[发明专利]一种结合多时段多频段CSP算法的运动想象脑电解码方法

权利要求书

1.一种结合多时段多频段CSP算法的运动想象脑电解码方法，其特征在于：先利用MTF-CSP算法对运动想象脑电信号进行特征提取，再通过SVM分类器对提取到的特征进行分类识别，并对识别结果进行最终决策，具体步骤如下：

步骤一在运动想象脑电数据上截取n个滑动时间窗信号，对每个时间窗信号分离出若干频段的子带信号；

步骤二对步骤一中的n个滑动时间窗信号按时间顺序进行特征提取得到n组特征值，具体利用CSP算法对每个时间窗信号的多个子带信号进行特征提取；

步骤三使用SVM分类器对步骤一和步骤二中MTF-CSP算法提取到的运动想象特征进行分类识别，并结合对应的决策方法得到最终识别结果。

2.根据权利要求1所述的结合多时段多频段CSP算法的运动想象脑电解码方法，其特征在于：

所述步骤一中截取n个长度为w的时间窗，截取步长为s，对于每个时间窗信号，分离出7个频段的子带信号，7个频段分别为8-13Hz，8-10Hz，10-13Hz，13-30Hz，13-18Hz，18-23Hz，23-30Hz，再经过所述步骤二利用CSP算法对单个时间窗信号的每个频段的子带信号提取得到一组特征值，将7个频段的特征值首尾相连形成一个长度为2m×7的特征向量，作为单个时间窗信号的单次运动想象脑电特征，总计得到n组2m×7的特征向量。

3.根据权利要求2所述的结合多时段多频段CSP算法的运动想象脑电解码方法，其特征在于：

所述步骤二中CSP算法是利用矩阵的对角化，找到一组最优空间滤波器进行投影，使得两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量，两类信号X₁和X₂归一化后的协方差矩阵如下：

式中，表示矩阵X₁的转置，表示矩阵X₂的转置，表示矩阵对角线上元素之和，表示矩阵对角线上元素之和，之后求取混合空间的协方差矩阵：

为X₁的平均协方差矩阵，为X₂的平均协方差矩阵；

根据式(3)得到的混合空间协方差矩阵进行特征值分解：

R＝UλU^T (4)

其中，U是矩阵λ的特征向量矩阵，λ是矩阵R特征值构成的对角阵，特征值按降序排序，计算白化值矩阵：

由式(5)求得的白化矩阵和式(1)，式(2)的归一化协方差矩阵求出公共特征向量矩阵：

S₁＝PR₁P^T (6)

S₂＝PR₂P^T (7)

然后对S₁，S₂进行主分量分解：

(8)，(9)式中，矩阵S₁，S₂的特征向量矩阵相等，即：

B₁＝B₂＝B (10)

与此同时，特征值对应的对角矩阵λ₁和λ₂之和为单位矩阵I：

λ₁+λ₂＝I (11)

投影矩阵由式(5)计算出的白化矩阵和式(10)的公共特征向量矩阵决定，得到投影矩阵：

W＝B^TP (12)

最终的CSP滤波器W_CSP由从投影矩阵中选出的m个最大值和m个最小值组成，最终提取到长度为2m的特征向量，即单频段单时段信号的CSP特征向量为：X_CSP＝[x₁，...，x_2m]。