[发明专利]改进的EEMD与CSP结合的脑电信号特征提取方法

说明书

本发明提供一种改进的EEMD与CSP结合的脑电信号特征提取方法，包括：对脑电信号集进行预处理，将其划分为训练集和测试集；对预处理后的脑电信号进行集合经验模式分解，得到若干个固有模态函数；对脑电信号进行FIR滤波，每一个固有模态函数被分解为q个子带信号，各个固有模态函数中频段相同的子带信号构成一个子带信号集，得到q个子带信号集；将q个子带信号集分别经过公共空间模式进行特征提取，得到q个特征向量，将q个特征向量组合为一个特征矩阵；训练支持向量机；将待分类脑电信号的特征矩阵输入支持向量机进行分类。本发明在CSP的基础上结合了EEMD的频域信息，并且经过滤波器组过滤优化，能够更好的用于运动想象特征提取，获得更高的分类精度。

技术领域

本涉及智能信息处理领域，特别涉及一种集合经验模式分解算法融合FIR滤波器与公共空间模式算法结合的脑电信号特征提取方法。

背景技术

脑机接口技术为是一种基于脑电信号(EEG)为人类与外部设备之间提供通信与控制的接口，通过脑机接口技术可以达到通过人脑控制外界环境的目的。脑机接口的研究主要是运用一种非侵入方法来反映出脑活动和精神状态，脑机接口为神经肌肉系统功能受损严重的病人提供了一种新的与外界交流的手段，它代替了传统的神经肌肉通道直接通过意念来与电脑程序交流并能够控制外部设备。近年来，由于神经学科，模式识别，信号处理和电子测量技术的推动，脑机接口技术的引起了越来越多的关注。

脑机接口技术主要包含五个步骤：信号采集；信号预处理，特征提取，模式识别与分类以及控制外部装置。如何有效的提取出脑电图的特征并改善分类精度是BCI(BrainComputer Interface，脑机接口)技术研究的关键。从时域和频域单独分析脑电信号是最直接的简单的特征提取方法，常见的时域特征分析方法主要包括：波形特征描述和自回归AR模型；常见的频域分析方法主要分为经典谱估计和现代谱估计。由于时频域算法具有一定的缺陷和局限性，该方法不能同时得到时间-频率良好的分辨率。脑电图信号包含大量的信息，复杂程度较高，仅仅在单一频域中分析并不能较好的分析出信号的特征。因此在几年的研究中，往往将两到三种不同分析域的方法相结合。CSP作为一种特征提取算法被广泛的应用。Z.J.Koles于1991年首次用CSP(common spatial patterns，公共空间模式)方法来提取EEG(Electroencephalogram，脑电波)信号中的非正常成分；文献首次将CSP运用于运动想象脑电图的分类中；但是CSP因为单独使用而缺乏频域信息而具有局限性；2007年Quadrianto Novi等人提出了滤波器组公共空间模式，将信号经过选择好的滤波器组后再经过CSP，其方法融入了频域信息，并获得了较高的分类精度；Yang Banghua等人提出了小波包分解与CSP相结合的方法提取运动想象脑电信号特征；而在国内，李明爱等人采用的改进后的CSP也获得了较好的分类性能。

CSP特征提取算法已经取得了广泛的应用，但是其有着输入导联数多并且缺乏频域等缺陷。本文在CSP的基础上结合了EEMD(Ensemble Empirical Mode Decomposition，集合经验模态分解)的频域信息，并且经过滤波器组过滤优化，能够更好的用于运动想象特征提取，获得更高的分类精度。

发明内容

本发明目的在于针对传统公共空间模式算法的不足，提出了一种公共空间模式算法结合集合经验模式分解的脑电信号特征提取方法。该方法是基于如下内容：1、基于集合经验模式分解的脑电信号处理；2、频域能量分析；3、根据频谱分析筛选固有模态函，并经过FIR滤波器重构新的信号矩阵；4、经过公共空间模式分解，解决公共空间模式多输入、缺频域信息的问题；5、利用支持向量机分类。

本发明解决其技术问题所采取的技术方案是：

一种改进的EEMD与CSP结合的脑电信号特征提取方法，包括如下步骤：

步骤1：对所采集脑电信号进行预处理，所述脑电信号集由左手运动想象信号和右手运动想象信号组成；