[发明专利]基于改进的微状态分析的运动想象脑电信号分类方法

权利要求书

1.基于改进的微状态分析的运动想象脑电信号分类方法，其特征在于计算脑电信号全局场功率(Global field power,GFP)，去除数值较高和较低的点，将剩余GFP局部峰值点时刻对应的电势地形图进行聚类分析获取微状态，将微状态分别与原始脑电信号的电势地形图进行空间相关性计算，构建出微状态时间序列并计算出每个微状态对应的时间参数，将训练集数据的微状态时间序列参数作为特征输入到SVM分类器中训练出分类模型，对测试集特征进行分类得到测试结果。

2.根据权利要求1所述的基于改进的微状态分析的运动想象脑电信号分类方法，其特征在于改进的GFP的选取方式，具体包括：计算脑电信号全局场功率局部峰值点，对其进行统计分析，按数值大小排列，去除前15％和后15％的点，将剩余GFP局部峰值点时刻对应的电势地形图通过Modified k-means算法进行聚类分析，获得四种微状态电势地形图。

3.根据权利要求1所述的基于改进的微状态分析的运动想象脑电信号分类方法，其特征在于计算全局电势图差异(global map dissimilarity，GMD)，用GMD来表示四种微状态分别与原始脑电信号的电势地形图空间相关性，取每个时刻最高空间相关性的微状态电势地形图作为这个时刻的微状态，即标记此时刻的脑电为该微状态的序号(即1、2、3和4)，那么脑电信号就被表示成四种微状态交替出现的时间序列，也就是微状态时间序列，之后计算出每个微状态对应微状态时间参数，包括：

1)平均持续时间：每种微状态稳定时，所占时间长度的均值；

2)每秒出现的频率：每种微状态每秒出现的次数；

3)所占时间比：每种微状态持续时间总和与脑电信号持续时间的比值；

4)不同微状态之间的转换概率：从当前微状态转换成另一种微状态的概率。