[发明专利]一种脑电信号识别方法、装置、电子设备及存储介质

说明书

本发明公开了一种脑电信号识别方法、装置、电子设备及存储介质，方法包括：获取运动想象信号，并根据运动想象信号的类别确定各类运动想象信号的数据标签；对附有数据标签的运动想象信号进行数据增强处理；将数据增强处理后的运动想象信号进行空间滤波处理，得到第一特征矩阵；通过偏最小二乘回归法对第一特征矩阵进行特征选择以及特征降维处理，得到第二特征矩阵；根据第二特征矩阵进行分类器建模；通过分类器识别待测脑电信号。本发明能够对运动想象信号进行数据增强，有助于提高训练模型的精度；另外，通过偏最小二乘回归法对第一特征矩阵进行特征选择以及特征降维处理，能够去除冗余数据，提高分类效果，可以广泛应用于信号处理技术领域。

技术领域

本发明涉及信号处理技术领域，尤其是一种脑电信号识别方法、装置、电子设备及存储介质。

背景技术

脑机接口(BCI)将大脑信号转换为外部设备控制指令，为人类与外部环境直接交互建立了新的通道。这项技术对运动障碍和上半身瘫痪患者特别有用。当然，BCI也可以用于健康人，如游戏或机器人控制。脑电信号具有低成本、高时间分辨率的特点，广泛应用于脑电接口中。运动图像是一种自发产生的脑电图信号，不需要外界刺激。特别适用于患者的康复训练和运动控制。

但是，脑电信号很弱，信噪比低，空间模糊。提取稳定的、有区别的特征是非常困难的。因此，特征提取一直是基于运动想象的脑机接口研究的热点。此外，特征选择可以降低特征维数和噪声干扰，所选特征更稳定、更具识别力。因此，对特征选择的研究也非常重要。

在相关技术中，由于运动想象信号随机性及非平稳性非常强、具有非线性、信号微弱、噪声干扰强等特点。以及被试进行实验数据采集的时候，因为不能让被试长时间地每次执行相同的心理任务来记录大脑信号，因此运动想象所能得到的训练样本数量十分有限。

另外，相关技术在对脑电信号进行特征提取的时候，一般采用CSP(公共空间模式)的特征提取方式，经过矩阵的对角化，找到一组最优空间滤波器进行投影，使得两类信号的方差值差异最大化，从而得到具有较高区分度的特征向量，但是这种技术还是有冗余信息导致后续分类器结果不好的问题。

发明内容

有鉴于此，本发明实施例提供一种能够增强训练样本数量，且能提高分类效果的脑电信号识别方法、装置、电子设备及存储介质。

本发明的第一方面提供了一种脑电信号识别方法，包括：

获取运动想象信号，并根据所述运动想象信号的类别确定各类运动想象信号的数据标签；

对所述附有数据标签的运动想象信号进行数据增强处理；

将数据增强处理后的运动想象信号进行空间滤波处理，得到第一特征矩阵；

通过偏最小二乘回归法对所述第一特征矩阵进行特征选择以及特征降维处理，得到第二特征矩阵；

根据所述第二特征矩阵进行分类器建模；

通过所述分类器识别待测脑电信号。

在一些实施例中，所述获取运动想象信号，并根据所述运动想象信号的类别确定各类运动想象信号的数据标签，包括：

提取运动想象左手时的脑电数据和运动想象右手时的脑电数据；其中，所述脑电数据包括预备期和运动想象期；所述提取的采样频率为250Hz；

将所述想象左手时的脑电数据和所述想象右手时的脑电数据打上数据标签。

在一些实施例中，所述对所述附有数据标签的运动想象信号进行数据增强处理，包括：

提取所述运动想象期中的中间数据；

对所述中间数据进行去噪处理；

对去噪处理后的数据进行数据增强处理。