[发明专利]一种基于EMD和DCNN的运动想象脑电信号识别方法

权利要求书

1.一种基于经验模态分解EMD和深度卷积神经网络李DCNN的运动想象脑电信号识别方法，其特征在于：该方法包括以下步骤：

S1：脑电信号采集与划分；

S2：样本脑电信号EMD分解；

S3：脑电信号数据集创建；

S4：DCNN设计与训练；

S5：脑电信号识别。

2.根据权利要求1所述的一种基于EMD和DCNN的运动想象脑电信号识别方法，其特征在于：所述步骤S1中，脑电信号采集与划分为：使用Emotiv脑电仪对脑电信号进行采集，并使用相等长度的窗口进行划分，获取样本脑电信号；当窗口移动长度步长小于单个信号的样本长度时，样本之间存在重叠部分，固定长度的信号能够提取出更多的样本，将长度为L的时域脑电信号划分成N_Samples＝(L-N_in)/s个样本，其中N_in为样本长度，s为切片窗口的移动距离。

3.根据权利要求1所述的一种基于EMD和DCNN的运动想象脑电信号识别方法，其特征在于：所述步骤S2中，样本脑电信号EMD分解为：对脑电信号重叠切片的样本信号进行EMD分解把非平稳信号X(t)分解为一系列具有不同特征尺度的平稳信号c₁(t)，c₂(t)，...，c_n(t)，具体过程为：

S21：对于信号X(t)，用三次样条曲线拟合出极大值组成的上包络线g(t)和极小值组成的下包络线y(t)；

S22：计算出g(t)和y(t)的平均值：

S23：计算出X(t)和m(t)的差值：

c(t)＝X(t)-m(t)

若c(t)满足IMF的定义截止条件，则c(t)即为分离出来的第一个IMF；否则，X(t)被c(t)取代，重复计算S1～S3，直到满足IMF的定义；

分离出第一个IMF后，计算出剩余信号r(t)：

r(t)＝X(t)-c(t)

将剩余信号r(t)作为原始信号，并重复S1～S3；EMD过程结束后，原始信号会被分解成n个IMF分量和一个剩余分量r_n(t)，则X(t)表示为：

由于包含运动想象ERD/ERS信息的特征主要集中前三阶IMF，选择FC5和FC6通道的前三阶IMF分量进行性分析。

4.根据权利要求1所述的一种基于EMD和DCNN的运动想象脑电信号识别方法，其特征在于：所述步骤S3中，数据集创建为：将运动想象脑电信号特征明显的6个IMF分量按规定的顺序堆叠成一个多通道样本，将所有样本信号进行上述操作，创建数据集，并将数据集划分成训练集和测试集。