[发明专利]一种多类运动想象脑电信号特征提取及分类方法

权利要求书

1.一种多类运动想象脑电信号特征提取及分类方法，其特征在于，包括以下步骤：

第一步，使用脑电采集设备采集被试者不同运动想象状态下的多导联脑电信号，并划分为训练集和测试集；

第二步，信号预处理，采用巴特沃斯滤波器和共平均参考去除训练集脑电信号中的工频干扰和基线漂移这些噪声，并对降噪后的信号进行镜像延拓处理；

第三步，将镜像延拓后的脑电信号进行局部均值分解，得到一系列PF分量，截去各PF分量的延拓部分，获得原脑电信号的PF分量；

第四步，根据云理论中的熵和超熵两个特征参数确定阈值，通过阈值来筛选有效PF分量，并将各导联PF分量依次排列构成新的信号矩阵；

第五步，利用共空间模式对不同运动想象任务的信号矩阵进行特征提取，构造特征向量；

第六步，运用多目标灰狼优化算法优化孪生支持向量机参数，并进行训练学习，得到分类器模型；

第七步，提取测试集运动想象脑电信号特征，并通过第六步得到的孪生支持向量机进行分类，完成对多类运动想象脑电信号的识别。

2.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第二步的具体步骤如下：

步骤1：选取运动想象相关的多导联脑电信号，其中为采样点数，为所选取的导联数量, 表示第导联的脑电信号

（，）；

步骤2：通过巴特沃斯滤波器对进行带通滤波，得到带通滤波后信号；

步骤3：利用共平均参考对滤波后的信号进行降噪处理，得到降噪后信号：

步骤4：对降噪后信号执行镜像扩展，扩展序列定义为：

式中：为镜像延拓后的脑电信号，其中。

3.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第三步的具体步骤如下：

步骤1：对执行局部均值分解，得到若干个PF分量：

式中：表示第个导联第次筛选得到的PF分量，为残余分量；

步骤2：截取分量中片段的样本点，得到原脑电信号的PF分量，其中。

4.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第四步的具体步骤如下：

步骤1：根据云理论计算的熵En和超熵He两个特征参数来确定阈值，通过阈值选取有效PF分量：

式中：和分别表示第个导联第个PF分量的熵和超熵，为的均值，为的二阶中心矩；

步骤2：将中的有效PF分量依次排列，构成，其中。

5.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第四步中信号矩阵是通过对其余导联脑电数据均进行上述预处理、局部均值分解、PF分量筛选这些操作得到，记为，其中为有效PF分量的总个数。

6.根据权利要求1所述的多类运动想象脑电信号特征提取及分类方法，其特征在于，所述第五步的具体步骤如下：

步骤1：针对第1类和第2类运动想象任务的信号矩阵和，首先分别计算和的平均协方差矩阵和，并求出混合协方差矩阵，然后计算白化矩阵，并对和进行白化处理，得到白化后矩阵和，最后对和进行特征分解，得到共同特征向量矩阵，并选取前行和后行组成矩阵,从而构造出空间滤波器；

步骤2：同理对每两类运动想象任务进行步骤1处理，共构造个空间滤波器，其中为运动想象任务的类别数目，并将属于第类空间滤波器进行纵向拼接,构造第类运动想象任务的总体空间滤波器；

步骤3：首先对第类运动想象任务单次样本进行空间滤波：

式中, 表示第类运动想象任务单个样本的特征矩阵；

然后对矩阵进行特征提取，计算公式如下：

式中：表示方差，，其中，则第类运动想象脑电信号特征向量，同理构造出每类运动想象任务的特征向量。