一种基于个体决策行为的脑电信号特征提取方法技术

本发明专利技术属于脑电信号处理技术领域，特别涉及一种基于个体决策行为的脑电信号特征提取方法，包括：对脑电信号进行盲源分离降噪处理；获取降噪后的脑电信号非负频谱数据，根据非负频谱数据构建非负矩阵分解模型；初始化非负矩阵分解模型中的基数据矩阵和系数矩阵；根据基数据矩阵和系数矩阵计算初始的贝尔曼误差；将非负矩阵分解模型转换为欧氏距离函数，并进行迭代分解更新；计算每一次迭代的贝尔曼误差；根据初始贝尔曼误差设置迭代停止条件，若当前的贝尔曼误差满足迭代条件，则输出当前分解更新的矩阵，否则重新进行迭代分解；本发明专利技术采用贝尔曼误差之差对非负矩阵分解算法进行优化，能有效提高非负矩阵分解模型的性能。

【技术实现步骤摘要】

本专利技术属于脑电信号独立成分提取，特别涉及一种基于个体决策行为的脑电信号特征提取方法。

技术介绍

1、脑机接口技术在医疗和生活服务领域有广泛的应用，为可穿戴产品提供更智能、更便捷的控制方式。将其与用户决策偏好行为的分析结合，可以对相关的可穿戴设备提供产品优化方案。其中，对于脑-接口技术来说，最重要的是脑信号分析方法。基于此，本专利技术对个体决策行为下的脑信号分析方法进行研究，以深化对个体决策行为背后的神经机制的理解，并优化脑信号分析方法，推动脑机接口技术在实际场景中的应用，为脑机接口可穿戴设备的产品质量改进提供技术支持。此外，个体的决策行为还受到个人偏好、情感状态、社会环境以及个人决策策略等多种因素的影响。近年来，管理学研究逐渐转向客观方法，不再局限于传统的问卷调查，而是更多地采用决策行为测验和神经科学手段相结合的方法来获取数据。

2、脑电信号(eeg)是通过记录头皮或大脑皮层中的电信号来反映大脑神经细胞活动的一种技术。随着技术的进步，研究人员开始关注脑电信号与个体决策行为之间的关系。例如，一些研究表明，领导者的大脑活动模式与决策过程中的认知本文档来自技高网...

【技术保护点】

1.一种基于个体决策行为的脑电信号特征提取方法，其特征在于，包括：获取个体决策行为脑电信号；对脑电信号进行盲源分离降噪处理；获取降噪后的脑电信号非负频谱数据，根据非负频谱数据构建非负矩阵分解模型，其中的基数据矩阵和系数矩阵代表了脑电信号的特征和脑电信号特征的激活程度；初始化非负矩阵分解模型中的基数据矩阵和系数矩阵；根据基数据矩阵和系数矩阵计算初始的贝尔曼误差δ0；将非负矩阵分解模型转换为欧氏距离函数，并进行迭代分解更新；计算每一次迭代更新后的贝尔曼误差，采用贝尔曼误差对模型进行优化；根据初始贝尔曼误差设置迭代停止条件，若当前的贝尔曼误差满足迭代条件，则输出当前分解更新的矩阵，否则重新进行...

【技术特征摘要】

1.一种基于个体决策行为的脑电信号特征提取方法，其特征在于，包括：获取个体决策行为脑电信号；对脑电信号进行盲源分离降噪处理；获取降噪后的脑电信号非负频谱数据，根据非负频谱数据构建非负矩阵分解模型，其中的基数据矩阵和系数矩阵代表了脑电信号的特征和脑电信号特征的激活程度；初始化非负矩阵分解模型中的基数据矩阵和系数矩阵；根据基数据矩阵和系数矩阵计算初始的贝尔曼误差δ0；将非负矩阵分解模型转换为欧氏距离函数，并进行迭代分解更新；计算每一次迭代更新后的贝尔曼误差，采用贝尔曼误差对模型进行优化；根据初始贝尔曼误差设置迭代停止条件，若当前的贝尔曼误差满足迭代条件，则输出当前分解更新的矩阵，否则重新进行迭代分解。

2.根据权利要求1所述的一种基于个体决策行为的脑电信号特征提取方法，其特征在于，对脑电信号进行盲源分离降噪处理包括：

3.根据权利要求1所述的一种基于个体决策行为的脑电信号特征提取方法，其特征在于，非负矩阵分解模型的表达式为：

4.根据权利要求1所述的一种基于个体决策行为的脑电信号特征提取方法，其特征在于，计算初始的贝尔曼误差为：

5.根据权利...

【专利技术属性】
技术研发人员：余海燕，牛军利，邓兴媛，唐金香，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：