基于多目标数据时域拼接的运动想象脑电数据生成方法技术

本发明专利技术涉及脑电数据处理技术领域，公开了一种基于多目标数据时域拼接的运动想象脑电数据生成方法，包括：基于目标受试者的单个脑电数据，采用KL散度对其他受试者的单个脑电数据进行相似性度量；其中，所述相似性度量为计算其他受试者的单个电脑数据与所述目标受试者的单个电脑数据的相似性；将目标受试者的单个脑电数据与其他受试者的单个脑电数据进行时域拆解和拼接；使用其他受试者的数据，将目标受试者的所有脑电训练数据进行基于多目标数据时域拼接的数据生成。本发明专利技术提供的基于多目标数据时域拼接的运动想象脑电数据生成方法，用于脑卒中康复系统，解决了当前运动想象脑机接口研究中脑电训练数据不足的问题。脑机接口研究中脑电训练数据不足的问题。脑机接口研究中脑电训练数据不足的问题。

【技术实现步骤摘要】
基于多目标数据时域拼接的运动想象脑电数据生成方法


[0001]本专利技术涉及脑电数据处理
，特别涉及一种基于多目标数据时域拼接的运动想象脑电数据生成方法。

技术介绍

[0002]脑机接口(brain computer interface,BCI)是一种不依赖于传统的神经输出通道，直接通过识别大脑活动来控制外部设备的一种新型人机交互方式。运动想象是最常见的脑机接口方式，基于运动想象的脑机接口作为自发式脑机接口，在医疗、康复、军事、生活娱乐等多个领域均具有广阔的应用前景。
[0003]研究者们对基于运动想象的脑机接口已经开展了长期且广泛的研究，但目前，在其实现的过程中，基于运动想象的脑机接口存在以下的不足：1、运动想象脑电信号作为自发式脑电信号，其信号特征并不明显，需要使用大量的脑电训练数据训练出鲁棒性强的模型才可以实现较高的运动想象脑电分类效果。2、获取运动想象脑电训练数据较为困难，受试者需要进行大量的数据采集实验，该过程费时、费力，还会造成资源的浪费。

