[发明专利]基于特征数据生成的运动想象脑电信号分类方法

权利要求书

1.一种基于特征数据生成的运动想象脑电信号分类方法，其特征在于，包括如下步骤：

步骤1、对受试者采集运动想象脑电信号；

步骤2、对采集的脑电信号进行预处理，然后进行多组有重叠的滤波和时间窗划分；

步骤3、对于步骤2中经过划分后得到的每一个时频段使用共空间模式进行特征提取；

步骤4、将提取的特征使用去噪扩散模型进行数据生成；

步骤5、用二阶矩计算与概率分布直方图结合的方法评估生成数据的可靠性，若可靠性不满足需求，则进行重训练，直至满足应用需求，所述生成数据的可靠性判断方法为：生成数据与真实数据期望的误差不超过3％。

2.根据权利要求1所述的基于特征数据生成的运动想象脑电信号分类方法，其特征在于，所述脑电信号的采集方法：

在1000Hz频率下采集的脑电信号；

设定的运功想象具体为：采集受试者根据视觉提示，进行左手、右手、双脚和舌头的运动想象。

3.根据权利要求2所述的基于特征数据生成的运动想象脑电信号分类方法，其特征在于，所述采集信号时，在1000Hz频率下采集C_Z,C2,C3,C4,C5,C6,FC_Z,FC1,FC2,FC3,FC4,FC5,FC6,CP1,CP2,CP3,CP4,CP5,CP6共20个通道的脑电信号。

4.根据权利要求3所述的基于特征数据生成的运动想象脑电信号分类方法，其特征在于，所述步骤1中，在每次采集时，连续进行6秒对应部位的想象运动，然后根据视觉提示进行3秒的开目静息。

5.根据权利要求4所述的基于特征数据生成的运动想象脑电信号分类方法，其特征在于，所述步骤2中，对采集的脑电信号的预处理方法为：进行0.5Hz-200Hz的带通滤波、50Hz的陷波滤波、ICA独立成分分析。

6.根据权利要求5所述的基于特征数据生成的运动想象脑电信号分类方法，其特征在于，所述步骤2中进行有重叠的滤波方法为：先以17个有重叠的子频带做带通滤波，所述17个有重叠的子频带分别为：4-8Hz、6-10Hz、8-12Hz、10-14Hz、12-16Hz、14-18Hz、16-20Hz、18-22Hz、20-24Hz、22-26Hz、24-28Hz、26-30Hz、28-22Hz、30-34Hz、32-36Hz、34-38Hz、36-40Hz；

时间窗划分方法为：经有重叠的滤波后，以6个时间窗进行时序信号分割，得到102个不同时频段的脑电信号，所述6个时间窗为：0-1.4s、0.9-2.3s、1.8-3.2s、2.7-4.1s、3.6-5.0s、4.5-5.9s。

7.根据权利要求6所述的基于特征数据生成的运动想象脑电信号分类方法，其特征在于，所述步骤3中特征提取的方法为：

(1)共空间模式算法首先对不同时频段的脑电信号进行空间滤波：

z_i，j＝WE        (1)

其中z_i，j代表第i次试验中提取出的第j个特征，E是包含脑电信号的多通道时间序列矩阵，W是投影矩阵；

(2)使用z_i，j的最前K行和最后K行计算投影值的方差，即共空间模式特征，再使用对数变换使其接近高斯分布：

p＝1，...，K，N-K-1，...，N

其中N为输入进算法的时序信号中的试验次数，p为当前的试验编号；

(3)生成特征矩阵：视一次试验为一个样本，每个样本可得特征数为m×n×D个，每个数据集中共进行N次试验，生成的特征矩阵为：

X_i，j为投影后的第i次试验提取出的第j个特征，D＝m·n·2·K是每次试验特征的维数。