[发明专利]一种模式识别方法和脑电波信号处理方法以及基于脑电波的智能家居控制系统

权利要求书

1.一种基于极限学习机算法的模式识别方法，其特征在于，包括训练阶段：

步骤1：给定训练集N＝{(x_i,t_i)|x_i∈Rⁿ,t_i∈Rⁿ,i＝1,2,3,…L}，激励函数 隐层节点数L，通过公式(1)设定单隐层前向网络：

其中，x_i为第i个样本，β_i为第i隐层节点的输出权值，a_i和b_i分别为随机生成的输入神经元与第i个隐层节点的输入权值和偏置，y_j为第j个隐含层的单隐层前向网络的输出，t_i表示第i个样本的实际标签；

步骤2：根据步骤1中的单隐层前向网络，并通过公式(2)拟合训练样本；

步骤3：通过公式(3)调整(a_i，b_i，β_i)；

步骤4：通过公式(4)计算输出权值矩阵β，

t＝Hβ(4)

其中，H为隐含层输出矩阵，

β为输出权值矩阵，

β＝[β₁，β₂，…,β_N]^T

t为目标矩阵：

t＝[t₁，t₂，…,t_N]^T。

2.如权利要求1所述的基于极限学习机算法的模式识别方法，其特征在于，根据公式(5)对所述训练阶段进行优化：

3.如权利要求1所述的基于极限学习机算法的模式识别方法，其特征在于，

(1)当L＝N时，通过公式(6)计算β；

β＝H^-1t(6)

(2)当L<<N，通过公式(7)计算β。

β＝H⁺t(7)。

4.一种脑电波信号处理方法，其特征在于，包括：

步骤1：采用盲源分离去噪预处理方法对脑电波信号进行去噪预处理；

步骤2：采用小波包变换特征提取方法对脑电波信号进行特征提取；

步骤3：采用如权利要求1-3任意一项所述的基于极限学习机算法的模式识别方法对脑电波信号进行模式识别。

5.如权利要求4所述的脑电波信号处理方法，其特征在于，所述盲源分离去噪预处理方法包括以下步骤：

步骤1：

一组含噪声的混合信号x(t)，给定其数学期望为E[x(t)]，对混合信号x(t)进行中心化处理得到观测矢量

其中，t为时间序列；

步骤2：

通过公式(9)将去均值后的观测矢量进行线性变换排列矩阵P，得：

其中，v(t)中各个分量互不相关，且满足E[v(t)v^T(t)＝I]，I为单位矩阵；

根据得到的观测矢量和给定的数学期望E[x(t)]，通过公式(10)得到协方差矩阵C_x：

通过公式(11)对协方差矩阵C_x其进行特征值分解得：

C_x＝FDF^T(11)

得白化矩阵：

P＝D^(-1/2)F^T

其中，F为特征矢量矩阵，D为对角线上为特征值的对角矩阵。