[发明专利]基于LMD熵特征和LVQ神经网络的运动想象脑电信号识别方法

权利要求书

1.一种基于LMD熵特征和LVQ神经网络的运动想象脑电信号识别方法，其特征在于，所述方法的步骤如下：

步骤1，利用信号采集设备采集运动想象状态下的脑电信号，包括想象多种不同运动的脑电信号，确定信号最优响应时段、信号频带等参数；应用自延拓的端点延拓方法对信号时段的脑电信号段进行延拓，使延拓后的信号两端都是极值点；

步骤2，应用LMD熵特征对延拓后的非平稳非线性的脑电信号进行自适应分解，获得一系列的乘积函数PF分量和残余分量，截取原信号长度的信号，筛选出所需要的PF分量进行下一步的处理；

步骤3，对每一个有效PF分量计算能量熵、模糊熵、多尺度熵，利用三种熵值表征脑电信号的特征，将三种熵值组合形成运动想象的特征向量；

步骤4，以LVQ神经网络作为分类器，将特征向量输入训练LVQ分类器，使用LVQ神经网络分类器对脑电信号的特征向量进行分类，实现运动想象模式的识别。

2.根据权利要求1所述的基于LMD熵特征和LVQ神经网络的运动想象脑电信号识别方法，其特征在于，步骤1中，首先确定最优响应序列，其余时段成为非最优响应序列；其次，判断最优响应序列的端点是否为极值点，如果端点为极值点，那么最优响应序列不进行延拓；如果端点不为极值点，那么进行下一步的延拓；最后，在需要延拓的一端向非最优响应序列寻找极值点，找到极值点后，将最优响应序列两端延拓至极值点并保存。具体方法如下：

应用自延拓的端点延拓方法对信号左右两端进行延拓处理的具体方法如下：

(1)对于运动想象信号x(i)(i＝1,2,...,N)，设左端点为x(m)，右端点为x(n)；

(2)比较x(m)和点x(l)(l＝m-1)与点x(r)(r＝m+1)的大小，判断左端点是否为极值点；比较x(n)和点x(l)(l＝n-1)与点x(r)(r＝n+1)的大小，判断右端点是否为极值点；

(3)如果左端点不是极值点，那么对信号向左搜寻，一直搜寻到极值点x(m-a)；如果右端点不是极值点，那么对信号向右搜寻，一直搜寻到极值点x(n+b)；

(4)将x(m-a)到x(m)之间的点作为左延拓，x(n)到x(n+b)之间的点作为右延拓，形成新的特征信号序列x(i)(i＝1,2,...,N+a+b)。