[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

说明书

本发明公开了一种基于因效网络的多类运动想象脑电信号识别方法；具体为1、使用脑电采集设备采集驾驶脑电信号；2、对采集到的脑电信号进行预处理，包括降频、降噪；3、构建运动想象因效网络；4、给运动想象因效网路矩阵进行编码；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；本发明只需使用运动想象因效网络矩阵训练一次卷积神经网络，和使用8个特征值训练一次线性支持向量机分类器，我们就可以进行在线识别多类运动想象脑电信号。

技术领域

本发明属于生物电信号识别领域，涉及多类运动想象脑电信号识别方法，具体是一种基于因效网络的多类运动想象脑电信号识别方法。

背景技术

运动想象是一种特殊的运动功能状态，可表述为人们就执行某个动作所进行的内心排演，由于并不引发肢体、肌肉的活动，它与实际运动存在着明显的不同。运动想象作为近年来最具有临床应用前景的康复治疗新方法之一，引起了越来越多研究者的关注，已有研究表明，它能够与实际运动一样有效激活运动相关的大脑皮层区域。

随着人工智能技术的不断发展和进步，康复机器人在国际上已经逐步成为临床康复治疗的重要技术手段之一。结合运动想象的康复机器人可以辅助脑损伤肢体瘫痪患者进行康复训练，这一技术给脑损伤肢体瘫痪患者带来了福音。但是目前在线识别患者的运动想象任务以及多类运动想象脑电信号的识别已经成为康复机器人设计中亟待解决的问题，需要进一步研究和方法上的拓展。

发明内容

针对以上问题，提出一种基于因效网络矩阵的多类运动想象脑电信号识别方法。该方法具有离线训练、在线识别的特点。

按照本发明提供的技术方案，提出了一种基于因效网络的多类运动想象脑电信号识别方法，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。

提取每个信道中两个频带，分别是α(8-15HZ)、β(16-30HZ)。因为在运动想象期间这两个频带起着重要的作用。

步骤3、构建运动想象因效网络；

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；

使用多变量格兰杰因果关系度量各节点之间的因果关系，多变量格兰杰因果关系(MVGC)是基于格兰杰因果关系的概念，然后推广到相互关联的X、Y集合和条件多变量情况下Z的相互作用。

首先定义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，∑(X)表示X的n×n的协方差矩阵，∑(X，Y)表示X，Y的协方差矩阵，tr[]表示矩阵的迹。

在运动想象任务期间节点被预测节点X在另一个节点Y上的多元线性回归：

X＝A·Y+ε

其中A是n×m的矩阵，包含着回归系数，随机向量ε包含残差。该模型的系数通过残差和回归预测因子Y之间施加零相关来唯一确定。由Yule-Walkers公式我们可以得到：

A＝∑(X，Y)∑(Y)^-1

残差的协方差矩阵：

∑(ε)＝∑(X|Y)＝∑(X)-∑(X，Y)∑(Y)^-1∑(X，Y)^T