[发明专利]一种基于稀疏建模的事件相关电位波形图谱求解方法

权利要求书

1.一种基于稀疏建模的事件相关电位波形图谱求解方法，其特征在于，步骤如下：

步骤1：事件相关电位波形图谱的特征在于以下四点(1)：基于含有ERP成分的EEG波形数据，使用任意基于稀疏分解的字典学习方法获取包含EWA和自发成分字典的EEG成分时域波形字典；(2)对波形字典进行无监督聚类，聚类方法可以任意选择；(3)确定聚类后的每类EEG成分时域波形的认知意义；认知意义可以直接通过对时域波形进行分析获取，也可以参考与该类别成分时域波形关联度较高的认知实验数据标签；一般来说，可以通过一类时域波形的频率分布、最大强度和波峰位置识别认知相关成分与非认知相关成分；(4)将每类认知相关脑电成分波形求平均值，即可获得具有认知意义的ERP成分波形图谱，用于后续的分析或识别；

步骤2：数据预处理，包含以下子步骤：

步骤201去噪：不同来源的EEG信号一般含有不同强度的白噪声，在进行分析和处理之前需要将噪声去除，噪声去除方法包括：卡尔曼滤波、小波去噪和稀疏去噪；

步骤202分帧：将EEG样本数据分解为以认知刺激时间开始，认知活动全过程为帧长的单通道数据帧；

步骤203能量归一化：为了保证帧与帧间的能量差异不会使相关图谱条目的波形失真，每帧数据都必须进行能量归一化处理，即系数向量除以所有采样点平方和的平方根，能量差异在重构过程中可以通过系数补偿加以恢复；

步骤3：稀疏字典学习，包括以下子步骤：

步骤301字典初始化：将训练数据中相关度最低的若干个样本作为初始波形字典原子；

步骤302稀疏建模：对所有训练样本进行稀疏建模，获取当前字典下所有样本较优的稀疏模型；

步骤303字典学习：使用上一步骤得到的稀疏模型修正现有波形字典；

步骤304收敛性判断：如果当前误差和稀疏程度已满足事先设定的收敛条件，则进入下一步骤，否则返回步骤202；

步骤4波形字典聚类，包括以下子步骤：

步骤401SOM规模设定：SOM的自组织节点数量需要显著多于ERP成分波形类别以及EEG自发成分类别的总量；

步骤402SOM自组织聚类：使用SOM算法，获取波形字典原子的聚类结果；

步骤5波形字典性质判定，包括以下子步骤：

步骤501基于平稳性度量的ERP波形评价：首先对每一类EEG成分波形原子取均值，而后使用基于差分平稳性度量的方法评估该均值波形的有序程度，从而发现潜在的未知认知活动所引发的ERP波形；依以下指标判定残差的平稳性Smoothness：

其中e为现有波形字典原子对EEG波形进行稀疏建模后得到的还原残差，e′为残差e进行中值滤波后的结果,max(e′)为残差中值滤波结果的最大值，min(e′)为中值滤波结果的最小值；

步骤502认知事件相关的EWA图谱条目认知意义解析：如果训练数据中有认知事件类别相关的信息，则可以通过认知事件类别与EWA图谱条目类别的相关性解析EWA条目的认知意义；

步骤503基于新数据的EWA扩展：使用训练获取的EWA和自发成分波形字典对新的训练数据进行稀疏建模，若误差超过一定水准则首先对残差进行30HZ低通滤波，而后使用步骤501中的平稳性指标度量其平稳性，若平稳性指标低于7则认为存在新的ERP成分波形，将残差作为一个备选EWA图谱条目纳入EWA中；在出现多个新样本数据与该备选EWA条目对应后，则认为该认知相关电位波形确实存在，将其作为一个正式条目纳入EWA中。

2.根据权利要求1所述的基于稀疏建模的事件相关电位波形图谱求解方法，其特征在于：步骤502具体的，使用标签向量与条目类别向量的皮尔逊相关系数进行判断，若二者显著相关，即可认为该类EWA条目指示着对应的认知事件类型。