基于同步提取变换的脑电信号特征提取方法及系统技术方案

本发明专利技术属于信号处理技术领域，提供了一种基于同步提取变换的脑电信号特征提取方法及系统。该方法包括，对脑电信号进行时域分析，得到不同刺激下脑电信号的特征向量；将特征向量输入训练好的SVM模型，识别不同刺激下脑电信号的频率。号的频率。号的频率。

【技术实现步骤摘要】
基于同步提取变换的脑电信号特征提取方法及系统


[0001]本专利技术属于信号处理
，尤其涉及一种基于同步提取变换的脑电信号特征提取方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]脑机接口技术是应用在康复医疗领域的一种重要的技术手段，这种技术通过产生一定频率的电流脉冲的方式刺激运动神经元来控制肌肉收缩，可以为脊髓损伤、脑干中风、脑瘫和肌肉营养不良等神经肌肉通路受损的患者提供帮助。
[0004]目前，脑机接口作为一种与外界的交互系统，通过采集人的脑电信号，再识别分类后转化为仪器可读取的数据，从而通过仪器设备替代患者受损的神经肌肉通路，恢复患者肢体与外界交互的能力，提高患者生活质量，减轻患者及其家庭的经济和生活负担。
[0005]但是，现有的脑电信号识别及分类方法普遍采用短时傅里叶变换、小波变换、共空间模式等，这些方法存在识别率低，训练时间长，个体差异大等问题，无法脑电信号频率控制各种康复设备提供精确的保障。

技术实现思路

[0006]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于同步提取变换的脑电信号特征提取方法及系统，能够识别出不同刺激下的脑电信号，提高识别方法的准确率。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]本专利技术的第一个方面提供一种基于同步提取变换的脑电信号特征提取方法。
[0009]基于同步提取变换的脑电信号特征提取方法，包括：
[0010]对脑电信号进行时域分析，得到不同刺激下脑电信号的特征向量；
[0011]将特征向量输入训练好的SVM模型，识别不同刺激下脑电信号的频率。
[0012]进一步的，在对基于稳态视觉诱发电位的脑电信号进行时域分析之前，包括：
[0013]获取脑电信号，并对基于稳态视觉诱发电位的脑电信号进行预处理。
[0014]进一步的，所述预处理包括：采用均值滤波对脑电信号进行消噪、去伪迹处理。
[0015]进一步的，所述不同刺激下脑电信号的特征向量的获得包括：采用同步提取变换的方法提取不同刺激下的脑电信号时域脊线上的能量，比较不同刺激下能量值的区别，将能量值作为脑电信号的特征向量。
[0016]进一步的，将特征向量分为训练集和测试集，采用训练集对SVM模型进行训练。
[0017]进一步的，所述SVM模型训练的过程包括：
[0018]将训练集中的特征向量输入SVM模型进行训练，直到目标优化函数收敛，得到训练好的SVM模型。
[0019]进一步的，将所述测试集输入训练好的SVM模型，检验识别脑电信号频率的准确性。
[0020]本专利技术的第二个方面提供一种基于同步提取变换的脑电信号特征提取系统。
[0021]基于同步提取变换的脑电信号特征提取系统，包括：
[0022]特征向量提取模块，其被配置为：对脑电信号进行时域分析，得到不同刺激下脑电信号的特征向量；
[0023]识别模块，其被配置为：将特征向量输入训练好的SVM模型，识别不同刺激下脑电信号的频率。
[0024]本专利技术的第三个方面提供一种计算机可读存储介质。
[0025]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的基于同步提取变换的脑电信号特征提取方法中的步骤。
[0026]本专利技术的第四个方面提供一种计算机设备。
[0027]一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的基于同步提取变换的脑电信号特征提取方法中的步骤。
[0028]与现有技术相比，本专利技术的有益效果是：
[0029]本专利技术采用同步提取变换的方式进行特征提取，提取频率重心上的能量，更加精确的得知脑电信号的能量值，提高频率的分辨率，特征选取明显，检测准确率高。
[0030]本专利技术用识别出来的不同脑电信号频率控制各种康复设备，使得患者的肌肉保持或恢复一定的活力，配合康复动作的训练，达到最终帮助患者康复的结果。
[0031]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0032]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0033]图1是本专利技术实施例的基于不同刺激下的脑电信号识别系统示意图；
[0034]图2是本专利技术实施例采集脑电信号所使用的设备示意图；
[0035]图3(a)是本专利技术实施例的脑电信号经过同步提取变换前的效果图；
[0036]图3(b)是本专利技术实施例的脑电信号经过同步提取变换后的效果图；
[0037]图4是本专利技术实施例为遗传算法优化支持向量机的结果。
具体实施方式
[0038]下面结合附图与实施例对本专利技术作进一步说明。
[0039]应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0040]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式
也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0041]需要注意的是，附图中的流程图和框图示出了根据本公开的各种实施例的方法和系统的可能实现的体系架构、功能和操作。应当注意，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意，在有些作为备选的实现中，方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，或者它们有时也可以按照相反的顺序执行，这取决于所涉及的功能。同样应当注意的是，流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合，可以使用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以使用专用硬件与计算机指令的组合来实现。
[0042]实施例一
[0043]如图1所示，本实施例提供了一种基于同步提取变换的脑电信号特征提取方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器和系统，并通过终端和服务器的交互实现。服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于同步提取变换的脑电信号特征提取方法，其特征在于，包括：对脑电信号进行时域分析，得到不同刺激下脑电信号的特征向量；将特征向量输入训练好的SVM模型，识别不同刺激下脑电信号的频率。2.根据权利要求1所述的基于同步提取变换的脑电信号特征提取方法，其特征在于，在对基于稳态视觉诱发电位的脑电信号进行时域分析之前，包括：获取脑电信号，并对基于稳态视觉诱发电位的脑电信号进行预处理。3.根据权利要求2所述的基于同步提取变换的脑电信号特征提取方法，其特征在于，所述预处理包括：采用均值滤波对脑电信号进行消噪、去伪迹处理。4.根据权利要求1所述的基于同步提取变换的脑电信号特征提取方法，其特征在于，所述不同刺激下脑电信号的特征向量的获得包括：采用同步提取变换的方法提取不同刺激下的脑电信号时域脊线上的能量，比较不同刺激下能量值的区别，将能量值作为脑电信号的特征向量。5.根据权利要求1所述的基于同步提取变换的脑电信号特征提取方法，其特征在于，将特征向量分为训练集和测试集，采用训练集对SVM模型进行训练。6.根据权利要求5所述的基于同步提取变换的脑电信号特征提取...

【专利技术属性】
技术研发人员：孙明旭，韩琳，于刚，李旭航，李德谦，申涛，徐元，孙兴伟，
申请(专利权)人：山东蓓明医疗科技有限公司，
类型：发明
国别省市：