[发明专利]一种基于经验模态分解的稳态视觉诱发电位的分类方法

摘要

一种基于经验模态分解的稳态视觉诱发电位的分类方法，首先将采集到的多导稳态视觉诱发电位(SSVEP)进行多元经验模态分解后，分解为不同频段范围上的若干子信号；然后根据已知分类标签信号的子信号与模板信号间的相关系数，计算子信号所对应的分类适确性指数；而后计算出未知标签信号中子信号与模板信号间的相关系数，通过将分类适确性指数作为子信号相关系数的选择权重，重构原信号与模板信号的相关系数；最后根据原信号与模板信号的重构相关系数对稳态视觉诱发电位(SSVEP)进行分类；本发明在提高稳态视觉诱发电位(SSVEP)信噪比的基础上，实现了对于稳态视觉诱发电位(SSVEP)较高的分类正确率。

主权项

1.一种基于经验模态分解的稳态视觉诱发电位的分类方法，其特征在于，包括以下步骤：(一)、将稳态视觉诱发电位(SSVEP)通过多元经验模态分解算法分解为若干个子信号，其中若干个子信号分布在不同频段范围内，具体为：采集单个被试者导联数目为n，信号长度为T，对应刺激频率为f_k的稳态视觉诱发电位(SSVEP)S＝{s_itk},i＝1,2...n，t＝1,2...T，k＝1,2...K，对采集的n导联稳态视觉诱发电位(SSVEP)进行多元经验模态分解(MEMD)，得到频段范围由大到小的m个MIMF经验模态分量；(二)、选取已知类别标签的稳态视觉诱发电位作为训练集信号，分别计算其子信号与模板信号的相关系数；(三)、对已知类别标签的子信号与模板信号的相关系数进行分类适确性指数的计算，将该指数作为分类过程中的子信号选择权重；(四)、计算未知类别稳态视觉诱发电位信号与模板信号的重构相关系数，通过分类确适性指数所确定的选择权重，重构相关系数；(五)、计算脑电信号的类别，根据步骤(四)中所得到的原信号重构相关系数，取其中相关系数最大者作为待分类稳态视觉诱发电位(SSVEP)的分类类别标签。