[发明专利]基于左右手运动想象脑电信号的大脑状态识别方法

权利要求书

1.一种基于左右手运动想象脑电信号的大脑状态识别方法，其特征包括如下步骤：

(1)针对脑电信号特点，使用切比雪夫滤波器和独立成分分析方法，消除所述脑电信号中与左右手运动想象对应的大脑活动无关的噪声数据，具体为

(11)利用切比雪夫滤波器去除无关频段噪声数据；

(12)利用独立成分分析方法提取所述脑电信号中的独立成分；

(2)借助独立成分分析反演脑电信号，依次去除各独立成分对所述脑电信号的影响，对比所述脑电信号和独立成分反演数据，选择有效的脑电信号采集区域；

(3)选取不同运动想象模式下对应的脑电信号进行特征提取，建立大脑状态识别模型，具体为

定义由左右手运动想象状态产生的脑电信号特征，为不同大脑状态特征，其实现方法为：

设有两种运动想象模式的脑电信号数据集a和b，每个数据集中包含N次运动想象产生的数据，针对单次运动想象数据x_i，计算其空间协方差R_i：

Ri=xixit/trace(xixit)---(1)]]>

利用数据集a中N个trial数据的空间协方差，计算对应运动想象模式下总体协方差矩阵R_a，计算方法为：

Ra=1NΣi=1NRi---(2)]]>

使用同样方法计算数据集b的总体协方差矩阵R_b，并使用R_a，R_b计算不同数据集之间的复合协方差矩阵R_c：

R_c＝0.5*(R_a+R_b)(3)

对R_c进行特征值分解，并利用分解结果计算复合变换数值P_c：

Rc=Bc·λc·Bct---(4)]]>

Pc=1λc·Bct---(5)]]>

其中I是单位矩阵，

利用P_c对R_a，R_b进行处理，得到S_a，S_b：

Sa=Pc·Ra·Pct---(6)]]>

Sb=Pc·Rb·Pct---(7)]]>

对S_a，S_b进行特征分解，得到：

Sa=Ua·ψa·Uat---(8)]]>

Sb=Ub·ψb·Ubt---(9)]]>

其中I是单位矩阵，至此得到了计算不同运动想象模式特征所需的辅助变量P_c，U_a，U_b，针对数据集a中一个trail的数据集X_i，计算其特征时，首先对数据进行归一化，然后利用U_a，P_c进行转换，即：

x‾=xi/trace(x·xt)---(10)]]>

F=Uat·Pc·x‾---(11)]]>

f=1.frequencyΣj=1frequencyfij2---(12)]]>

其中frequency是数据的采样频率，最后选取向量f中第一个元素和最后五个元素组成数据集x_i的特征向量，将公式(12)中U_a替换为U_b即可计算数据集b中数据的特征向量；

(4)针对待测数据集进行特征提取，组成待测特征向量集，根据步骤(3)的模型，识别对应的大脑状态。