[发明专利]一种结合公共空间模式算法和EMD的脑电信号特征提取方法

权利要求书

1.一种结合公共空间模式算法和EMD的脑电信号特征提取方法，其特征在于，所述方法包括如下步骤：

步骤1：选取若干位受试者的脑电信号作为训练集和测试集，分别对单个受试者的C3、C4两个通道中的信号进行预处理；

步骤2：对预处理后的EEG信号x(t)进行经验模式分解，得到一系列固有模态函数IMF_i，并绘制所有固有模态函数的能谱图；

步骤3：将单次试验的C3、C4通道前三阶IMF分量合并，构成一个N*T的矩阵X_i，i＝L表示想象左手运动，i＝R表示想象右手运动，其中，N为IMF个数，可看作通道数，T为一次试验的采样点个数，即窗口长度，整个实验过程包含G组试验，共得到G组向量矩阵，分为G1组测试向量矩阵和G2组训练向量矩阵，分别进行公共空间模式分解。

2.根据权利要求1所述的结合公共空间模式算法和EMD的脑电信号特征提取方法，其特征在于步骤2中对EEG信号进行经验模式分解的具体步骤如下：

(1)判断每个x(t)的局部极值，用三次样条曲线进行曲线拟合，局部极大值形成上包络e_max(t),局部极小值形成下包络e_min(t)；

(2)求e_max(t)和e_min(t)的均值：

m(t)=emin(t)+emax(t)2---(1);]]>

(3)计算输入信号x(t)和m(t)的差值:

c(t)＝x(t)-m(t)(2)；

如果c(t)不能满足IMF的定义截至条件，重复上述过程(1)-(3)，否则，提取c(t)作为固有模态函数，剩余量r(t)计算如下：

r(t)＝x(t)-c(t)(3)；

(4)剩余量作为一个新的数据经过相同的筛选过程以获得下一个更低频率的固有模态函数，直到剩余函数r(t)为一个单调函数或者仅有一个极致时，分解过程停止，假设原始信号x(t)被分解为n个固有模态函数和一个剩余函数量r(t)，可以得重构信号：

x(t)=Σi=1nci(t)+rn(t)---(4).]]>