[发明专利]一种基于边缘小波特征的脑电波(EEG)信号识别系统

权利要求书

1.一种基于边缘小波特征的脑电波(EEG)信号识别系统，其特征在于，包括以下步骤：

一.特征提取步骤：

A、离散小波变换步骤：对从传感器中获取的M路脑电波信号利用小波变换进行K层分解；

B、边缘小波特征提取步骤：对前K-1层小波系数中的低频部分，以及第K层小波系数中的低频和高频部分进行求和、连接与归一化处理，生成K+1维的边缘小波特征；

二、特征选择与模型训练步骤：

A、特征选择步骤：

对提取的M路边缘小波特征利用Fisher准则进行特征选择，挑选出m路最能体现脑电波结构特点的特征；

B、模型训练步骤：

将获取m路K+1维的边缘小波特征进行组合生成m×(K+1)维的特征超向量；使用超狄利克雷混合模型(SDMM:super-Dirichlet Mixture Model)模拟边缘小波特征超向量的分布,通过梯度法解方程求出模型中的参数α,最终得到一系列模型，每个模型对应一种类型的脑电波；

三.识别步骤：提取某种脑电波信号数据后，采用步骤一的方法提取各个通道的特征，并按照步骤二A的训练结果进行通道选择并组成超特征向量，将超特征向量输入步骤二B所训练的概率模型中计算概率值，并结合先验概率分布，采用最大后验准则进行脑电波类型的识别。

2.如权利要求1所述的一种基于边缘小波特征的脑电波识别系统，其特征在于，步骤一A所述的小波变换采用的小波基为二阶多贝西小波基，其高阶滤波器系数为

h＝[-0.129,-0.224,0.837,-0.483]^T

低阶滤波器系数为

L＝[-0.129,0.224,0.837,0.483]^T

分解层数K＝4。

3.如权利要求1所述的一种基于边缘小波特征的脑电波信号识别系统，其特征在于，步骤一B所述的边缘小波特征提取步骤如下：

(1)对前K-1层小波系数中的低频部分，以及第K层小波系数中的低频和高频部分的小波系数进行绝对值求和处理获取边缘小波系数；

(2)将得到的边缘小波系数进行归一化并组合成K+1维的边缘小波特征x。