一种基于非均匀频带MFMDRM的运动想象脑电信号分类算法制造技术

本发明专利技术提供了一种基于非均匀频带多滤波器黎曼均值最小距离MFMDRM的运动想象脑电信号分类算法，包括以下步骤：(1)对脑电信号进行预处理；(2)使用多个带通滤波器对脑电信号进行频带滤波，划分为若干个非均匀频带信号；(3)提取每个频带信号的样本协方差特征，将样本空间由欧式空间转换到黎曼空间；(4)对黎曼空间中的样本特征进行类均值协方差矩阵计算，得到每个类别的均值点；(5)使用黎曼流形方法和交叉验证，得到最佳感觉运动频带；(6)对测试信号进行最佳感觉运动频带的带通滤波；(7)使用MDRM进行测试分类。本发明专利技术具有特征信息全面、分类精度高、泛化能力强、频带优化稳定等优点。频带优化稳定等优点。频带优化稳定等优点。

【技术实现步骤摘要】
一种基于非均匀频带MFMDRM的运动想象脑电信号分类算法


[0001]本专利技术涉及电子通信
，特别地，涉及一种基于非均匀频带MFMDRM的运动想象脑电信号分类算法。

技术介绍

[0002]脑机接口可将大脑与外部环境之间建立一种全新的不依赖于外周神经和肌肉的交流与控制通道，通过将大脑信号转化为控制信号，实现大脑与外部设备的直接交互。该技术能够起到监测、替代、改善/恢复、增强、补充的作用，无论是在临床上还是军事、企业的生产制造上都发挥了显著的应用价值。
[0003]在脑机接口系统中，脑电信号(Electroencephalogram，EEG)因其无创、高时间分辨率、低成本等特点成为脑机接口研究中采用最多的信号。运动想象(Motor Imagery，MI)是一种不需要外界刺激，能自发产生的脑电信号，具有事件相关同步和事件相关去同步的特点。不同MI任务的EEG信号通常伴随着不同的感觉运动节律(sensory motor rhythm，SMR)，即各脑区特定频带功率的升高或降低。而且，脑机接口解码方面的一大难点是EEG信号具有显著的个体差异性。
[0004]因此能够主动选择用户具有区别性的特定频带，对于分类任务至关重要。然而，现阶段在黎曼流形分类方面，多采用宽频段的带通滤波，并没有考虑到用户的频段差异性。若能在现有研究的基础上，实现自动提取用户MI
‑
EEG的最优频带特征，将会提高运动想象脑机接口识别率。

技术实现思路

[0005]本专利技术目的在于提供一种基于非均匀频带MFMDRM的运动想象脑电信号分类算法，以解决分类精度不够的技术问题。
[0006]为实现上述目的，本专利技术提供了一种基于非均匀频带多滤波器黎曼最小均值距离MFMDRM(Multi
‑
Filter Minimum Distance Riemannian Mean)的运动想象脑电信号分类算法，包括以下步骤：
[0007](1)对脑电信号进行预处理，提取脑电数据；
[0008](2)使用多个带通滤波器对脑电信号进行频带滤波，划分为若干个非均匀频带信号；
[0009](3)提取每个频带的样本协方差特征，将样本空间由欧式空间转换到黎曼空间；
[0010](4)对黎曼空间中的样本特征进行类均值协方差矩阵计算，得到每个类别的均值点
[0011](5)使用黎曼流形方法和交叉验证得到最佳感觉运动频带；
[0012](6)对测试信号进行最佳感觉运动频带的带通滤波；
[0013](7)采用MDRM(Minimum Distance Riemannian Mean)方法进行分类。
[0014]优选的，步骤(1)的具体方法为：选取样本MI任务提示后0.5
‑
4.5s时间窗的数据。
[0015]优选的，步骤(2)中，运动想象脑机接口的运动意图识别是通过对脑电信号中感觉运动节律SMR的时间相关去同步ERD和时间相关同步ERS特性进行分类实现的。受试者进行运动想象任务时，SMR会发生变化，在脑部的感觉运动区可记录到8
‑
12Hz的μ节律，也可以记录到18
‑
26Hz的β节律脑电波以及部分α和γ节律。然而，SMR因受试者不同、想象运动的肢体或部位不同，其节律成分和带宽会发生变化，并且这种变化因人而异。因此找到试验者的最佳感觉运动频带，将最大程度提高运动意图识别精度。基于这种思路，文章使用7个带通滤波器，将脑电信号频带划分为以下7个非均匀重叠频带：4
‑
8Hz,8
‑
12Hz,12
‑
26Hz,18
‑
26Hz,26
‑
30Hz,30
‑
36Hz,36
‑
40Hz，以找到试验者最佳感觉运动频带。
[0016]优选的，步骤(3)包括：
[0017](3.1)采集脑电信号的电极分布在大脑皮层各脑区，并非一个平面，相比较欧式空间两点之间的距离度量方式，黎曼空间的黎曼度量方法可测量流形两点之间的真实测地距离(Geodesic Distance)，且具有仿射不变性；具体的形式如下：
[0018]δ(C
i
，C
j
)＝δ(X
T
CiX，X
T
C
j
X)
ꢀꢀꢀ
(1)
[0019]C
i
，C
j
是黎曼流形上的两个样本点(i,j分别第i和j个样本)，δ为两个点之间的黎曼距离，X为混合信号,上标T表示矩阵转置。
[0020](3.2)黎曼仿射不变性可以使传感器空间样本点之间的距离与源空间保持一致；
[0021]假设测量到的脑电信号生成模型为x＝A
·
s，其中s为脑偶极源的线性混合信号，由偶极子在大脑中的位置用户状态和头皮上电极的位置决定，A为混合矩阵，，S
i
，S
j
为源空间任意两个样本的协方差矩阵，则传感器空间i和j样本的协方差矩阵为
[0022]C
i
＝x
i
·
x
iT
＝A
T
s
iT
s
i
A＝A
T
S
i
A
ꢀꢀꢀ
(2)
[0023]C
j
＝x
j
·
x
jT
＝A
T
s
jT
s
j
A＝A
T
S
j
A
ꢀꢀꢀ
(3)
[0024]由黎曼度量的仿射不变性可知，
[0025]δ(C
i
，C
j
)＝δ(X
T
S
i
X，X
T
S
j
X)＝δ(S
i
，S
j
)
ꢀꢀꢀ
(4)
[0026]无论A发生什么变化，都能保持特征空间的信息不变，相比欧式度量，黎曼度量具有更好的泛化能力；
[0027](3.3)对于第i个试次，样本协方差矩阵C
i
εR
n
×
n
的计算方式如下：
[0028][0029]其中，C
i
为样本协方差矩阵的无偏估计，n为样本数，X为原始脑电信号矩阵，上标T表示矩阵转置，Ts为每个样本的采样时间点数量。
[0030]优选的，步骤(4)的具体方法为：已知n∈R属于四个类别，每个类别C
i
的均值协方差矩阵计算方法为：
[0031][0032]其中，K为每个类别的样本数，，δ
R
为两个样本点之间的黎曼距离。
...

