[发明专利]基于脑机接口的用户特征模型建立方法、系统及存储介质

权利要求书

1.基于脑机接口的用户特征模型建立方法，其特征是，包括：

对运动想象脑电信号进行采集，对采集的运动想象脑电信号进行预处理；

对经过预处理的运动想象脑电信号进行傅里叶变换得到频谱，同时对预处理的运动想象脑电信号进行希尔伯特黄变换得到瞬时振幅和瞬时相位，对频谱、瞬时振幅和瞬时相位进行特征提取；

利用遗传算法对提取的特征进行特征筛选，利用筛选的特征对分类器进行训练；

将训练好的分类器作为用户特征模型输出；

其中，利用遗传算法对提取的特征进行特征筛选的步骤为：

步骤(1)：种群初始化：设置种群包括若干个个体，每个个体有若干个基因；

每个个体的基因个数＝通道数*特征数；

所述通道数，是指用于脑电信号采集的电极帽的数量，一个电极帽对应一个通道；每个通道采集六个脑电特征；所述六个脑电特征，包括：熵、能量均值、标准方差、锁相值、各频率加权之后的平均值和带宽；

步骤(2)：设定适应度函数：采用分类器输出结果分类准确率作为适应度函数的值，适应度函数的值越高，说明当前通道的当前特征包含的有用信息越多，被选择的概率就越大；

步骤(3)：编码：每一个基因被设定为0或者1，0代表当前脑电采集通道的当前特征没有被选择，1则代表当前通道的当前特征被选择；

步骤(4)：种群的选择、交配和变异：

运用轮盘赌方法以设定的概率筛选出优秀的个体，即各个个体被选中的概率与其适应度大小成正比；

并且将优秀的个体进行交配运算，即优秀个体的编码都以设定的概率进行互换，从而产生新的个体；

随后，每个基因都以设定概率发生变异，即0以设定的概率变为1，1以设定的概率变为0；

步骤(5)：解码：根据步骤(3)基因的编码，将每个个体的二进制编码转换为每个特征是否被选择的信息；

步骤(6)：适应度计算：用被选择的特征及其标签训练和测试分类器，得出测试正确率作为个体的适应度；

步骤(7)：判断是否满足停止准则：求出当前代中最优的适应度，当最优适应度函数值在设定个代中未变大，则停止迭代，取整个进化迭代过程中最优适应度函数值对应的特征作为模型的最终特征；否则，回到步骤(3)继续迭代。

2.如权利要求1所述的基于脑机接口的用户特征模型建立方法，其特征是，还包括：

应用用户特征模型时，对待分类运动想象脑电信号同样进行预处理、变换、特征提取和特征筛选后，利用筛选的特征输入到用户特征模型中，得到分类结果。

3.如权利要求1所述的基于脑机接口的用户特征模型建立方法，其特征是，所述对运动想象脑电信号进行采集，包括：

利用脑机接口，采集用户在设定运动想象种类和设定时间条件下的脑电信号；将采集的运动想象脑电信号与对应的运动想象种类标签存储。

4.如权利要求1所述的基于脑机接口的用户特征模型建立方法，其特征是，所述对采集的运动想象脑电信号进行预处理，包括：

对采集的运动想象脑电信号进行带通滤波。

5.如权利要求4所述的基于脑机接口的用户特征模型建立方法，其特征是，

所述对采集的运动想象脑电信号进行带通滤波，是指：

保留Mu节律和Beta节律的运动想象脑电信号。

6.如权利要求1所述的基于脑机接口的用户特征模型建立方法，其特征是，所述对经过预处理的运动想象脑电信号进行希尔伯特黄变换得到瞬时振幅和瞬时相位，包括：

对经过预处理的运动想象脑电信号进行经验模态分解得到瞬时振幅；对瞬时振幅进行希尔伯特变换得到瞬时相位。

7.如权利要求1所述的基于脑机接口的用户特征模型建立方法，其特征是，所述对频谱、瞬时振幅和瞬时相位进行特征提取，包括：

提取基于时域的特征、基于相位的特征和基于频谱的特征；

所述基于时域的特征，包括：熵、能量均值和标准方差；

所述基于相位的特征，包括：锁相值；

所述基于频谱的特征，包括：带宽和各频率的加权平均值。