一种结合多时段多频段CSP算法的运动想象脑电解码方法技术

本发明专利技术公开了一种结合多时段多频段CSP算法的运动想象脑电解码方法，属于神经信息解码领域。本发明专利技术在频率特征基础上，采用多个时段和多个频段的特征提取策略，对原始的运动想象脑电信号进行滑动窗口截取，并分离出多个频段的子带信号，结合CSP算法，能够获取到信号在频率域和时间域的全局特征和局部特征。将提取到的多个时间窗的多频段CSP特征作为SVM分类器的输入，得到的识别结果用于参与最终的决策。本发明专利技术提出的提取多频段特征的策略可以细化频带信息，提取多时段特征的策略能捕捉到整个运动想象时段中的有效特征，从而显著提高解码精度。本发明专利技术提出的脑电解码方法为在线脑机接口系统的实现提供了新的思路。口系统的实现提供了新的思路。口系统的实现提供了新的思路。

【技术实现步骤摘要】
一种结合多时段多频段CSP算法的运动想象脑电解码方法


[0001]本专利技术属于神经信息解码领域，具体涉及从低信噪比，非平稳的运动想象脑电中提取到有效特征，进行准确的识别分类。

技术介绍

[0002]脑科学是以大脑为研究对象的多学科汇聚的新兴研究领域，是公认的科技前沿。脑电(Electroencephalogram，EEG)用于记录来自大脑皮层的电信息，从而反映部分大脑活动。通过分析EEG信号可以识别出被试的情绪，运动意图，健康状况等信息。脑机接口(Brain Computer Interface，BCI)技术是指在人脑与外界设备之间建立起一条不依赖于传统神经中枢网络的信息传输通道，从而通过人脑控制外界设备。目前，脑机接口已经越来越多的被应用于运动康复、神经干预、游戏娱乐等诸多领域。然而，EEG信号也存在局限性，即低空间分辨特性，低信噪比，非平稳。加之采集到的脑电信号常伴伪迹信息，采集过程困难，可用的公共数据有限。运动想象(Motor Imagery，MI)脑电解码任务通过正确分析大脑信号模式(左手和右手等)，为在线脑机接口的实现做出了铺垫。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合多时段多频段CSP算法的运动想象脑电解码方法，其特征在于：先利用MTF
‑
CSP算法对运动想象脑电信号进行特征提取，再通过SVM分类器对提取到的特征进行分类识别，并对识别结果进行最终决策，具体步骤如下：步骤一在运动想象脑电数据上截取n个滑动时间窗信号，对每个时间窗信号分离出若干频段的子带信号；步骤二对步骤一中的n个滑动时间窗信号按时间顺序进行特征提取得到n组特征值，具体利用CSP算法对每个时间窗信号的多个子带信号进行特征提取；步骤三使用SVM分类器对步骤一和步骤二中MTF
‑
CSP算法提取到的运动想象特征进行分类识别，并结合对应的决策方法得到最终识别结果。2.根据权利要求1所述的结合多时段多频段CSP算法的运动想象脑电解码方法，其特征在于：所述步骤一中截取n个长度为w的时间窗，截取步长为s，对于每个时间窗信号，分离出7个频段的子带信号，7个频段分别为8
‑
13Hz，8
‑
10Hz，10
‑
13Hz，13
‑
30Hz，13
‑
18Hz，18
‑
23Hz，23
‑
30Hz，再经过所述步骤二利用CSP算法对单个时间窗信号的每个频段的子带信号提取得到一组特征值，将7个频段的特征值首尾相连形成一个长度为2m
×
7的特征向量，作为单个时间窗信号的单次运动想象脑电特征，总计得到n组2m
×
7的特征向量。3.根据权利要求2所述的结合多时段多频段CSP算法的运动想象脑电解码方法，其特征在于：所述步骤二中CSP算法是利用矩阵的对角化，找到一组最优空间滤波器进行投影，使得两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量，两类信号X1和X2归一化后的协方差矩阵如下：化后的协方差矩阵如下：式中，表示矩阵X1的转置，表示矩阵X2的转置，表示矩阵对角线上元素之和，表示矩阵对角线上元素之和，之后求取混合空间的协方差矩阵：阵：为X1的平均协方差矩阵，为X2的平均协方差矩阵；根据式(3)得到的混合空间协方差矩阵进行特征值分解：R＝UλU
T
ꢀꢀꢀꢀ
(4)其中，U是矩阵λ的特征向量矩阵，λ是矩阵R特征值构成的对角阵，特征值按降序排序，计算白化值矩阵：由式(5)求得的白化矩阵和式(1)，式(2)的归一化协方差矩阵求出公共特征向量矩阵：

【专利技术属性】
技术研发人员：杨俊，高思恒，沈韬，马正敏，吴俊会，郑进港，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：