[发明专利]一种用于脑电模式识别的复合空间滤波与模板匹配方法

权利要求书

1.一种用于脑电模式识别的复合空间滤波与模板匹配方法，其特征在于，所述方法基于任务相关成分分析与判别空间模式分析，对脑电信号进行空间滤波，且通过模板匹配实现对大脑活动不同模式的有效识别，所述方法包括以下步骤：

利用预处理后的脑电数据构建任务相关成分空间滤波器，预处理后的脑电数据经过第一次空间滤波后用于构建判别空间模式滤波器，即DSP滤波器；

滤波后的数据经过第二次空间滤波后构建模板数据，测试数据经过两次空间滤波与模板数据进行匹配分析，最后进行决策分类。

2.根据权利要求1所述的一种用于脑电模式识别的复合空间滤波与模板匹配方法，其特征在于，所述利用预处理后的脑电数据构建任务相关成分空间滤波器具体为：

训练集通过计算得到任务相关成分分析滤波器：

共得到n个子滤波器；其中N_c表示滤波器的维度，N_t表示截取信号长度；

对子滤波器降维对训练样本的模板信号及测试数据经过子空间滤波后，得到以及

其中，N′_c为降维后滤波器的维度，由经验确定，为模板信号的转置，为降维后的第i类TRCA滤波器；R为实数集。

3.根据权利要求2所述的一种用于脑电模式识别的复合空间滤波与模板匹配方法，其特征在于，所述预处理后的脑电数据经过第一次空间滤波后用于构建判别空间模式滤波器具体为：

两类新训练数据通过计算后得到DSP滤波器：

且j≠i，其中U_i，j表示第i类训练数据和第j类数据通过计算后得到的DSP滤波器；

对每两类训练集计算DSP滤波器，则得到个子滤波器；

对子滤波器降维其中N″_c为滤波器降维后的维度，对降维后的子滤波器组合变为

对训练样本的模板信号以及测试数据进行空间滤波，得到以及

4.根据权利要求3所述的一种用于脑电模式识别的复合空间滤波与模板匹配方法，其特征在于，所述测试数据经过两次空间滤波与模板数据进行匹配分析的过程即为：对经过复合空间滤波后测试数据与各模板进行典型相关分析，即CCA，并在新的投影空间计算皮尔森相关系数的过程；

具体计算公式如下：

由此，测试数据与每一类训练数据的模板匹配计算后得到了特征向量：

ρ_i＝[ρ_i1，ρ_i2，ρ_i3，ρ_i4]^T，ρ_i∈R^4×1；

其中，CCA(*)表示CCA分析，corr(*)表示皮尔森相关系数，A_i，B_i为线性投影矩阵，ρ_i1为第i类特征向量的第一个特征元素，ρ_i2为第i类特征向量的第二个特征元素，ρ_i3为第i类特征向量的第三个特征元素，ρ_i4为第i类特征向量的第四个特征元素。

5.根据权利要求4所述的一种用于脑电模式识别的复合空间滤波与模板匹配方法，其特征在于，所述决策分类的过程即为特征值比较的过程，具体为：

通过比较特征值的大小判定测试样本与哪一类训练样本更为匹配，加入权重系数ω＝[ω₁，ω₂，ω₃，ω₄]，ω∈R^1×4优化匹配结果；

其中，选取最大的ωρ_i，则测试数据的识别结果为第I类脑电模式。