[发明专利]利用EEG‑NIRS融合特征的动作意向分类方法

权利要求书

1.利用EEG-NIRS融合特征的动作意向分类方法，其特征在于：

包括以下步骤：

步骤一、对采集到的脑电(electroencephalo-graphy，EEG)信号做预处理；

步骤二、对采集到的近红外光谱(near-infrared spectroscopy，NIRS)信号做预处理；

步骤三、对EEG信号提取特征；

步骤四、对NIRS信号提取特征；

步骤五、将步骤三和步骤四得到的特征分别作归一化处理，再进行特征融合；

步骤六、采用模式分类算法对融合后的特征进行分类。

2.根据权利要求1所述的利用EEG-NIRS融合特征的动作意向分类方法，其特征在于：所述步骤一的具体方法是：利用独立成分分析(independent component analysis，ICA)算法对动作意向脑电数据去除眼电干扰；ICA滤波对原始数据作独立成分分解，获取原始信号中的独立脑电成分和各个干扰伪迹成分，保留独立脑电成分，置零干扰信号成分，进而进行ICA逆变换，获取重新构建的脑电信号。

3.根据权利要求1所述的利用EEG-NIRS融合特征的动作意向分类方法，其特征在于：所述步骤二的具体方法是：对NIRS信号做0.02Hz-0.1Hz的带通滤波，去除噪声。

4.根据权利要求1所述的利用EEG-NIRS融合特征的动作意向分类方法，其特征在于：所述步骤三的具体方法是：对EEG信号提取共同空间模式(common spatial pattern，CSP)特征，CSP算法旨在找到一组空间滤波向量，使得投影后的一类信号的方差达到最小，同时另一类信号的方差达到最大。

5.根据权利要求1所述的利用EEG-NIRS融合特征的动作意向分类方法，其特征在于：所述步骤四的具体方法是：利用NIRS信号幅度绝对值的平均值作为特征。

6.根据权利要求1所述的利用EEG-NIRS融合特征的动作意向分类方法，其特征在于：所述步骤五的具体方法是：由将步骤三和步骤四得到的特征作归一化处理，使得均值为0、方差为1；将归一化后的特征串联即为融合特征。

7.根据权利要求1所述的利用EEG-NIRS融合特征的动作意向分类方法，其特征在于：所述步骤六的具体方法是：采用线性判别分析(linear discriminant analysis，LDA)对融合后的特征进行分类。