[发明专利]少通道脑机接口EEG信号的特征提取方法

说明书

本发明公开了少通道脑机接口EEG信号的特征提取方法，尤其涉及用于脑机接口的信号处理方法，属于认知神经科学、信息处理相交叉的技术领域。本发明通过基于sin波辅助信号的多变量经验模式分解将少通道EEG信号扩容至多通道，通过将多通道合成信号映射在多维球体上以获取投影极限值瞬时时刻及其对应的通道信号，由投影极限瞬时时刻及其对应的通道信号确定多通道合成信号局域均值，以多通道合成信号及其局域均值的差值为固有模态函数，经过多次迭代计算获得多个固有模态函数。本发明提出的基于sin波辅助信号的多变量经验模式分解有效克服了传统多变量经验模式分解的模态混叠的缺点，能够提高脑机接口系统的分类正确率。

技术领域

本发明公开了少通道脑机接口EEG信号的特征提取方法，尤其涉及脑机接口的信号处理方法，属于认知神经科学和信号处理相交叉的技术领域。

背景技术

脑机接口(Brain-Computer Interface,BCI)是大脑与外部环境之间建立的一种信息交互和控制通道，人们利用这种通道可以不需要通过语言或肢体动作就能够进行大脑控制意识的表达，从而实现了对外部设备的操控。BCI系统的关键是将大脑控制意识进行精确的分类以区分不同的控制操作，对于脑信号进行有效的特征提取和分类是有关BCI系统性能指标的关键技术。考虑到设备成本和便携性，目前的BCI的信号来源主要使用脑电图(Electroencephalography,EEG)信号，其中，少通道EEG信号是BCI系统商品化和实用化的基本要求。

EEG通道数的减少使得可供BCI系统进行特征提取和分类的信息量减少，需要采用信号处理的方法对少通道EEG信号进行信息扩容和发掘。同时，由于BCI的EEG信号具有非线性非平稳的特性，需要选用针对非线性非平稳特性的信号处理方法对EEG进行信号处理。多变量经验模态分解(Multivariate Empirical Mode Decomposition，MEMD)是一种新型的自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。MEMD将信号分解为有限个固有模态函数(Intrinsic Mode Function，IMF)，各个IMF分量包含了原始信号的不同时间尺度的局部特征，但是传统的MEMD存在较为严重的模态混叠，这使得传统MEMD在实际使用中的效果受到一定的制约。

共空间模式(Common Spatial Patterns，CSP)是BCI系统中广泛使用的一种特征提取方法，使用CSP对BCI的训练集数据进行学习可以得到使方差差异最大化的最优空间滤波器，将此最优空间滤波器应用到待分类的BCI信号上可以得到差异最大化的特征，为提升BCI系统的分类效果提供帮助。然而，针对多通道数据的CSP对少通道数据特征提取的效果欠佳，CSP这一特点制约了其在少通道BCI系统中的应用。

本发明旨在提出一种改进的MEMD对少通道EEG信号进行信息扩容和发掘，对扩容后的数据采用共空间模式提取特征以实现提高BCI系统分类争取类的发明目的。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供了少通道脑机接口EEG信号的特征提取方法，利用sin波作为辅助信号对少通道EEG信号进行多变量经验模式分解实现了EEG信号时频特性信息的扩容，减少模态混叠进而提高了BCI系统的分类正确率，解决了共空间模式提取少通道脑机接口EEG信号特征的效果不佳这一技术问题。

本发明为实现上述发明目的采用如下技术方案：

少通道脑机接口EEG信号的特征提取方法，包括如下步骤：

A、针对运动想象的BCI指令采集少通道脑机接口各通道的EEG信号，

B、构建单通道sin波辅助信号并对单通道sin波辅助信号和各通道EEG信号组成的多通道合成信号进行多变量经验模式分解得到单通道sin波辅助信号对应的固有模态函数和各通道EEG信号对应的固有模态函数，

C、采用共空间模式对各通道EEG信号对应的固有模态函数进行特征提取。