[发明专利]基于相关性的运动想象的导联选择方法及装置

权利要求书

1.一种基于相关性的运动想象的导联选择方法，包括：

步骤S1，预处理，对原始获取的EEG信号利用巴特沃斯滤波器进行滤波，得到0.5~30Hz的EEG信号；

步骤S2，数据划分，将用于记录步骤S1所获得的EEG信号的全部导联划分为目标参考导联集合和备选参考导联集合，所述目标参考导联集合包含电极位置C3、C4和Cz的目标导联，所述备选参考导联集合包含非电极位置C3、C4和Cz的备选导联；

步骤S3，计算相关性，遍历每一个所述备选导联，分别计算其与每一个所述目标导联的相关性，得到每一个备选导联与目标导联的相关性；

步骤S4，计算权重，根据所述相关性计算对应的权重，根据所述权重计算组合相关性指标；

步骤S5，排序选择，根据所述组合相关性指标对所述备选导联进行排序，选择排序靠前的设定数量的所述备选导联，与所述目标导联合并成目标导联集合；

步骤S6，特征提取，采用共空间模式算法对所述目标导联集合进行特征提取；

步骤S7，分类，采用支持向量机进行分类，通过支持向量机对所提取的特征进行分类从而识别出运动倾向。

2.如权利要求1所述的导联选择方法，其特征在于，在步骤S3中，定义所述目标参考导联集合，分别对应电极位置C3、C4和Cz，每一个代表每一个导联记录的EEG信号，维度为，为采样点个数，定义所述备选参考导联集合，维度为，为采样点个数，对于每一个所述备选导联，计算其与所述目标导联之间的相关性；

定义所述相关性为，每一个分量的计算公式为：

；

表示的是第个目标参考导联变量，代表互信息计算，对于每一对需要计算互信息的导联，其中每一个导联记录下的采样点都为，,；互信息计算的公式为：

在公式2中，是当前和的联合概率密度分布函数，是的边缘概率密度函数。

3.如权利要求2所述的导联选择方法，其特征在于，在步骤S4中，对于所述相关性计算权重，得到一个加权组合互信息，计算公式为：

其中代表电极位置的数量，，代表备选导联与第个目标参考导联之间的相关性。

4.如权利要求1所述的导联选择方法，其特征在于，在步骤S5中，若整体导联数量小于设定值，则所述设定数量为整体导联数量的50％，若整体导联数量大于等于设定值，则所述设定数量为整体导联数量的23％～27％；整体导联数量为所述目标参考导联集合和备选参考导联之和。

5.如权利要求1所述的导联选择方法，其特征在于，在步骤S1中，采用五阶的巴特沃斯滤波器对原始获取的EEG信号进行滤波。

6.一种基于相关性的运动想象的导联选择装置，其特征在于，包括

预处理模块，适于对原始获取的EEG信号利用巴特沃斯滤波器进行滤波，得到0.5~30Hz的EEG信号；

数据划分模块，适于将所述预处理模块处理后获得的EEG信号的全部导联划分为目标参考导联集合和备选参考导联集合，所述目标参考导联集合包含电极位置C3、C4和Cz的目标导联，所述备选参考导联集合包含非电极位置C3、C4和Cz的备选导联；

相关性计算模块，适于遍历每一个所述备选导联，分别计算其与每一个所述目标导联的相关性，得到每一个备选导联与目标导联的相关性；

权重计算模块，适于根据所述相关性计算对应的权重，根据所述权重计算组合相关性指标；

排序模块，适于根据所述组合相关性指标对所述备选导联进行排序，选择排序靠前的设定数量的所述备选导联，与所述目标导联合并成目标导联集合；

评价模块，所述评价模块适于采用共空间模式算法对所述目标导联集合进行特征提取，并采用支持向量机进行分类，通过支持向量机对所提取的特征进行分类从而识别出运动倾向。

7.一种计算机可读介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至5任一项所述导联选择方法的步骤。

8.一种导联选择系统，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至5任一项所述导联选择方法的步骤。