技术实现思路

[0004]本专利技术提供了一种基于多目标数据时域拼接的运动想象脑电数据生成方法，用于脑卒中康复系统，解决了当前运动想象脑机接口研究中脑电训练数据不足的问题。
[0005]本专利技术提供了一种基于多目标数据时域拼接的运动想象脑电数据生成方法，包括：
[0006]基于目标受试者的单个脑电数据，采用KL散度对其他受试者的单个脑电数据进行相似性度量；其中，所述相似性度量为计算其他受试者的单个电脑数据与所述目标受试者的单个电脑数据的相似性；
[0007]将目标受试者的单个脑电数据与其他受试者的单个脑电数据进行时域拆解和拼接；
[0008]使用其他受试者的数据，将目标受试者的所有脑电训练数据进行基于多目标数据时域拼接的数据生成。
[0009]进一步地，所述基于目标受试者的单个脑电数据，采用KL散度对其他受试者的单个脑电数据进行相似性度量的步骤，包括：
[0010]将所述目标受试者的单个脑电数据表示为其他受试者的单个脑电数据表示为其中，C与S分别表示导联数量与采样点个数；
[0011]计算所述目标受试者的单个脑电数据和其他受试者的单个脑电数据的协方差矩阵；
[0012]计算所述目标受试者与其他受试者脑电数据的协方差矩阵之间的KL散度；其中，所述目标受试者的单个脑电数据和其他受试者的单个脑电数据的KL散度越小，则相似度越高。
[0013]进一步地，所述计算所述目标受试者的单个脑电数据和其他受试者的单个脑电数据的协方差矩阵的步骤中，计算公式为：
[0014][0015]其中，tr(
·
)为矩阵的迹。
[0016]进一步地，所述计算所述目标受试者与其他受试者脑电数据的协方差矩阵之间的KL散度的步骤中，计算公式为：
[0017][0018]其中，I
C
表示维度为C的单位矩阵。
[0019]进一步地，所述将目标受试者的单个脑电数据与其他受试者的单个脑电数据进行时域拆解和拼接的步骤，包括：
[0020]根据时间将目标受试者的脑电数据X1与其他受试者的脑电数据X2进行时域拆解，公式为：
[0021][0022][0023]其中，S1与S2分别为第一个导联区域与第二个导联区域中包含的导联数量，且S1+S2＝S。
[0024]将拆解出的数据进行时域拼接，新生成的脑电数据，公式为：
[0025][0026][0027]其中，为新生成的脑电数据。
[0028]进一步地，所述使用其他受试者的数据，将目标受试者的所有脑电训练数据进行基于多目标数据时域拼接的数据生成的步骤，包括：
[0029]对于目标受试者的每一个脑电训练数据，使用相似性度量在其他受试者的同类别脑电数据中确定与其具有最小KL散度的脑电数据；
[0030]将目标受试者的每一个脑电训练数据和与其具有最小KL散度的脑电数据进行时域拆解；
[0031]将拆解出的脑电数据进行时域拼接，得到新生成的目标受试者的脑电训练数据。
[0032]本专利技术还提供了一种基于多目标数据时域拼接的运动想象脑电数据生成装置，包括：
[0033]度量模块，用于基于目标受试者的单个脑电数据，采用KL散度对其他受试者的单个脑电数据进行相似性度量；其中，所述相似性度量为计算其他受试者的单个电脑数据与所述目标受试者的单个电脑数据的相似性；
[0034]拆解模块，用于将目标受试者的单个脑电数据与其他受试者的单个脑电数据进行时域拆解和拼接；
[0035]生成模块，用于使用其他受试者的数据，将目标受试者的所有脑电训练数据进行基于多目标数据时域拼接的数据生成。
[0036]本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0037]本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0038]本专利技术的有益效果为：
[0039]本专利技术针对现有运动想象脑机接口研究中脑电训练数据较少的问题，提出一种脑卒中康复系统用的基于多目标数据时域拼接的运动想象脑电数据生成方法，解决缺乏目标受试者脑电训练数据匮乏的问题，通过使用其他受试者的脑电数据生成目标受试者的脑电训练数据，提升当前受试者脑电数据的分类识别效果。
附图说明
[0040]图1为本专利技术一实施例的方法流程示意图。
[0041]图2为本专利技术中脑电数据拆解拼接示意图。
[0042]图3为本专利技术一实施例的装置结构示意图。
[0043]图4为本专利技术一实施例的计算机设备内部结构示意图。
[0044]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0045]应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0046]如图1所示，本专利技术提供了一种基于多目标数据时域拼接的运动想象脑电数据生成方法，包括：
[0047]S1、基于目标受试者的单个脑电数据，采用KL散度对其他受试者的单个脑电数据进行相似性度量；其中，所述相似性度量为计算其他受试者的单个电脑数据与所述目标受试者的单个电脑数据的相似性；
[0048]步骤S1具体包括：
[0049]S11、将所述目标受试者的单个脑电数据表示为其他受试者的单个脑电数据表示为其中，C与S分别表示导联数量与采样点个数；
[0050]S12、计算所述目标受试者的单个脑电数据和其他受试者的单个脑电数据的协方差矩阵；计算公式为：
[0051][0052]其中，tr(
·
)为矩阵的迹。
[0053]S13、计算所述目标受试者与其他受试者脑电数据的协方差矩阵之间的KL散度；计算公式为：
[0054][0055]其中，I
C本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标数据时域拼接的运动想象脑电数据生成方法，其特征在于，包括：基于目标受试者的单个脑电数据，采用KL散度对其他受试者的单个脑电数据进行相似性度量；其中，所述相似性度量为计算其他受试者的单个电脑数据与所述目标受试者的单个电脑数据的相似性；将目标受试者的单个脑电数据与其他受试者的单个脑电数据进行时域拆解和拼接；使用其他受试者的数据，将目标受试者的所有脑电训练数据进行基于多目标数据时域拼接的数据生成。2.根据权利要求1所述的基于多目标数据时域拼接的运动想象脑电数据生成方法，其特征在于，所述基于目标受试者的单个脑电数据，采用KL散度对其他受试者的单个脑电数据进行相似性度量的步骤，包括：将所述目标受试者的单个脑电数据表示为其他受试者的单个脑电数据表示为其中，C与S分别表示导联数量与采样点个数；计算所述目标受试者的单个脑电数据和其他受试者的单个脑电数据的协方差矩阵；计算所述目标受试者与其他受试者脑电数据的协方差矩阵之间的KL散度；其中，所述目标受试者的单个脑电数据和其他受试者的单个脑电数据的KL散度越小，则相似度越高。3.根据权利要求2所述的基于多目标数据时域拼接的运动想象脑电数据生成方法，其特征在于，所述计算所述目标受试者的单个脑电数据和其他受试者的单个脑电数据的协方差矩阵的步骤中，计算公式为：其中，tr(
·
)为矩阵的迹。4.根据权利要求2所述的基于多目标数据时域拼接的运动想象脑电数据生成方法，其特征在于，所述计算所述目标受试者与其他受试者脑电数据的协方差矩阵之间的KL散度的步骤中，计算公式为：其中，I
C
表示维度为C的单位矩阵。5.根据权利要求3所述的基于多目标数据时域拼接的运动想象脑电数据生成方法，其特征在于，所述将目标受试者的单个脑电数据与其他受试者的单个脑电数据进行时...

【专利技术属性】
技术研发人员：黄柳舟，
申请(专利权)人：意念中枢重庆科技有限公司，
类型：发明
国别省市：