[发明专利]基于双树复小波样本熵的运动想象脑电信号特征提取方法

摘要

本发明提出了一种基于双树复小波样本熵的运动想象脑电信号特征提取方法。首先，利用双树复小波变换将脑电信号分解在不同的频段，依据运动想象脑电信号中ERD/ERS现象，抽取有用信号的频段进行重构；然后，利用样本熵提取出脑电信号特定频段的非线性特征。本方法可以作为脑电数据信号分析中一种有效的特征处理方法，具有一定的可行性，可以获得比较高的识别率，它为BCI的特征提取提供了新的思路。

主权项

基于双树复小波样本熵的运动想象脑电信号特征提取方法，其特征在于：步骤(1).抽取出对应频段的运动想象脑电信号：将采集到的运动想象脑电信号通过双数复小波变换进行分解，抽取出对应于运动想象脑电信号中ERD和ERS现象的节律波信号，再对其进行重构，具体是：设采集脑电信号的采样频率为fs，采用双树复小波变换对信号进行分解的层次为L，对低频子带复系数cAL和高频子带复系数cDL，cDL‑1，……，cD1进行系数重构，根据分解原理得到L+1个重构信号，频段范围由低到高依次为[0,fs/2L+1]，[fs/2L+1,fs/2L]，[fs/2L,fs/2L‑1]，……，[fs/22,fs/2]；其中f(Dl)∈[fs/2l+1,fs/2l]Hz，l∈1,2,...,L,f(AL)∈[0,fs/2L+1]；然后选取有用信号的alpha节律和beta节律波对应的频率范围作为重构信号；双树复小波变换重构过程的小波系数dj(t)和尺度系数cJ(t)如下：dj(t)=2(j-1)/2[Σn=-∞∞djRe(n)ψh(2jt-n)+Σk=-∞∞djIm(n)ψg(2jt-k)]]]>cJ(t)=2(J-1)/2[Σn=-∞∞cJRe(n)φh(2Jt-n)+Σk=-∞ImcJIm(n)φg(2Jt-k)]]]>由以上两式得双树复小波变换多尺度分解下重构后的信号：x(t)＝dj(t)+cJ(t)其中n为采样次数，j为比例因子，J为最大尺度且j＝1,2,…,J,ψh、φh、ψg、φg表示小波变换函数，分别为实部树的小波系数及尺度系数，分别为虚部树的小波系数及尺度系数；步骤(2).对信号进行特征提取：对含有有用成分的各层重构信号利用样本熵方法进行特征提取，具体是：（一）快速样本熵的计算：(1)设重构后的信号时间序列{xi}含有N个数据，分别为x(1),x(2)…x(N)；(2)将序列{xi}按顺序组成一组m维矢量，X(i)＝[x(i),x(i+1),…,x(i+m‑1)]式中，i=1～N‑m+1；矢量X(i)与X(j)之间的距离dis[X(i),X(j)]用分量间的最大欧氏距离表示，即dis[X(i),X(j)]=maxk=0,...,m-1|xi+k-xj+k|]]>式中，k=1～m‑1,i,j=1～N‑m+1;(3)定义N×N的二值距离矩阵为D，D的第i行第j列为dij，给定阈值r，r>0，则：dij=0,dis[X(i),X(j)]≥r1,dis[X(i),X(j)]<r,(i,j=1~N)]]>(4)对每一个i值统计dis[X(i),X(j)]＜r的数目，记为同理将维数加1，计算Bim(r)=Σj=1N-1dij∩d(i+1)(j+1)...d(i+m-1)(j+m-1)]]>Bim+1(r)=Σj=1N-2dij∩d(i+1)(j+1)...d(i+m)(j+m)]]>(5)求所有的的平均值记为Bm(r)及的平均值Bm+1(r)，Bm(r)=1N-m+1Σi=1N-m+1Bim(r)]]>Bm+1(r)=1N-mΣi=1N-mBim+1(r)]]>(6)脑电信号时间序列{xi}的样本熵可表示为：SampEn(N,m,r)＝‑ln[Bm+1(r)/Bm(r)]（二）样本熵参数的选择样本熵SampEn(N,m,r)的值与嵌入维数m，相似容限r，数据长度N都有关系，选定嵌入维数取m=2，于此同时嵌入维数m需要长度为N=10m～20m的数据长度，相似容限r取0.1～0.25SD，SD为原始数据的标准差。