基于TEO-MIC算法的运动想象检测方法技术

本发明专利技术提出了一种基于Teager能量算子和微状态相结合的TEO‑MIC算法的运动想象状态检测方法，其步骤包括：(1)采用数据分段方法对原始EEG进行预处理，建立Teager建模做准备；(2)建立基于Teager模型的离散时间序列；(3)根据离散时间序列确定相应的全脑场强；(4)对全脑场强进行聚类，并计算相应的微状态；(5)根据已有微状态，计算每个状态下的微状态参数，从而确定运动想象状态。本发明专利技术通过Teager能量算子和微状态相结合的方法，可以有效地分析大脑功能状态，实现对运动想象状态的检测。

【技术实现步骤摘要】
基于TEO-MIC算法的运动想象检测方法
本专利技术涉及信号与信息处理和神经生物学交叉领域，特别是涉及基于Teager能量算子的脑电(electroencephalogram，EEG)和微状态算法结合的方法。它提出和设计一种将Teager和微状态算法进行结合(TEO-MIC)的算法。由于对EEG信号采集时易受到高斯噪声的干扰，为此需要一种鲁棒性较好的算法，而Teager能量算子正是一种对高斯噪声具有较好抑制特性的理论，本专利技术是将二者进行结合的一种方法。
技术介绍
EEG信号，作为一种非平稳和复杂信号，一般认为它是由不同脑区震荡活动综合作用产生的。相比于传统的特征分析方法，复杂网络分析方法对EEG等非平稳信号分析而言效果更加直观有效。微状态，作为一种描述了全局脑功能状态变化信息的参数，可反映不同认知状态大脑不同区域活动的复杂性。通过不同微状态间的相互转换，表明大脑的活动状态的变化。因此利用复杂网络分析方法对EEG信号进行分析，计算不同认知状态下EEG信号的微状态，可以检测到不同运动想象状态的变化，进而对运动想象状态进行评估。但是该方法采用的EEG信号易受高斯噪声干扰，对运动想象状态检测的鲁棒性不高。Teager能量算子(TeagerEnergyOperator)是一种对高斯噪声具有较好抑制特性的理论，因此它适用于对EEG信号进行Teager算子建模，进而计算它的微状态，该方法为充分利用EEG信号的非平稳特性的特点，本专利将Teager能量算子和微状态结合，提出一种TEO-MIC算法，它克服了易受到高斯噪声干扰的不足，有效提高了系统鲁棒性。基于Teager能量算子和微状态，本专利技术提出了一种基于TEO-MIC算法的运动想象状态检测方法
技术实现思路
本专利技术提出了一种结合Teager能量算子与微状态的TEO-MIC算法的运动想象状态检测方法，它是采用Teager能量算子对原始EEG信号进行Teager建模构建新的离散时间序列，然后对该离散时间特征序列进行微状态参数的计算，利用微状态参数实现对运动想象状态检测的方法，基本方案如下：1.对原始EEG进行预处理，根据具体的实验范式对EEG信号进行分段，为Teager建模准备；2.将分段数据进行处理，建立基于Teager模型的离散时间序列；3.利用基于Teager模型的离散时间序列提取特征，求取相应的微状态参数：下面利用离散时间序列建立相应的微状态特征提取方法：(1)利用基于Teager模型的离散时间序列计算脑电数据的全脑场强(GlobalFieldPower，GFP)；(2)根据TAAHC(topographicatomizeandagglomeratehierarchicalclustering)算法对全脑场强峰值处的脑地形图进行聚类，得到四个基本的微状态；4.利用基于时间序列的四个微状态的变化趋势，计算每个状态下微状态参数：每秒出现次数(Occurrence)、持续时间(Duration)、微状态占比(Coverage)、空间相关系数(Mspatcorr)；5.利用得到微状态参数，检测运动想象状态。本专利技术的有益效果是，在最后EEG信号进行状态检测过程中，由于采用Teager建模的方法降低高斯噪声的干扰，进一步对微状态进行计算的鲁棒性得到极大提高；通过将多种算法和基于TEO能量算子和微状态结合的方法进行对比，本专利技术获得了高的状态检测准确率。附图说明图1基于TEO-MIC算法的计算流程图2本方案计算的微状态和经典算法的微状态参数ROC曲线对比图图3本方案计算的微状态和经典算法的微状态参数AUC面积对比图图4本方案计算的微状态参数和经典算法的识别性能对比示意图具体实施方式下面结合附图，对本专利技术的具体实施方式作详细说明。本专利技术提出的TEO-MIC算法的流程如图1所示，下面结合附图，对本专利技术的具体实施方式作详细说明。1、对原始EEG进行预处理，包括：对EEG数据进行分段，以便于对数据进行Teager能量算子建模；依据实验范式的设计，对EEG信号进行任务分段处理，选取运动想象段3s数据进行分析；2、对分段后的EEG数据进行Teager能量算子建模，即：其中，x(n)表示离散EEG信号，表示Teager能量算子建模输出，在此处，a，b，c，d分别选为0，1，2，3；3、计算脑电信号的微状态：1)计算脑电信号的全脑场强GFP，其可反映大脑对运动想象状态的变化：式中，ui为第i导联的电压值，为所有导联的电压平均值，N表示导联数。2)根据1)得到的全脑场强求取其最大值所对应的时间点，将局部极大值时间点所对应的电场强度作为局部场电位构建局部极大值的时间序列，获取脑地形图；3)根据TAAHC算法，对每个被试每种任务状态下的全脑场强的局部极大值的时间序列获得四种微状态；4)根据3)得到的四种微状态，依次计算每个被试每个时刻的微状态参数。4、利用大脑神经活动程度、空间信息与微状态的关系，检测运动想象状态。把本专利技术的算法和经典的微状态算法进行对比。实验结果，如图2-图4所示，本专利技术的算法比经典微状态算法有更好的识别性能。在运动想象过程中，直接进行微状态的计算鲁棒性不足，通过Teager算子和微状态相结合，可以大大提高系统识别性能。在算例中，实验数据来源于BCICompetitionIV2008数据库。本方案通过对不同运动想象的微状态进行显著性分析，实验结果图3和图4所示，证实了本方案的有效性。同时通过对TEO-MIC算法和微状态的计算进行对比，实验结果图4表示，结果表明，本专利技术算法可显著提高识别性能。本文档来自技高网...

【技术保护点】
1.一种基于TEO-MIC算法的运动想象状态检测方法，包括如下步骤：/n(1)对原始EEG进行预处理，为Teager能量算子建模做准备，再进行坐标变换，建立离散时间序列的Teager模型；/n(2)利用离散时间序列的Teager模型构建的离散时间序列

【技术特征摘要】
1.一种基于TEO-MIC算法的运动想象状态检测方法，包括如下步骤：
(1)对原始EEG进行预处理，为Teager能量算子建模做准备，再进行坐标变换，建立离散时间序列的Teager模型；
(2)利用离散时间序列的Teager模型构建的离散时间序列计算相应的微状态参数；
(3)依据得到的微状态参数，确定运动想象状态。


2.基于...

【专利技术属性】
技术研发人员：李亚兵，陈墨，王红玉，李红叶，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西;61