[发明专利]特征重组和小波变换的多类运动想象脑电信号分类方法

摘要

本发明公开了一种基于特征重组和小波变换的运动想象脑电信号分类方法，主要解决现有技术对脑电信号分类的种数少和分类正确率低的问题。其实现步骤是：1)采集运动想象脑电信号，获取训练集和测试集；2)通过特征组合、小波变换和共空间模式算法，训练出两级分类器；3)按照与步骤(2)相应的方法提取测试集的测试特征分类向量；4)利用训练的分类器，通过测试集的特征向量对测试信号进行信号分类，得到测试信号的想象左手运动、想象右手运动，想象双脚运动、想象舌头运动这四类脑电信号的类别。本发明实现了对多类运动想象信号的分类，提高了分类正确率，可用于具有运动想象脑‑机接口BCI在线系统的智能产品控制。

主权项

特征重组和小波变换的多类运动想象脑电信号分类方法,包括：(1)获取脑电信号：通过受试者佩戴的电极帽上的左电极C3、右电极C4和中电极CZ以及这三个电极各自周围的22个电极，以256HZ采样率fs分别采集受试者在想象左手、右手、双脚和舌头四类运动想象时的多组实验的脑电信号，并将采集的原始脑电信号依次经过放大、模/数转换、低通滤波后，得到想象左手运动的脑电信号El，想象右手运动的脑电信号Er,想象双脚运动的脑电信号Ef和想象舌头运动的信号Et；(2)将(1)中得到的四类脑电信号平均随机地分成训练集T1和测试集T2，其中T1内均包括所述的四类脑电信号El、Er、Ef和Et，T2中包含的四类脑电信号统一命名为Ex；(3)对训练集T1中的四类脑电信号按照矩阵的行从上到下有序排列进行特征组合，得到特征组和后的两组信号X1，X2：(4)对特征组合后的两组信号X1，X2分别进行Mallat塔式小波分解和重构，得到第一组重构信号X′1和第二组重构信号X'2；(5)将两组重构信号X′1，X'2作为共空间模式CSP算法的输入信号，求出重组信号X1和X2对应的第一投影矩阵W1及这两组重构信号分别对应的特征组合向量FX1和FX2，并将这两个特征组合向量FX1和FX2，输入到第一分类器SVM1中，对支持向量机分类器SVM1进行参数训练；(6)对训练集T1中的想象左手运动信号El和想象右手运动信号Er进行与(4)相同的Mallat塔式小波分解和重构操作，得到左手重构信号E′l和右手重构信号E′r；(7)将左手重构信号E′l和右手重构信号E'r作为共空间模式CSP算法的输入信号，求出左右手重构信号E′l和E'r对应的第二投影矩阵W2以及这两个重组信号分别对应的左手特征向量Fl和右手特征向量Fr，并将这两个特征向量Fl，Fr输入到第二分类器SVM2中，对支持向量机分类器SVM2进行参数训练；(8)对训练集T1中的想象双脚运动信号Ef和想象舌头运动信号Et进行与(4)相同的Mallat塔式小波分解和重构操作，得到双脚重构信号E'f和舌头重构信号E′t；(9)将双脚重构信号E'f和舌头重构信号E′t作为共空间模式CSP算法的输入信号，求出双脚重构信号E'f和舌头重构信号E′t对应的第三投影矩阵W3以及这两个重组信号分别对应的左手特征向量Ff和右手特征向量Ft；并将这两个特征向量Ff，Ft输入到第三分类器SVM3中，对支持向量机分类器SVM3进行参数训练；(10)对测试集T2中的四类脑电信号统一命名Ex，通过自身数据段的复制进行特征加强，得到特征加强信号ex：(11)将该特征加强信号ex进行与(4)相同的Mallat塔式小波分解和重构操作，得到测试集重构信号e'x；(12)将测试集重构信号e'x与第一投影矩阵W1卷积，提取重构信号e'x的测试集第一级特征分类向量fx，并将该测试特征向量输入到(5)中训练好的第一分类器SVM1进行分类，识别出ex是关于左、右手的脑电测试数据Er_l还是关于双脚、舌头的脑电测试数据Ef_t；(13)将(12)中识别出的关于左、右手脑电测试数据Er_l与第二投影矩阵W2卷积，提取测试集第二级特征分类向量fl_r，并将该特征向量fl_r输入到(7)中训练好的第二分类器SVM2进行分类，识别出ex是属于左手脑电信号El还是右手脑电信号Er；(14)将(12)中识别的关于脚、舌头的脑电测试数据Ef_t第三投影矩阵W3卷积，提取测试集第二级特征分类向量ff_t，并将特征向量ff_t输入到(9)中训练好的第三分类器SVM3进行分类，识别出ex是属于双脚脑电信号Ef还是舌头脑电信号Et。