[发明专利]一种基于组合差异进化的脑电信号特征选择及分类方法

说明书

技术领域

本发明涉及一种基于组合差异进化的脑电信号特征选择及分类方法。

背景技术

脑机接口系统是一种通过传感器读取大脑神经活动，利用计算机在线处理并解码，实现对外部设备控制的系统。脑机接口系统主要包括数据采集、信号处理、应用程序三个主要部分。其中，数据采集模块主要通过电极和脑电放大器，从受试者头部获取脑电信号，其中的脑电放大器将电极上获得脑电信号进行放大以及模数转换变成数字信号，然后发送给信号处理模块处理。信号处理模块首先要对信号进行预处理，包括去噪、数据对齐、空间滤波等。然后再对信号进行特征分析，并提取某些特征参数(如幅值、自回归模型的系数等)，接着对这些特征参数进行识别分类，确定其对应的意念状态或指令，并将状态或指令传送给应用接口模块。应用接口模块主要将识别的状态或指令按一定要求传递给应用程序，完成某一具体控制功能。实际应用程序包括字母拼写器、机器人控制器或虚拟现实等应用。如图1所示。

获得脑电信号的途径很多，比如MEG、ECoG、EEG、fMRI等，其中EEG信号是直接将多个电极贴到头皮上，采集大脑头皮的生物电活动信号，具有时间分辨率高、使用简单、无创伤的特点，因此被广泛应用于脑机接口的研究中。在这种方式中，电极通常按照国际惯用的10-20方式固定到大脑的不同位置。对EEG信号而言，单独一个电极采集的是时间序列，而某一时刻所采集的多个电极信号则可以表达大脑信号此刻空间分布情况。由于大脑皮层是按照功能分区的，各个电极所接收的脑电信号是不一样的，因此所采集的脑电信号能反应该大脑区域的活动状况，例如当实验者想象肢体运动时，通常在C3、C4、Cz等区域位置的脑电信号变化比较明显。因此可以通过对各电极信号加权，增强运动想象的信号，对应的权值称为空间滤波器。运动想象的脑电信号一般集中在12-32Hz左右，每个人情况会不同，以2Hz带宽的信号能量作为特征，那么单个电极就有(32-12)/2＝10个特征值，如果使用32导联数据，那么一个特征样本就有10*32＝320个特征值，特征值过多会影响分类器的学习效率和分类精度。如果训练样本太少或者特征值太少，会导致分类器过度拟合训练数据，降低分类精度。因此，为了提高分类精度，对原始EEG信号进行合适预处理是必不可少的环节。

其中，空间滤波和特征选择在脑机接口中是非常重要的步骤。而现在通常的做法是根据经验选择空间滤波器系数和频率特征，通过多次尝试获得较优的分类精度。由于脑电信号因人而异，这个实验者用的空间滤波系数和频率特征向量不一定适合另外其他的实验者，因此每次实验都需要人工去确定空间滤波系数和特征向量，这是一个繁琐和低效率的工作。

发明内容

本发明提出了一种基于组合差异进化的脑电信号特征选择及分类方法，利用组合差异进化算法在全局搜索能力和快速收敛方面的突出表现，迅速找到最佳空间滤波系数和特征向量，克服现有技术中需依靠人工确定空间滤波系数和特征向量的工作繁琐且低效的问题，并利用搜索到的最佳空间滤波系数和特征向量训练分类器，对脑电信号进行分类，提高脑电信号的识别率。

一种基于组合差异进化的脑电信号特征选择方法，包括以下步骤：

步骤1：选取脑电信号样本数据X_t×c，并对脑电信号样本数据进行预处理获得训练样本X为t×c的矩阵，X^FFT为m×c的矩阵，t是每一个电极采集数据个数，m是每个导联在一个T时间段内的特征值个数，c为脑电信号的导联个数；

步骤2：设定染色个体和适应度函数，设置策略知识库、迭代停止条件及染色个体种群，并对染色个体及迭代次数进行参数初始化；

以空间滤波器和特征选择器作为染色个体[S,K]，S的编码为实数，K采用0和1编码；

步骤3：按照组合差异进化算法对每一个染色个体进行变异、修补及交叉处理，获得新染色个体；

步骤4：以新染色个体的实数编码部分作为空间滤波器对训练样本T进行空间滤波，获得样本特征向量V为m×c₁的矩阵，c₁表示空间滤波器输出维数；接着利用新染色个体的{0,1}编码部分作为特征选择器对样本特征向量构建训练特征向量X_V，K为m×c₁的矩阵，计算每个新染色个体的K_f，利用适应度函数计算每个新染色个体的适应值；

K_f为特征选择器所选的特征个数与频域特征向量中特征总个数的比值；