[发明专利]基于正则化CSP和SRC的脑电信号分类识别方法及其遥控系统

权利要求书

1.一种基于正则化CSP和SRC的脑电信号分类识别方法，其特征在于，该基于正则化CSP和SRC的脑电信号分类识别方法包括以下步骤：

步骤一，采集n位实验者想象两类不用运动的EEG信号,分别求得每位实验者的训练数据的协方差；

步骤二，引入正则化参数α和β，在正则化参数的作用下，将主试者的协方差矩阵之和与次试者的协方差矩阵之和相结合，构造两类不同运动想象空间滤波器,保留滤波后的训练数据，提取两类特征最大化的向量，构造学习字典；

步骤三，输入测试运动想象数据，按照步骤二进行空间滤波，并保留滤波后的测试数据；

步骤四，运用信号的稀疏表征方法，对测试运动想象数据进行识别，确定测试样本所属的类别。

2.如权利要求1所述的基于正则化CSP和SRC的脑电信号分类识别方法，其特征在于，该基于正则化CSP和SRC的脑电信号分类识别方法采用正则化的CSP进行特征提取。

3.如权利要求1所述的基于正则化CSP和SRC的脑电信号分类识别方法，其特征在于，步骤二包括以下步骤：

步骤一，分别求出主试者的A类和B类训练样本的协方差矩阵之和R_A与R_B，所有次试者A类和B类训练样本的协方差矩阵之和与，构造两类平均正则化协方差矩阵，公式如下所示：

Z(α,β)=(1-α)(1-β)·R+β·R^(1-β)·m+β·(n-1)·m+αNtr[(1-β)·R+β·R^(1-β)·m+β·(n-1)·m]·I]]>

其中，N为采集通道数，I为n阶单位阵，tr为矩阵的迹，即：矩阵的所有主对角线上的元素之和；

步骤二，对正则化协方差矩阵之和进行特征值分解，求得白化矩阵P:

P=Λ^(-12)·U^T]]>

其中，为Z的特征值对角矩阵，为对应的特征向量矩阵；

步骤三，对步骤二中所得Z进行如下变换:

Z‾(α,β)=P·Z(α,β)·PT=U·Λ·UT]]>

其中，Λ为特征值对角矩阵，U为对应的特征向量矩阵，选取对角阵Λ中最大特征值对应的特征向量，构造空间滤波器如下：

W＝U^T·P；

步骤四，将训练样本的两类EEG信号X_A和X_B经过相应的滤波器W_A、W_B，有：

F_A＝W_A^T·X_A

F_B＝W_B^T·X_B

再经过傅里叶变换，求取频率在8—15Hz的功率谱密度值，作为稀疏表征的学习字典B=[F_AF_B]。