[发明专利]一种脑电信号模式多分类的优选样本数抽样方法

说明书

本发明公开了一种脑电信号模式多分类的优选样本数抽样方法，本发明首先采集对不同颜色的视觉刺激图像的脑电信号，并提取特征向量，以及降维处理，得到待分类的特征数据，然后基于设置的分类方法，取值为0.5～1的等间隔的多个抽样率，获取每个抽样率的颜色分类准确率，基于颜色分类准确率最高的抽样率或前M_c个颜色分类准确最高的抽样率中的最小者得到当前分类方法的优选样本数。本发明通过对分类样本数的抽样分析，可以寻找脑电多分类问题中更适合的样本数，减小训练样本数对分类效果的影响，在结果分析上，避免因为样本数的差异导致对不同分类器分类性能的错误评估。

技术领域

本发明属于神经信息技术领域，具体涉及脑电信号的模式分类，尤其是对稳态视觉诱发电位信号的多分类方法。

背景技术

稳态视觉诱发电位，是当人所看到的视觉刺激以一定的频率(大于1Hz)进行闪烁，大脑皮层中所产生的脑电信号，该信号的功率谱在视觉刺激频率处有极高的信噪比，常用于脑电信号的模式分类研究，通过对脑电信号中对应于视觉刺激频率处的信号特征用模式分类方法来预测视觉刺激中所包含的信息。

对脑电信号的模式分类效果会受到多种因素的干扰，包括视觉刺激形式、信号质量、特征提取方式、分类器类型、样本数、分类器参数等。因此，在数据分析阶段需要注意控制多方面的因素。其中，样本数的多少直接影响到实验设计，同时也会影响分类结果，并且不同类型的分类器受到样本数的影响也不同，因此需要解决样本数的优选问题，这将影响稳态视觉诱发实验设计、特征提取方法、以及分类器的选择。

发明内容

本发明的发明目的在于：为了找出不同分类器(不同颜色的类别)所需要的优选训练样本数量，以便降低分类所用样本数对实验结果的影响，得到脑电多分类实验的更好的分类结果，本发明采用重复随机抽样的方法，通过改变抽样样本数，来得到使用不同样本数进行训练和分类的分类效果，以得到分类问题中更高的分类准确率；进而为后续的相关实验设计提供参考，减少不必要的实验时间，或者获取更多有效的实验数据。

本发明的脑电信号模式多分类的优选样本数抽样方法，包括下列步骤：

步骤1：采集三维脑电数据：

设置N_c种颜色的棋盘格视觉刺激图像，所述N_c种颜色等亮度和等饱和度，色调从0度到300度以固定步长变化；

将所述视觉刺激图像以预设频率f₁(例如7.5Hz)周期闪烁呈现，每次只呈现一种颜色，持续时间为T₁，并采用脑电策略设备采集关于所述视觉刺激图像的重复刺激下的脑电信号，得到三维脑电数据，所述三维包括导联数、刺激重复次数和时间样本点；并以重复刺激出现时刻为零点对齐所述三维脑电数据后，进行预处理：包括平均参考、带通滤波和基线校准；

步骤2：基于预处理后的三维脑电数据，采用快速傅里叶方法计算刺激出现后的时间窗(例如1000毫秒-2000毫秒)内的功率谱密度；

设置时-频窗口数K(例如K的取值为5)，每个时-频窗口的频率窗口宽度为w_k，其中k＝1,2,…,K，优选为每个时-频窗口的频率窗口宽度相同；

分别以K个中心频率f_k＝kf₁得到K个时-频窗口，并计算每个导联的每个时-频窗口的信噪比特征：其中，p(·)表示各频点的功率，由K个信噪比特征得到每个导联数据的特征向量，由所有导联数据的特征向量得到一个刺激重复次数的特征向量矩阵(导联数*K)；

步骤3：对所有刺激重复的特征向量矩阵进行特征降维处理，得到最终的待分类特征数据(特征数*刺激重复次数)，例如利用主成分分析法对步骤2获得的所有刺激重复的特征向量矩阵进行降维，保持95％的信息量，可以获得一个二维特征数据(特征数*刺激重复次数)；