[发明专利]一种基于因效网络的多类运动想象脑电信号识别方法

权利要求书

1.一种基于因效网络的多类运动想象脑电信号识别方法，其特征在于：包括如下5个步骤：

步骤1、使用脑电采集设备采集64个导联的多类运动想象脑电信号；

步骤2、对采集到的脑电信号进行预处理，包括降频、降噪；

步骤3、使用多变量格兰杰因果关系构建运动想象因效网络；

步骤4、给运动想象因效网路矩阵进行编码；

步骤5、使用线性支持向量机对运动想象因效网络的特征进行分类；

所述的步骤4中，给运动想象因效网路矩阵进行编码；即使用卷积神经网络给因效网络矩阵进行编码，通过训练卷积神经网络让其生成8个因效网络的测量值，这8个测量值就是因效网络的特征；具体步骤如下：

4-1.标注因效网络矩阵；

4-2.用已经标注好的因效网络矩阵训练卷积神经网络；

训练卷积神经网络，确保相同运动想象任务下生成的测量值之间的欧式距离小于阈值T，不同运动想象任务下生成的测量值之间的欧式距离大于阈值T；

4-3.让训练好的卷积神经网络分别为每个运动想象任务因效网络矩阵生成8个测量值。

2.根据权利要求1所述的一种基于因效网络的多类运动想象脑电信号识别方法，其特征在于：所述的步骤2中，降频过程为提取每个信道中两个频带，分别是α(8-15HZ)、β(16-30HZ)。

3.根据权利要求1所述的一种基于因效网络的多类运动想象脑电信号识别方法，其特征在于：所述的步骤3中，使用多变量格兰杰因果关系构建运动想象因效网络；具体步骤为：

3-1.确定运动想象因效网络节点；

把每个EEG导联对应的电极覆盖的区域定义为一个节点；

3-2.使用多变量格兰杰因果关系度量节点之间的因果关系；

假设三个节点X,Y,Z,其中X表示被预测节点,考虑预测变量和预测变量不在被约束为单变量情况下，即测量给定Z从Y到X的多变量G因果关系，使用多变量的均方误差，即多变量残差的总方差或预期多元残差的平方长度，得出：

即测量给定Z从Y到X的多变量格兰杰因果关系，表示向量的垂直级联，X^-表示X的滞后变量，Y^-表示Y的滞后变量，Z^-表示Z的滞后变量，表示X对的线性回归残差的协方差矩阵，表示X对的线性回归残差的协方差矩阵tr[]表示矩阵的迹；

3-3.根据因果关系构建因效网络；

利用多变量格兰杰因果关系量化节点之间的关系，经过显著性检验，确定各节点之间的因果流，即多变量格兰杰因果关系的大小为节点之间边的大小，多变量格兰杰因果关系的方向为节点间边的方向。

4.根据权利要求1所述的一种基于因效网络的多类运动想象脑电信号识别方法，其特征在于：使用线性支持向量机对运动想象因效网络的特征进行分类；具体为：训练一个线性支持向量机分类器，从因效网络矩阵中获取测量结果，并找到最匹配的那个因效网络矩阵，分类器的结果就是最匹配运动想象任务。