[发明专利]一种脑电特征提取和选择方法

权利要求书

1.一种脑电特征提取和选择方法，其特征在于，包括如下步骤：

S1：对脑电数据进行特征提取，得到初始特征值；

S2：对得到的初始特征值进行特征组合集群分析，筛选出有效特征值。

2.如权利要求1所述的脑电特征提取和选择方法，其特征在于，所述步骤S2具体包括：

S21：使用指数衰减函数EDF来确定要保留的特征的数量，通过这一步，特征空间不断缩小；

S22：在每个EDF运行中，使用二进制矩阵采样BMS的特征采样方法用于从特征空间中选择特征以构建子模型；

S23：使用模型集群分析MPA以准确率为目标函数搜索最优特征子集。

3.如权利要求1或2所述的脑电特征提取和选择方法，其特征在于，所述步骤S1具体包括：

S11：对脑电数据进行预处理去除噪声，得到有效的脑电信号；

S12：对预处理后的脑电信号进行特征提取。

4.如权利要求1-3任一所述的脑电特征提取和选择方法，其特征在于：所述步骤S12对预处理后的脑电信号通过提取基于时域分析和时频域分析的脑电特征和基于熵理论与复杂度的脑电特征得到脑电信号的初始特征值。

5.如权利要求1-4任一所述的脑电特征提取和选择方法，其特征在于，所述步骤S11具体包括：

S111：对脑电信号进行工频干扰去除，得到初始滤波信号；

S112：对初始滤波信号进行伪迹消除，消除眼电和肌电的干扰，得到滤干扰信号；

S113：对滤干扰信号进行去除基线漂移处理；

S114：对消除基线漂移的信号进行滤波，得到有效的脑电信号。

6.如权利要求4所述的脑电特征提取和选择方法，其特征在于：所述步骤S12中基于时域分析的脑电特征提取包括但不限于提取统计参数和Hjorth参数。

7.如权利要求4所述的脑电特征提取和选择方法，其特征在于：所述步骤S12中基于时频域分析的脑电特征提取包括但不限于离散小波变换和经验模态分解。

8.如权利要求4所述的脑电特征提取和选择方法，其特征在于：所述步骤S12中基于熵理论与复杂度的脑电特征提取包括但不限于谱熵、近似熵、模糊熵以及LZ复杂度。