[发明专利]一种基于改进S变换的运动想象分类识别方法

说明书

本发明公开一种基于改进S变换的运动想象分类识别方法，采用改进S变换的方法在脑电信号特征最显著的频率范围内提取信号的PSD特征，筛选出尺度因子p和q的最优值，准确地提取出信号特征。提取出有效特征后，筛选出SVM分类器中惩罚因子c与核函数参数g的最优值，以及确定最佳核函数，训练出分类模型并测试，获得了最高96％的分类正确率，优于目前所有方法的分类正确率。本发明采用信道选择方法，在保证性能的前提下降低数据维度，大大减轻了算法复杂度，并剔除了信道中的噪音信道以及相互干扰的信道，筛选出了噪音小，干扰少的几个相对较好的信道。

技术领域

本发明涉及脑机接口领域，具体涉及一种基于改进S变换的运动想象分类识别方法。

背景技术

脑-机接口(Brain-Computer Interface，BCI)是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道，通过这种通道，人就可以直接通过脑来表达想法或操纵设备，而不需要语言或动作，这可以有效增强由于严重神经系统混乱而导致肌无力的残障患者与外界交流和通信的能力，以提高患者的生活质量。

脑电信号记录大脑活动时的脑波变化，脑波是脑神经细胞电生理活动在大脑皮层的总体反映，大脑皮层处于不同生理状态，相应的脑电波形也不同。包含运动想象的脑电信号的相关研究是脑机接口技术研究领域的一个重要组成部分。运动想象是指患者在不能进行正常肢体运动的状态下，凭借大脑想象支配其肢体进行正常运动的思维过程。基于运动想象的BCI系统主要包括信号采集，信号处理和应用三个功能模块。运动想象能够在想象动作发生的同时激发大脑运动皮层脑电节律的变化，脑电节律的变化与事件相关去同步/同步(Event-Ralated Desynchronization/Event-Related Synchronization，ERD/ERS)有关。当大脑皮层某区域受到动作指令或想象运动等刺激而处于活跃状态时，可以导致特定频带范围的节律性活动的能量明显衰减，这种电生理现象称作事件相关去同步化；与之相反，导致特定频带范围的节律性活动能量明显升高的电生理现象称为事件相关同步化。我们提取包含这种变化的脑电信号作为BCI系统的输入信号，然后由BCI系统的信号处理部分判断出运动想象种类，再由计算机将运动想象种类翻译成控制命令，最终实现人脑与外部设备的通信以及控制功能。

信号处理是基于运动想象的BCI系统的核心部分，主要包括预处理、特征提取和分类识别等步骤。特征提取是信号处理的一个关键环节，目的是获取一些表征大脑活动的特征量。有效地提取代表大脑活动的特征向量，可以为后续的分类识别打下坚实的基础。

大量的脑电数据的采集一般都不是在同一天完成的，受试者的意志和疲倦度可能处于不同的状态，他的大脑会显示出不同的电波活动。另外，记录系统的电极位置和阻抗等方面也会发生轻微的变化。这些都给BCI系统分类器的设计带来很大的难度。脑电信号还具有幅度微弱、信噪比低、非平稳性、非线性的特点。因此脑电信号的分析和处理一直是具有相当难度的研究课题。目前，对于脑电信号，大家在特征提取部分的处理还不够完善：无法有效地提取代表大脑活动的特征向量，难以获得较好的分类效果；提取的信号特征过多，影响分类效率；选取的信道数目太大，造成信道之间相互干扰。另外，由于选择不同的特征提取方法和分类器对分类准确率的贡献不同，提取到的特征未能匹配合适的分类器，也会导致分类准确率不高以及难以提高的问题。所以，如何有效地提取脑电信号的特征信息，以及匹配出最佳分类器是运动想象分类识别部分研究中必须解决的一个关键问题。

发明内容

为解决上述问题，本发明提供一种基于改进S变换的运动想象分类识别方法，可以有效提取脑电信号特征，并极大地提高分类准确率。

本发明的技术方案是：一种基于改进S变换的运动想象分类识别方法，包括以下步骤：

S1：获取脑电信号，并对脑电信号进行预处理；所述脑电信号包括训练集、测试集、训练集标签和测试集标签；