一種基于相位同步的多類別運動想象腦電信號分類方法
【專利摘要】本發明涉及一種基于相位同步的多類別運動想象腦電信號分類方法。本發明首先利用相位鎖定值分別計算訓練樣本和測試樣本的相位同步特征，然后計算兩者的相關系數并對其去平均取絕對值后按從大到小的順序排列，接著根據排序后的相關系數進行腦電信號的粗分類，再將粗分類后的腦電信號進行細分類，此過程涉及共空域模式特征提取方法和線性判別分析分類方法。本發明包括腦電信號采集、數據預處理、濾波、相位同步特征相關系數計算、特征提取和分類以及分類準確率計算。分類結果表明：采用基于相位同步的腦電信號分類方法，得到了較好的分類效果，其中基于相位同步的腦電信號的粗分類可以高效率、高準確率地確定測試樣本大致所屬的類別，減少計算量。
【專利說明】—種基于相位同步的多類別運動想象腦電信號分類方法
【技術領域】
[0001]本發明屬于生物特征識別領域中的腦電信號分類領域，具體涉及一種基于腦電信號相位同步獲取相位同步特征相關系數并運用于共空域模式算法進行多類別運動想象腦電信號分類的方法。
【背景技術】
[0002]對于神經肌肉系統功能嚴重喪失的患者來說，一種新的與外界交流的手段是急需的。腦機接口(BCI)正是這樣一種技術，它允許使用者直接通過意念而不是傳統的神經肌肉通道來實現與外界環境的自主交流。近年來腦機接口(BCI)研究已經逐漸從兩類別的模式識別發展為多類別的模式識別，從而實現多種意念與外界環境的自主交流，提升腦機接口技術的實用性。
[0003]如何有效地對多類別腦電信號進行分類，提升分類的正確率和分類的速率是目前運動想象多類別腦電信號分類研究中必須面臨并解決的一個關鍵問題。而傳統的多類別腦電信號分類方法如基于“一對一”共空域模式方法、基于Jacobi算法的近似聯合對角化方法等有計算量較大等缺點。
【發明內容】
[0004]本發明針對現有技術的不足和改善需要，提供了一種基于相位同步的多類別運動想象腦電信號分類方法，該方法是利用相位鎖定值分別計算訓練樣本和測試樣本的相位同步特征并根據兩者的相關系數依次將多對相應兩個類別的腦電信號運用共空域模式算法通過線性判別分析進行多次分類來實現的。
[0005]本發明所采用的技術方案:
[0006]1.腦電信號采集:
[0007]設計實驗，使用多通道腦電采集設備采集實驗過程中被試者的腦電信號，完成被試者信息錄入和腦電信號采集。
[0008]2.數據預處理:
[0009]對原始腦電信號進行數據預處理，目的是減少偽跡的干擾，提高信噪比，從而提高特征提取的準確性。預處理過程包括帶通濾波。
[0010]3.濾波:
[0011]創建濾波器，將預處理后的腦電信號濾波到計算利用相位同步特征進行分類所需的頻段。
[0012]4.相位同步特征相關系數計算:
[0013]本發明采用相位鎖定值(PLV)來表示各次實驗所得腦電信號每兩個通道之間的相位關系，具體的PLV計算公式如下:
[0014]PLV = |〈exp(j{C>x(t)_C>y(t)})>|
[0015]其中Φχα)和Oy⑴分別為腦電信號χ⑴和y(t)的瞬時相位。[0016]采用希爾伯特變換來計算信號的相位值，信號x(t)的希爾伯特變換;?(/)定義如下:
[0017]
【權利要求】
1.一種基于相位同步的多類別運動想象腦電信號分類方法，其特征在于該方法包括以下步驟: 步驟1、腦電信號采集:使用多通道腦電采集設備采集實驗過程中被試者的腦電信號，完成被試者信息錄入和腦電信號采集； 步驟2、數據預處理:對原始腦電信號進行數據預處理，具體為帶通濾波； 步驟3、濾波:創建濾波器，將預處理后的腦電信號濾波到計算利用相位同步特征進行分類所需的頻段； 步驟4、相位同步特征相關系數計算:采用相位鎖定值PLV來計算各次實驗所得腦電信號每兩個通道之間的相位關系，具體的PLV計算公式如下:
PLV = <exp(j {Φχ(?)-Φ?(?)})> 其中Φχα)和Oy(t)分別為腦電信號x(t)和y(t)的瞬時相位； 采用希爾伯特變換來計算信號的相位值，信號x(t)的希爾伯特變換χ 定義如下:
【文檔編號】G06K9/62GK103971124SQ201410185328
【公開日】2014年8月6日 申請日期:2014年5月4日 優先權日:2014年5月4日
【發明者】孔萬增, 徐飛鵬, 周凌霄, 徐思佳, 任銀芝, 戴國駿 申請人:杭州電子科技大學