[发明专利]一种脑力负荷自动辨识方法及系统

说明书

本发明公开了一种脑力负荷自动辨识方法及系统。该脑力负荷自动辨识方法包括：获取脑电信号；采用独立成分分析法对脑电信号进行分离，得到多个脑电独立分量；提取各脑电独立分量的能量特征；将能量特征输入到SVM分类器中，得到脑电信号的脑力负荷分类结果。本发明能够提高脑力负荷的辨识准确率。

技术领域

本发明涉及脑力负荷辨识领域，特别是涉及一种脑力负荷自动辨识方法及系统。

背景技术

现有的脑力负荷辨识方法首先对采集的脑电信号(electroencephalogram，EEG)进行滤波处理，再对滤波后脑电信号进行特征提取，最后将得到的特征向量作为输入，利用支持向量机(Support Vector Machine，SVM)实现脑力负荷分类。图1为现有的脑力负荷辨识方法的流程图。参见图1，步骤101为采集的原始脑电信号(EEG)；步骤102为脑电信号预处理；步骤103为特征提取；步骤104为SVM分类器。

现有的脑力负荷辨识方法均是基于脑电信号展开研究，将采集的原始脑电信号进行滤波处理，得到滤波后的脑电信号，对其提取不同频段对应的能量特征，最后将所提特征作为输入，利用SVM进行脑力负荷分类。脑电图电极记录的通道信号是一组脑信号的混合信号，混合过程中导致部分脑信号特征被掩盖，直接分析混合信号不利于区分脑电信号的特性，导致辨识准确率较低。

发明内容

基于此，有必要提供一种脑力负荷自动辨识方法及系统，以提高辨识准确率。

为实现上述目的，本发明提供了如下方案：

一种脑力负荷自动辨识方法，包括：

获取脑电信号；

采用独立成分分析法对所述脑电信号进行分离，得到多个脑电独立分量；

提取各所述脑电独立分量的能量特征；

将所述能量特征输入到SVM分类器中，得到所述脑电信号的脑力负荷分类结果。

可选的，所述采用独立成分分析法对所述脑电信号进行分离，得到多个脑电独立分量，具体包括：

构建计算模型

X(t)＝AS(t)；

其中，X(t)表示脑电信号，X(t)＝[x₁,x₂,...,x_m]^T，T表示转置，m表示电极点的个数，S(t)表示脑电独立分量集合，S(t)＝[s₁,s₂,...,s_n]^T，n表示脑电独立分量的个数，A表示混合矩阵，A＝{a_ij},i＝1,2,...,m；j＝1,2,...,n；

构建对数似然函数

p_s(w_iX(t))表示第j个独立分量的概率密度，W表示解混合矩阵，W＝[w₁,w₂,...,w_n]^T＝A^-1；

以所述对数似然函数最大为目标，对所述解混合矩阵求解，得到解混合矩阵的最优解；

由所述解混合矩阵的最优解计算混合矩阵的最优解；

将所述混合矩阵的最优解代入到所述计算模型中，得到脑电信号分离模型；

采用所述脑电信号分离模型对所述脑电信号进行分离，得到多个脑电独立分量。

可选的，所述提取各所述脑电独立分量的能量特征，具体包括：