一种基于多域特征融合的脑电信号在线识别方法技术

本发明专利技术公开了一种基于多域特征融合的脑电信号在线识别方法，属于脑电信号自动识别领域，该方法主要包括：对原始脑电信号进行滤波，再对滤波后的脑电信号进行去中心化；分解去中心化后的每个通道的脑电信号，计算各个通道的IMF分量与原信号的皮尔逊相关系数，选择强相关的分量对每个通道进行信号重建，对EEG信号进行滤波和去噪；提取脑电信号中的时域、频域和空域特征，构造联合特征向量;采用核主成分分析算法进行融合降维，得到融合降维特征向量；搭建纳入半径信息的多核极限学习机模型，并进行训练得到最优模型。本发明专利技术的方法具备高度的实际应用价值，为脑信号分析领域的进一步研究和应用提供了强有力的工具。

【技术实现步骤摘要】

本专利技术涉及脑电信号分类识别技术，具体涉及一种基于多域特征融合的脑电信号在线识别方法。

技术介绍

1、目前，在现代神经科学和运动控制领域，对于运动想象的脑电信号的识别变得越来越重要。这种技术可以为残疾人和健康人提供一种直接将大脑活动转化为运动指令的途径，从而开辟了许多潜在的应用领域，包括神经康复和脑机接口。目前,脑机接口(braincomputer interface,bci)是一种不依赖于正常的由外围神经和肌肉组成的输出通路的通讯控制系统,其中最重要的是基于运动想象(mi)的bci系统，它可以将一个人对运动的想象转化为控制信号来控制外部设备。

2、传统的脑电信号分类方法主要基于时域或频域分析，忽略了空间信息。脑电信号具有高度的受试者特异性和非平稳性,不同运动想象脑电信号识别的准确性仍然是亟待解决的问题,特征提取在运动想象脑电信号的分类中起到了至关重要的作用,因为信号具有维数高的特点,许多学者提出了多种特征提取方法,包括功率谱密度,基于小波的时频分析、希尔伯特一黄变换的时频能量和其他复杂特征来提取具有良好表示能力的特征,然而上述大多数研究都是本文档来自技高网...

【技术保护点】

1.一种基于多域特征融合的脑电信号在线识别方法，其特征在于，包括：

2.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步骤S1包括：

3.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步骤S2包括：

4.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步骤S3包括：

5.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步骤S4包括：

6.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步...

【技术特征摘要】

1.一种基于多域特征融合的脑电信号在线识别方法，其特征在于，包括：

2.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步骤s2包括：

4.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步骤s3包括：

5.根据权利要求1所述的基于多域特征融合的脑电信号在线识别方法，其特征在于，所述步骤s4包括：

6.根据...

【专利技术属性】
技术研发人员：关山，董庭瑞，王福旺，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：