[发明专利]基于多尺度加权排列熵的运动想象脑电信号特征提取方法

说明书

本发明提供基于多尺度加权排列熵的运动想象脑电信号特征提取方法，所述基于多尺度加权排列熵的运动想象脑电信号特征提取方法包括S1、运动想象脑电信号预处理，通过CMWPE熵值变化确定最优时间段；S2、获取广义粗粒化序列；S3、广义复合多尺度加权排列熵的计算；S4、特征向量的构建。本发明提供的基于多尺度加权排列熵的运动想象脑电信号特征提取方法具有能够有效的提取脑电信号的特征，且能够提高脑电信号分类识别率的优点。

技术领域

本发明涉及脑电信号处理技术领域，尤其涉及基于多尺度加权排列熵的运动想象脑电信号特征提取方法。

背景技术

脑机接口(Brain-computerInterface，BCI)是指建立一种不依赖于人体肌肉组织和外周神经等传统途径，而在人与周围环境间进行信息交流与控制的新型通道，系统能够为人们提供无需体力操作的新的人机交互通信方式。在特殊环境下，当不便于采用传统控制方式时，可以利用运动想象脑电信号(MotorImageryElectroencephalography，MI-EEG)识别人的意图实现对外界设备的控制，技术最主要的应用就是为思维正常但有严重运动功能障碍的人提供一种与外界环境交流和控制的途径。

在EEG的研究中发现，与运动想象紧密联系的电生理现象是事件相关同步(event-relatedsynchronization，ERS)事件相关去同步(event- relatedsynchronization，ERD)现象。

大脑在想象左手运动时，大脑同侧C3通道运动感知区μ节律(8-12Hz) 和β节律(18-26Hz)的幅度升高，这一现象称为ERS，而对侧C4通道运动感知区μ节律和β节律幅度降低，这一现象称为ERD现象，因此，ERD/ERS 现象可作为运动想象信号识别的有效依据。

脑电信号的非线性特点使得多种非线性分析法被应用于脑电的研究中，很多基于熵的方法已成功的应用于脑电信号的特征提取，多尺度加权排列熵 (MultiscaleWeightedPermutationEntropy，MWPE)通过粗粒化的构造方式能够从多个尺度全面表征时间序列复杂性，克服了单一尺度分析的不足，但 MWPE粗粒化过程依赖于时间序列长度，时间序列长度变短会导致熵值偏差增大，这必然会影响特征提取的准确度。

因此，有必要提供基于多尺度加权排列熵的运动想象脑电信号特征提取方法以解决上述技术问题。

发明内容

为解决上述技术问题，本发明提供一种能够有效的提取脑电信号的特征，且能够提高脑电信号分类识别率的基于多尺度加权排列熵的运动想象脑电信号特征提取方法。

本发明提供的基于多尺度加权排列熵的运动想象脑电信号特征提取方法包括以下步骤：

S1、运动想象脑电信号预处理，通过CMWPE熵值变化确定最优时间段；

S2、获取广义粗粒化序列；

S3、广义复合多尺度加权排列熵的计算；

S4、特征向量的构建。

为了达到得到尺度因子s变化范围的效果，所述步骤S1中对脑电信号进行预处理过程中，尺度因子s变化范围的确定具体为：尺度因子s的大小对于广义粗粒化序列的平滑程度有一定的影响。

为了达到确定最大的尺度因子的效果，所述尺度因子过大时，不同尺度下的广义粗粒化序列的差异会逐渐逼近，且序列过于平滑，会抹去部分有用信息，会遗漏一些特征信息导致分类准确率下降，因此确定最大的尺度因子s_max＝20。