[发明专利]基于脑功能网络邻接矩阵分解的脑电特征提取方法

摘要

本发明涉及一种基于脑功能网络邻接矩阵分解的脑电特征提取方法。目前的运动想象脑电信号特征提取算法大多注重局部激活脑区的定性与定量分析，忽视了脑区之间的相互关系和整体协调性。本发明从脑功能网络角度出发，以基于图谱分析的复杂脑网络理论为基础，首先采用多通道运动想象脑电信号建立脑功能网络，然后对网络邻接矩阵进行奇异值分解，其次根据分解得到的奇异值定义一组特征参数来表示脑电信号的特征向量，最后将特征向量输入支持向量机分类器完成多类运动想象任务的分类识别。该方法在脑-机接口领域的运动想象任务识别中具有广阔的应用前景。

主权项

基于脑功能网络邻接矩阵分解的脑电特征提取方法，其特征在于该方法包括如下步骤：步骤(1).获取多通道运动想象脑电信号样本数据,具体是：首先采用多导联电极帽采集运动想象脑电信号，然后采用参考独立分量分析方法消除眼电伪迹，最后采用随机共振方法进行脑电信号复原，以提高系统输出的信噪比；步骤(2).相关性分析,具体是：采用Pearson相关系数公式计算各通道脑电信号之间的相关系数，得到相关性矩阵；步骤(3).阈值确定，具体是：以相关性矩阵为基础，选取阈值将相关性矩阵转换为稀疏的邻接矩阵；步骤(4).脑功能网络建立，具体是：分析邻接矩阵元素值与脑区节点间是否存在连接边之间的关系，构建脑功能网络，具体表现为：如果两个脑区之间的相关系数大于阈值时，在对应的节点间建立连接边，邻接矩阵对应的元素值为1；反之不建立连接边，邻接矩阵对应的元素值为0；邻接的对角元素设为0以避免网络中出现自连接的边；步骤(5).基于邻接矩阵奇异值分解的特征提取，具体是：首先对邻接矩阵进行奇异值分解，然后根据所得的奇异值定义最大奇异值、均值、方差、能量、奇异熵五个特征参数作为脑电信号的特征向量。