网络中不同脑区之间动态活动交互整合的直观描述。近年来，以脑功能各区域脑电信号构筑的脑网络研究已逐渐成为脑功能分析的重要手段。尽管现有脑网络分析方法可以一定程度上解决脑功能状态的分类问题，但是网络的构建却没有统一的标准。构建脑网络的方式也主要是在全局上进行阈值处理后得到，该方式最大弊端在于，不同的阈值通常会导致相同拓扑结构生成不同的无权网络，即本文档来自技高网...

【技术保护点】
1.一种基于最小生成树和区域双层网络的脑电识别方法，其特征在于：该方法包括如下步骤：/n步骤1.设计不同的运动想象动作；/n步骤2.对步骤1中的各类运动想象动作构建脑功能网络最小生成树；/n步骤3.在步骤2中最小生成树基础上构建脑功能的区域网络；/n步骤4.把步骤2最小生成树直径、平均离心率特征与步骤3的平均节点度、平均聚类系数和平均路径长度特征相结合，构筑基础性和指向性兼具的特征向量，并输入支持向量机分类器，获得识别结果。/n

【技术特征摘要】
1.一种基于最小生成树和区域双层网络的脑电识别方法，其特征在于：该方法包括如下步骤：
步骤1.设计不同的运动想象动作；
步骤2.对步骤1中的各类运动想象动作构建脑功能网络最小生成树；
步骤3.在步骤2中最小生成树基础上构建脑功能的区域网络；
步骤4.把步骤2最小生成树直径、平均离心率特征与步骤3的平均节点度、平均聚类系数和平均路径长度特征相结合，构筑基础性和指向性兼具的特征向量，并输入支持向量机分类器，获得识别结果。


2.如权利要求1所述的一种基于最小生成树和区域双层网络的脑电识别方法，其特征在于：所述步骤2的具体过程如下：
2-1.选择网络节点；对于多通道的EEG信号，把头皮表面每个电极对应的脑区定义为一个网络节点；
2-2.量化网络节点之间的功能连接关系；利用抑制噪声性能较好，鲁棒性较高的Pearson相关系数来量化两个网络节点之间的功能连接关系，Pearson相关系数rij的计算公式如下：



式中，T为采样周期，xi(t)和xj(t)为网络节点i和网络节点j在t时刻的采样值，和为网络节点i和网络节点j的平均采样值，i,j＝1,2,…,N，N为网络节点数；rij的值介于0和1之间，rij的值越大，表示两网络节点之间相关性越强；计算每两个网络节点之间的相关系数，得到一个N×N的连接系数矩阵，该矩阵为对称矩阵；
2-3.定义边的权重；由于最小生成树是取权值最小的边作为连接边，而需要连接相关性大的节点，因此须对节点之间的Pearson相关系数rij值取倒数并作为边的权重；
2-4.求解最小生成树算法；选用Kruskal算法求解最小生成树；该算法的具体步骤如下：
S1:选e1∈E，使得e1是权值最小的边；
S2:若e1,e2,…,ek已选好，则从E-{e1,e2,…,ek}中选取ek+1使得
①{e1,e2,…,ek,ek+1}中无圈；
②ek+1是E-{e1,e2,…,ek}中权值最小的边；
S3:直到选到e|V|-1为止；其中e|V|-1表示网络的倒数第二个节点，|V|...

【专利技术属性】
技术研发人员：鲁先举，罗志增，孟明，席旭刚，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33