【技术实现步骤摘要】
基于黎曼空间量化的多类别运动想象脑电信号识别方法
[0001]本专利技术属于生物信号识别
,具体说是一种采用对数欧式测度的基于黎曼空间量化的多类别运动想象头皮脑电信号识别方法。
技术介绍
[0002]脑机接口技术采用脑电信号控制外部设备,为大脑与外界提供一种全新的交互方式,其核心技术是脑电信号的识别。运动想象头皮脑电信号以其采集方式的灵活性、操作的简易性以及用户的高认同度等优点,成为最有前景的脑机接口系统控制信号。然而头皮脑电信号是一种非平稳的、非线性的信号,具有信号幅度微弱、信噪比低、噪声干扰大等特点。因此,对脑电信号的识别具有一定的难度。
[0003]目前大部分运动想象头皮脑电信号的识别方法本质是二分类器。对于多类别的脑电信号识别,通常采用一对多或者一对一的策略将其分解为若干个二分类问题,最后采用投票的方式做出决策。因此,对于多类别脑电信的识别正确率不高,影响脑机接口的实际使用和用户的体验感受。
技术实现思路
[0004]本专利技术目的是提供一种天然的多类别脑电信号识别方法,提高多类别运动想象脑电信号的识别正确率。
[0005]本专利技术为实现上述目的所采用的技术方案是:
[0006]基于黎曼空间量化的多类别运动想象脑电信号识别方法,包括以下步骤:
[0007]采集不同运动想象任务的脑电信号;
[0008]获取脑电信号的协方差矩阵,形成样本空间;
[0009]将协方差矩阵看作黎曼对称空间中的点,采用对数欧式距离来度量黎曼对称空间中两点之间的距离 ...
【技术保护点】
【技术特征摘要】
1.基于黎曼空间量化的多类别运动想象脑电信号识别方法,其特征在于,包括以下步骤:采集不同运动想象任务的脑电信号;获取脑电信号的协方差矩阵,形成样本空间;将协方差矩阵看作黎曼对称空间中的点,采用对数欧式距离来度量黎曼对称空间中两点之间的距离;基于对数欧式距离,建立对数欧式度量学习距离函数利用对数欧式度量学习距离函数,建立量化学习代价函数;通过随机梯度下降方法最小化量化学习代价函数,计算原型对应的黎曼梯度,建立原型的学习规则,计算对数欧式度量学习距离函数参数Q的梯度,建立Q的学习规则;利用赢者全拿规则,输出待识别脑电信号的识别结果。2.根据权利要求1所述的基于黎曼空间量化的多类别运动想象脑电信号识别方法,其特征在于,所述运动想象任务包括:想象左手运动、想象右手运动、想象脚部运动、想象舌头运动中至少一种。3.根据权利要求1所述的基于黎曼空间量化的多类别运动想象脑电信号识别方法,其特征在于,所述对数欧式度量学习距离函数为:其中X
i
和X
j
表示黎曼空间中任意两点,log表示的是矩阵对数,其计算通过对作为训练样本的协方差矩阵X
i
做特征分解X
i
=Vdiag(λ1,...,λ
n
)V
T
,其中λ1,...,λ
n
是X
i
的特征值,i,j=1,...,m,diag(λ1,...,λ
n
)表示构造一个对角线元素为参数λ1,...,λ
n
的对角阵,V为n
×
n方阵,n表示采集脑电信号所用的电极个数,X
i
的矩阵对数计算为logX
i
=Vdiag(log(λ1),...,log(λ
n
))V
T
,Tr为矩阵主对角线元素之和。4.根据权利要求1所述的基于黎曼空间量化的多类别运动想象脑电信号识别方法,其特征在于,所述的量化学习代价函数E(W)为:特征在于,所述的量化学习代价函数E(W)为:其中,原型W表示需要从训练样本中学习的对于不同运动想象动作协方差矩阵具有代表性的模型参数;W
J
表示离训练样本X
i
最近的与X
i
具有相同标签的原型,这里称为正确原型;W
K
表示离训练样本X
i
最近的与X
i
具有不同标签的原型,这里称为错误原型;Φ(
·
)是单调递增的尺度函数,采用逻辑函数Φ(x)=1/(1+e-x
)。5.根据权利要求1所述的基于黎曼空间量...
【专利技术属性】
技术研发人员:唐凤珍,于海斌,
申请(专利权)人:中国科学院沈阳自动化研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。