[发明专利]一种基于脑电的自主运动意图识别方法及系统

说明书

本发明涉及一种基于脑电的自主运动意图识别方法及系统，方法包括采集设定数量的多种脑电信号；采用共平均参考的方式对脑电信号进行去噪；对去噪后的脑电信号进行经验模态分解，得到多个分解量；获得各分解量的协方差矩阵；将各协方差矩阵相加获得混合空间协方差矩阵；根据混合空间协方差矩阵构建特征向量；将特征向量作为输入，以特征向量表示的运动意图作为输出，采用孪生支持向量机训练自主运动意图识别模型；获取待识别脑电信号对应的特征向量，记为待识别特征向量。本发明突出脑电信号的特征，从而提高自主运动意图识别的准确性。

技术领域

本发明涉及生理电信号处理技术领域，特别是涉及一种基于脑电的自主运动意图识别方法及系统。

背景技术

脑电是大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。考虑到严重运动功能障碍患者中的大多数人仍具有正常的大脑功能，会产生自主运动意图的脑电信号，然而脑电信号存在确定性较差、干扰性强、信号微弱，随机性强，识别率较低，存在非线性等诸多弊端，限制了外部传感大脑对肢体动作的运动意图获取，影响以脑电信号作为信息源控制假肢。

发明内容

基于此，本发明的目的是提供一种基于脑电的自主运动意图识别方法及系统，对脑电信号进行特征识别，提高自主运动意图识别的准确性。

为实现上述目的，本发明提供了如下方案：

一种基于脑电的自主运动意图识别方法，包括：

采集设定数量的多种脑电信号；

采用共平均参考的方式对所述脑电信号进行去噪；

对去噪后的所述脑电信号进行经验模态分解，得到多个分解量；

获得各所述分解量的协方差矩阵；

将各所述协方差矩阵相加获得混合空间协方差矩阵；

根据所述混合空间协方差矩阵构建特征向量；

将所述特征向量作为输入，以运动意图作为输出，采用孪生支持向量机训练自主运动意图识别模型；

获取待识别脑电信号对应的特征向量，记为待识别特征向量；

将所述待识别特征向量输入所述自主运动意图识别模型，获得待识别特征向量对应的自主运动意图。

可选地，所述采用共平均参考的方式对所述脑电信号进行去噪，具体包括，通过公式：对所述脑电信号进行去噪，其中，V_i表示去噪后的脑电信号，X_i表示去噪前的脑电信号，m表示电极通道的数量。

可选地，所述对去噪后的所述脑电信号进行经验模态分解，得到多个分解量之前，还包括：

采用巴特沃斯带通滤波对去噪后的所述脑电信号进行滤波。

可选地，所述对去噪后的所述脑电信号进行经验模态分解，得到多个分解量，具体包括：

将去噪后的所述脑电信号作为初始信号序列，n＝1；

获取所述初始信号序列的极大值点和极小值点；所述极大值点为连续三个信号中，中间信号幅值最大的点，所述极小值点为连续三个信号中，中间信号幅值最小的点；

依次连接极大值点形成第一包络线；依次连接极小值点形成第二包络线；

计算所述第一包络线和所述第二包络线形成的均值序列；

将所述初始信号序列减去所述均值序列获得的序列为第n次分解量；

计算第n次分解量的标准差；

若所述标准差小于设置值，则结束；