[发明专利]植入式脑机接口神经元锋电位分类方法

权利要求书

1.一种植入式脑机接口神经元锋电位分类方法，其特征是，包括如下步骤：

a、滤波；使用带通椭圆滤波器对电极采集到的原始脑电信号进行滤波；

b、检测；使用改进的基于启发式阈值检测公式对滤波后的锋电位信号进行检测，得到锋电位数据；改进的基于启发式阈值检测公式为其中l代表经滤波处理过的信号长度，x代表滤波后的信号，p为调节参数；

c、特征提取；使用主成分分析对得到的锋电位数据进行特征提取；

d、聚类；使用基于改进的动态时间规整的K多均值聚类算法对锋电位进行聚类，得到不同的簇，将锋电位聚成不同的类别。

2.根据权利要求1所述的植入式脑机接口神经元锋电位分类方法，其特征是，步骤a的具体过程为：

a-1、对采集的脑电信号进行滤波，使用matlab中的带通椭圆滤波器ellip函数[b,a]＝ellip(n,Rp,Rs,Wn,'ftype')，其中，参数n为最小阶数，参数Rp为通带最大波纹度，参数Rs为阻带最小衰减；

a-2、设置椭圆滤波器参数，将滤波器的参数Rp调至1×10^-6dB。

3.根据权利要求1所述的植入式脑机接口神经元锋电位分类方法，其特征是，步骤b中p＝1.6。

4.根据权利要求1所述的植入式脑机接口神经元锋电位分类方法，其特征是，步骤c的具体过程为：使用主成分分析对锋电位数据进行特征提取，使用前三个主成分作为锋电位特征系数，生成的特征向量文件大小为m×3，其中，m为锋电位数据个数。

5.根据权利要求1所述的植入式脑机接口神经元锋电位分类方法，其特征是，步骤d的具体过程为：

d-1、采用总布雷格曼散度对动态时间规整算法进行改进，形成一种新的距离度量其中，s和z分别为目标向量U＝(u₁,u₂,...,u_s)和V＝(v₁,v₂,...,v_z)的样本数量，d_TBD(u_i,v_j)为使用总布雷格曼散度计算得到的u_i和v_j两个样本元素的距离公式，r(i,j)为样本元素之间的累计距离；

d-2、将步骤d-1得到的新的距离度量用于K多均值聚类算法中进行锋电位聚类。

6.根据权利要求5所述的植入式脑机接口神经元锋电位分类方法，其特征是，d_TBD(u_i,v_j)的计算公式如下：