【技术保护点】

【技术特征摘要】
1.一种基于非均匀频带MFMDRM的运动想象脑电信号分类算法，其特征在于，包括以下步骤：(1)对脑电信号进行预处理，提取脑电数据；(2)使用多个带通滤波器对脑电信号进行频带滤波，划分为若干个非均匀频带信号；(3)提取每个频带信号的样本协方差特征，将样本空间由欧式空间转换到黎曼空间；(4)对黎曼空间中的样本特征进行类均值协方差矩阵计算，得到每个类别的均值点；(5)使用黎曼流形方法和交叉验证，得到最佳感觉运动频带；(6)对测试信号进行最佳感觉运动频带的带通滤波(7)使用MDRM方法进行测试分类。2.根据权利要求书1所述的一种基于非均匀频带MFMDRM的运动想象脑电信号分类算法，其特征在于，步骤(1)的具体方法为：选取样本MI任务提示后0.5
‑
4.5s时间窗的数据。3.根据权利要求书1所述的一种基于非均匀频带MFMDRM的运动想象脑电信号分类算法，其特征在于，步骤(2)中，运动想象脑机接口的运动意图识别是通过对脑电信号中感觉运动节律SMR的时间相关去同步ERD和时间相关同步ERS特性进行分类实现的；使用7个带通滤波器，将脑电信号频带划分为以下7个非均匀重叠频带：4
‑
8Hz,8
‑
12Hz,12
‑
26Hz,18
‑
26Hz,26
‑
30Hz,30
‑
36Hz,36
‑
40Hz，以找到试验者最佳感觉运动频带。4.根据权利要求书1所述的一种基于非均匀频带MFMDRM的运动想象脑电信号分类算法，其特征在于，步骤(3)包括：(3.1)采集脑电信号的电极分布在大脑皮层各脑区，并非一个平面，相比较欧式空间两点之间的距离度量方式，黎曼空间的黎曼度量方法可测量流形两点之间的真实测地距离(Geodesic Distance)，且具有仿射不变性；具体的形式如下：δ(C
i
，C
j
)＝δ(X
T
C
i
X，X
T
C
j
X)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)C
i
，C
j
是黎曼流形上的两个样本点(i,j分别第i和j个样本)，δ为两个样本之间的黎曼距离，X为混合信号，上标T表示矩阵转置；(3.2)黎曼仿射不变性可以使传感器空间样本点之间的距离与源空间保持一致；假设测量到脑电信号生成模型为x＝A
·
s，其中s为脑偶极源的线性混合信号，由偶极子在大脑中的位置用户状态和头皮上电极的位置决定，A为混合矩阵，S
i
，S
j
为源空间任意两个试次的协方差矩阵，则传感器空间i和j的样本协方差矩阵为C
i
＝x
i
·
x
iT
＝A
T
s
iT
s
i
A＝A
T
S
i
A
ꢀꢀꢀꢀ
(2)C
j
＝x
j
·
x
jT
＝A
T<...

【专利技术属性】
技术研发人员：谭平，苏晓萌，刘坤，周鲜成，王莉，申毅，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：