[发明专利]一种基于数据结构化分解的脑电信号分析方法

说明书

本发明公开了一种基于数据结构化分解的脑电信号分析方法。大脑不同的皮层之间虽然负责不同的功能，但却会相互影响，易受干扰，这造成了脑电信号的非线性以及非平稳性的特点。本发明如下：1、采集受试者的脑电数据；2、对二维脑电数据进行分解。3、分别求解出全局信息低秩矩阵、公共信息矩阵、噪声矩阵。4、构建样本子空间与识别方案。本发明提供了一种能够区分不同应用场景的新型和有效的生理信号处理方式，能够有效进行脑电信号处理，可以在脑电信号中分离出适合于模式识别的脑电本征部分和差异化部分，以及会影响识别准确率的噪声部分；利用分离出的本征部分和差异化部分，能在多种脑电识别任务中，提高识别的准确率。

技术领域

本发明属于生物信号处理领域中的脑电信号处理技术领域，具体涉及一种基于数据结构化分解的脑电信号分析方法。

背景技术

脑电信号是一种生物电信号，是由大脑皮层产生的一种特殊的电位活动。早在上个世纪初，精神科学专家Hans Berge就针对脑电信号做了许多研究，这些研究被人们认作是脑机领域的首次系统性描述。由生物学知识了解到，脑电信号是一种比较复杂的信号，它携带了大量人类个体生理信息，与情感、认知以及记忆力等多种人类相关行为存在一定联系。随着时代的发展，传感器、放大器等科学技术手段变得越来越成熟，信号分析技术的革新，脑电信号逐渐被人们所熟知，同时逐渐应用到各个领域。

然而脑电信号的提取一直是一个难题。它具有信号微弱、非线性和非平稳等特性。采集出来的脑电信号通常十分微弱，在采集过程中极易受到外界的干扰，像眨眼、心跳加速、突然兴奋等细微动作都会一定程度上影响到脑电信号的采集。同时采集到的脑电信号的幅值大都偏低，远不像肌电信号和心电信号那样明显，幅值一般只有50-100μV；此外，大脑是人体功能结构当中最复杂的器官，不同的皮层之间虽然负责不同的功能，但却会相互影响，易受干扰，这造成了脑电信号的非线性以及非平稳性的特点。因此，提取脑电信号中的有用成分是一项具有挑战的研究同时它的应用前景十分广阔。

发明内容

本发明的目的在于提供一种基于数据结构化分解的脑电信号分析方法。

本发明的具体步骤如下：

步骤1、采集受试者的脑电数据；对所得向量化一维脑电信号进行预处理，同时根据标准电极位置配置将一维脑电信号转成可以保留空间信息的二维脑电信号。

1-1.对N个受试者均在M个不同的环境或时间下进行脑电数据采集，得到N·M组脑电数据。同一受试者在M次采集时大脑保持同样的被测任务类别。N个受试者在测试中对应的被测任务类别包含了所有的被测任务类别。

1-2.对步骤1-1所得的所有脑电数据进行预处理。

1-3.将各个一维的脑电数据转化为二维脑电矩阵

步骤2、对二维脑电数据进行分解。

2-1.建立二维脑电数据集二维脑电数据集内的每个脑电数据X_i,j均为步骤1-3中所得的其中一个二维脑电矩阵。脑电数据X_i,j由第i个受试者在第j种环境或时间下测得。

2-2.将所有脑电信号X_i,j逐一分解为三个分量的组合，i＝1,2,…,N，j＝1,2,…,M，如式(1)所示。

式(1)中，C_i是表示脑电信号X_i,j的公共信息矩阵；A_j是脑电信号X_i,j的全局信息低秩矩阵；E_i,j是噪声矩阵。

2-3.针对公共信息矩阵C_i、全局信息低秩矩阵A_j和噪声矩阵E_i,j建立目标函数如式(2)所示。