[发明专利]基于CSP和R‑CSP算法的脑电信号特征提取方法

权利要求书

1.基于CSP和R-CSP算法的脑电信号特征提取方法，其特征在于，该方法具体包括以下步骤：

步骤1.选取多名实验者的脑电信号数据作训练集和测试集，并对每个实验者的脑电信号进行预处理，包括信号长度选取以及EEG阈值去噪；

步骤2.利用正则化CSP算法对预处理后的信号进行分析研究；从多名实验者中选取1名作为目标实验者，其余作为辅助实验者，调节正则化参数使目标实验者和辅助实验者之间的训练数据相结合，构造出正则化的空间滤波器对脑电数据进行滤波处理，完成特征信号的提取工作；

特征信号的提取工作的主要具体步骤如下：对每个实验者的训练样本

求解协方差矩阵，则可以得到标准的空间协方差为

式中，表示信号，d∈{1，2}表示类别d的第i个样本的脑电信号，N×T表示维度，T表示为每次任务中每个通道的采样点数；是的转置，是矩阵 的对角元素之和，即矩阵的迹，r_(c，i)表示协方差；

在任务类型已知的训练集中，分别将对两类任务的样本矩阵进行各自的空间协方差计算，平均正则化协方差矩阵为：

式中：c表示类别，其中(0≤γ≤1)和(0≤β≤1)，γ，β为正则化参数，I为N×N的单位矩阵，定义如下

式中：r_c表示为目标受试者进行k次c类实验的协方差矩阵之和：

表示为辅助受试者进行次c类实验的协方差矩阵之和，即：

式中表示共有s名受试者，其中进行单侧想象运动为k次；γ_(c，j)表示辅助受试者第j次c类实验的协方差矩阵，其中

根据以上的公式可知，当β＝γ＝0的时候，R-CSP变为传统的CSP算法；当都不为零的时候，根据调整不同的β和γ的值，根据不同的参数的选择，逐一对比不同参数的实验结果，通过不断的精选参数的过程中，最终使小样本特征提取的结果达到最优，进而得到更好的分类结果；

在正则化参数的作用下，得到受试者的两类运动想象的EEG信号来构造平均正则化协方差矩阵，它们分别是

式中，R_A和R_B分别表示目标受试者的A类和B类训练样本的协方差矩阵之和，和分别表示辅助受试者的A类和B类训练样本的协方差矩阵之和，tr是矩阵的迹，I为N×N的单位矩阵；将Z_A(β，γ)和Z_B(β，γ)进行求和操作，然后对其和进行特征分解，如下所示：

式中，为对应的特征向量矩阵，是特征值对角矩阵，则正则白化矩阵为

进行变换得到如下等式：

式中，和是对角矩阵，其中其对应的特征向量矩阵又分别是 和分别选取和中最大的特征值对应的特征向量和构造空间滤波器

设X为经过预处理后的EEG信号X_A和X_B分别是对应的两类训练样本，经过滤波器W_A和W_B之后，得到特征向量[Z_A，Z_B]为

步骤3.将遗传算法和以径向基函数为模型的支持向量机(SVM)分类器相结合对特征向量进行分类，得到实验分类结果。