[发明专利]一种基于Multi‑bandsFDBN的运动想象脑电信号的特征提取方法

权利要求书

1.一种基于Multi-bands FDBN的运动想象脑电信号的特征提取方法，其特征在于，包括以下步骤：

1)、首先利用带通滤波器将原始的脑电信号分成多个频段，接着对各频段采用FFT将时域信号转换为频域信号；使用全局min-max的方式对各频域信号作归一化处理；

2)、将步骤1)归一化处理后的各频域数据输入深度置信网络DBN进行训练识别，对经过预处理的脑电信号进行特征提取；

3)、将深度置信网络DBN后接Softmax分类器对步骤2)提取到的特征进行分类，并采用加权计算的方式将多个softmax分类器的结果进行融合，输出最终的分类结果。

2.根据权利要求1所述的基于Multi-bands FDBN的运动想象脑电信号的特征提取方法，其特征在于，所述步骤1)中，利用带通滤波器将原始的脑电信号分成多个频段具体包括：将多个带通滤波器组成的滤波器组，根据带通滤波器的参数而保留对应的频带信息，为了尽可能地涵盖多个频带，滤波器组中各个带通滤波器的带宽设置为5，相邻滤波器之间的步长为1，原始脑电信号经滤波器组处理后，将分成多频段数据。

3.根据权利要求1或2所述的基于Multi-bands FDBN的运动想象脑电信号的特征提取方法，其特征在于，所述FFT算法简化了DFT算法的过程，原始的DFT算法的表达式如下：

其中

N表示频率点，x(n)表示输入的离散信号序列；

FFT算法利用算子具有周期性及对称性的特点，加快了运算过程，使得算法的计算复杂度改进为O(N·log(N))，DFT可以根据奇偶分成两部分计算：

X(k)=Σn=0N-1x(n)WNkn=Σm=0N/2-1x(2m)·WNk·(2m)+Σm=0N/2-1x(2m+1)·WNk·(2m+1)=Σm=0N/2-1x(2m)·WN/2km+WNkΣm=0N/2-1x(2m+1)·WN/2km]]>

当n为偶数时，可表示为2m，n为奇数时，可表示为2m+1。