[发明专利]基于EEG脑电信号数据的状态分类方法

权利要求书

1.一种基于EEG脑电信号数据的状态分类方法，其特征在于：其包括以下步骤：

S1，获取不同分类的EEG脑电信号数据、以及相应的垂直和水平眼电信号数据；

获取两类EEG脑电信号数据、以及相应的垂直和水平眼电信号数据；通过从数据库中获取，或者通过测试仪中的电极获取，获取的EEG脑电信号数据都已知属于哪个分类；获取的脑电信号数据由多通道的连续的采样数据组成，对每次获取的EEG脑电信号数据进行切片，构成一个样本，每个样本选用A个采样点作为样本的长度，样本的步进长度为STEP个采样点，每个样本包含了多个通道的采样数据；

S2，EEG脑电信号数据预处理；

首先对脑电信号数据进行带通滤波，所述带通滤波频率为1-30Hz；

随后使用独立成分分析的方法对脑电信号数据中的眨眼和眼球运动伪迹进行去除；得到经预处理后的样本；

S3，基于过程的特征提取，包括以下步骤：

S31，频域特征提取；

对于单个预处理后的样本的单个通道根据快速傅里叶变换得到功率谱密度；

将频率进行分段，得到B个频率段，根据不同频率段下的功率谱密度特征向量集合得到频域脑电信号数据矩阵V_fr，V_fr为N×M_fr维的矩阵，其中N为通道数量，M_fr是单个通道在fr频率段下的特征维度，fr为B个频率段中的一个，矩阵元素为相应频率段下离散频率点k处的功率谱密度值；

S32，空域特征提取；

S321，生成降维后的空间滤波器；

得到在fr频率段下降维后空间滤波器W_fr，c，矩阵W_fr，c为2m*N的矩阵，其中m为设定值，N为通道数量；

S322，生成单个样本的频-空特征向量；

将步骤S31获得的频域脑电信号数据矩阵V_fr与降维后空间滤波器W_fr，c相乘得到特征矩阵Y_fr：

Y_fr＝W_fr，cV_fr (19)

其中，特征矩阵Y_fr为2m*M_fr的矩阵；

求取特征矩阵Y_fr中的每行数据的方差，将特征矩阵Y_fr的行数据替换为相应行数据的方差，特征矩阵Y_fr变为维度为2m的特征向量；将所有频率段的特征向量直接连接组合后，成为单个样本的频-空特征向量，单个样本的频-空特征向量的维度为2m*B；

S4，训练分类模型；

重复步骤S3得到脑电信号数据的多个样本的频-空特征向量，使用频-空特征向量以及依据步骤S1获取的脑电信号数据分类对每个频-空特征向量设置相应的标签，采用支持向量机方法根据频-空特征向量和标签对分类模型进行训练。