基于脑机接口的黎曼空间脑电信号分类方法及系统技术方案

本发明专利技术公开了基于脑机接口的黎曼空间脑电信号分类方法及系统，包括：获取待处理的脑电信号；对待处理的脑电信号进行预处理；将预处理后的脑电信号，由欧式空间转换到黎曼空间；将脑电信号中的样本点作为黎曼流形的切点，进行切平面投影；对投影后的切平面进行降维；根据降维后的脑电信号，利用训练后的卷积神经网络进行分类，得到脑电信号分类结果。本发明专利技术不仅可以将子空间样本的密度进行提高，而且大大降低了信号分析的难度。且大大降低了信号分析的难度。且大大降低了信号分析的难度。

【技术实现步骤摘要】
基于脑机接口的黎曼空间脑电信号分类方法及系统


[0001]本专利技术涉及脑机接口
，特别是涉及基于脑机接口的黎曼空间脑电信号分类方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]脑机接口(brain
‑
computer interface，BCI)通过提供额外的信号通路，实现大脑直接控制外部设备，在残疾人功能辅助与康复等方面有着广阔的应用前景。在运动想象脑机接口中，受试者通过想象部分肢体的运动产生多种模式的脑电信号，系统分析受试者的脑电解析控制指令，实现对外部设备的控制，其中的核心技术是对运动想象脑电信号的解码。然而，脑电信号的低信噪比、非平稳性以及个体差异性是运动想象脑机接口从实验室走向商业应用的巨大障碍。
[0004]如今存在的大多数算法无论是时域、频域还是空域分析大多数都是在欧式空间中对信号进行操作，但由于大脑结构的复杂性、信号的微弱性以及大脑神经元发出的信号的混叠性，依据欧式空间的特征进行不同大脑活动判断效果并不理想。同时，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于脑机接口的黎曼空间脑电信号分类方法，其特征是，包括：获取待处理的脑电信号；对待处理的脑电信号进行预处理；将预处理后的脑电信号，由欧式空间转换到黎曼空间；将脑电信号中的样本点作为黎曼流形的切点，进行切平面投影；对投影后的切平面进行降维；根据降维后的脑电信号，利用训练后的卷积神经网络进行分类，得到脑电信号分类结果。2.如权利要求1所述的基于脑机接口的黎曼空间脑电信号分类方法，其特征是，将预处理后的脑电信号，由欧式空间转换到黎曼空间；具体包括：基于滤波处理后的脑电信号和滤波处理后脑电信号的期望值，得到空间协方差矩阵；根据空间协方差矩阵的无偏估计，将滤波处理后的脑电信号，由欧式空间转换到黎曼空间，得到若干个落在黎曼流形上的样本点。3.如权利要求1所述的基于脑机接口的黎曼空间脑电信号分类方法，其特征是，将脑电信号中的样本点作为黎曼流形的切点，进行切平面投影；具体包括：计算出若干个落在黎曼流形上的样本点之间的黎曼测地距离；根据黎曼测地距离，为每一个黎曼流形上的样本点P
i
选出k个最近邻样本点；将k个最近邻样本点和样本点P
i
，共同构成黎曼流形的局部；取黎曼流形上的样本点中的任意点作为局部的黎曼流形的切点；将黎曼流形的切点所在的黎曼切空间，作为局部邻域切空间；将黎曼流形上的样本点中除了切点以外的的剩余点在局部邻域切空间内进行投影，得到投影后的切平面。4.如权利要求1所述的基于脑机接口的黎曼空间脑电信号分类方法，其特征是，对投影后的切平面进行降维；具体包括：采用多维缩放算法，对投影后的切平面进行降维；降维后，每个局部黎曼切空间的样本得到了在对应切空间内的局部坐标；将局部坐标进行整合，得到全局坐标。5.如权利要求1所述的基于脑机接口的黎曼空间脑电信号分类方法，其特征是，根据降维后的脑电信号，利用训练后的卷积神经网络进行分类，得到脑电信号分类结果；其中，训练后的卷积神经网络，训练步骤包括：构建卷积神经网络；构建训练集，所述训练集为已知脑电信号标签的脑电信号；将训练集，输入到卷积神经网络中，当训练次数达到设定次数时，停止训练，得到训练后的卷积神经网络。6.如权利要求3所述的基于脑机接口的黎曼空间脑电信号分类方法，其特征是，样本集的任意点P
i
落在黎曼流形上，由式计算出样本间的黎曼测地距离，其中P1,P2为黎曼流形上的两个不同点；根据黎曼测地距离选出P
i
的k个最近邻样本点，k+1个样本点构成了流形的一个局部；
取样本中点作为局部的黎曼中心点P，切点P的黎曼切空间T(N)被称为局部邻域切空间,T(N)表达式为：其中upper(
·
)操作表示保留矩阵的上三角部分并将其向量化，P
i
与其近邻样本点P
j
投影到T(N)上得到对应的向量s
i
，s
j
；由于黎曼流形局部同胚于欧氏空间，根据公式：δ
R
(P
i
,P
j
)≈||s
i
‑...

【专利技术属性】
技术研发人员：高诺，赵凯，鲁守银，戚禾汀，王蕴辉，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：