一种多域特征融合的脑电信号识别方法技术

本发明专利技术涉及脑电信号识别的技术领域，公开了一种多域特征融合的脑电信号识别方法，所述方法包括：对采集的脑电信号进行滤波处理；对滤波脑电信号进行去除生物体电信号干扰的降噪处理；对降噪后的脑电信号进行图像化表示以及频域特征提取；对提取得到的频域特征进行时域分析；构建深度脑电信号识别模型并进行所采集脑电信号的识别。本发明专利技术采用希尔伯特黄变换的方式从脑电信号的分解结果中过滤低频噪声信号，实现脑电信号中肌电干扰、眼电干扰的滤波处理，对脑电信号进行图像化表示以及频域特征提取，采用双向时域特征提取的方式从频域特征中提取脑电信号的时域特征，实现多域特征的提取融合处理，基于融合结果识别得到脑电信号的类别。

【技术实现步骤摘要】

本专利技术涉及脑电信号识别的，尤其涉及一种多域特征融合的脑电信号识别方法。

技术介绍

1、脑电信号是一种记录脑部电活动的非侵入性生物信号，具有高时序分辨率和低成本的优势。脑电信号的分析和识别在神经科学、脑机接口、认知科学等领域具有重要的应用价值。然而，由于脑电信号的复杂性和噪声干扰，准确地识别和解读脑电信号仍存在较大问题。传统的脑电信号分析方法主要基于单一特征或特定频段进行分析，但这种方法忽略了脑电信号在不同频段和时间尺度上的多样性和动态性。针对该问题，本专利技术提出一种多域特征融合的脑电信号识别方法，剔除肌电干扰、眼电干扰等生物体噪音干扰，实现脑电信号精准识别。

技术实现思路

1、有鉴于此，本专利技术提供一种多域特征融合的脑电信号识别方法，目的在于：1)对所采集脑电信号进行多分解尺度的分解处理，将非线性稳定的脑电信号转换为线性稳定的分解结果，采用希尔伯特黄变换的方式从分解结果中过滤低频噪声信号，实现脑电信号中肌电干扰、眼电干扰的滤波处理，并对不同分解尺度的滤波处理结果依次进行滑动窗口处理，并计算不同滑动窗口本文档来自技高网...

【技术保护点】

1.一种多域特征融合的脑电信号识别方法，其特征在于，所述方法包括：

2.如权利要求1所述的一种多域特征融合的脑电信号识别方法，其特征在于，所述S1步骤中采集脑电信号，并对采集的脑电信号进行滤波处理，包括：

3.如权利要求2所述的一种多域特征融合的脑电信号识别方法，其特征在于，所述S2步骤中对滤波脑电信号进行去除生物体电信号干扰的降噪处理，包括：

4.如权利要求1所述的一种多域特征融合的脑电信号识别方法，其特征在于，所述S3步骤中对降噪后的脑电信号进行图像化表示，包括：

5.如权利要求4所述的一种多域特征融合的脑电信号识别方法，其特征在于，所...

【技术特征摘要】

1.一种多域特征融合的脑电信号识别方法，其特征在于，所述方法包括：

2.如权利要求1所述的一种多域特征融合的脑电信号识别方法，其特征在于，所述s1步骤中采集脑电信号，并对采集的脑电信号进行滤波处理，包括：

3.如权利要求2所述的一种多域特征融合的脑电信号识别方法，其特征在于，所述s2步骤中对滤波脑电信号进行去除生物体电信号干扰的降噪处理，包括：

4.如权利要求1所述的一种多域特征融合的脑电信号识别方法，其特征在于，所述s3步骤中对降噪后的脑电信号进行...

【专利技术属性】
技术研发人员：侯尧，顾正晖，俞祝良，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：