[发明专利]残障人士运动状态下脑电信号的高鲁棒解析方法

摘要

本发明提出了一种残障人士运动状态下脑电信号的高鲁棒解析方法，包括获取运动状态下的脑电样本信号和待认知信号，并建立具有变化运动特征的信号集；对EEG信号进行基于自适应CQT的脑电信号timbre分析；使用基于HHT的多尺度时频分析算法对脑电信号的谐波成分和精细结构进行分析，提取脑电信号时‑频‑空域特征基于分层递阶的可视化特征融合与降维算法对上述高维的特征进行降维处理。样本数据和待认知的数据通过以上步骤可构造出时域‑频域‑空域相配合的认知信号图谱，进而分类识别出残障人士的脑电波数据所对应的含义。本发明突破在安静条件下研究脑认知活动的传统做法，摒弃必须分离干扰信号与目标信号的传统思想，满足实用化产业需求。

主权项

一种残障人士运动状态下脑电信号的高鲁棒解析方法，其特征在于：所述方法包括：获取运动状态下的脑电样本信号，建立具有变化运动特征的信号集；获取残障人士运动状态下的待认知脑电信号；以及对EEG信号进行基于自适应CQT的脑电信号timbre分析，包括：首先，对脑电图EEG信号进行预处理，去除噪声与伪迹干扰；其次，根据脑电信号timbre的谐波规律，进行自适应差异的提取，自适应地找到各频带中心位置；最后，根据各频带中心位置，计算CQT频谱，提取各频带频谱特征参数构造特异性timbre；其中，将传统CQT公式修改为：Xcq(k)=1NkΣn=0Nk-1x(n)wNk(n)e-j2πfkfsn]]>相邻谱线的间隔Bk由Bk＝fk+1‑fk计算得到，各频带采样带宽Nk由Nk＝fs/Bk计算得到；使用基于希尔伯特‑黄变换HHT的多尺度时频分析算法对脑电信号的谐波成分和精细结构进行分析，提取脑电信号时‑频‑空域特征：所述多尺度时频分析算法首先对脑电信号进行经验模态分解EMD分解，得到若干本征模态函数IMF，对这些IMF进行希尔伯特谱分析HSA，计算各IMF对应的瞬时频率，然后进行空间电极的选择，最后提取0‑30Hz频段的IMF分量，基于这些IMF分量重建原信号；基于分层递阶的可视化特征融合与降维算法对上述步骤获得的高维的特征进行降维处理：首先，对高维数据进行特征排序，并进行分层处理，之后对各层数据进行可视化特征融合，得到能够反映此层数据特性的特征，并将各层提取的特征组合在一起作为下一级处理的输入，重复上述过程，得到能够表示高维数据的低维特征。