[发明专利]基于W‑PCA和无监督GHSOM的脑电信号识别方法

摘要

本发明涉及基于W‑PCA和无监督GHSOM的脑电信号识别方法。所述方法包括脑电信号采集，脑电信号预处理，基于小波变换结合主元分析对脑电信号进行特征提取，利用无监督GHSOM神经网络对特征向量进行分类。GHSOM神经网络在训练中能自组织学习，无需标记训练数据，根据数据的相似性进行分类，克服了现实中许多数据无标签的困难；同时，GHSOM神经网络根据数据结构自适应地确定分类所需要的神经元个数，减少了被抑制神经元的浪费现象，进而加快训练速度，缩短训练所有时间，更有利于在线分析；此外，在对数据训练的过程中，能够提供多层次、可视化的拓扑结构图，有利于对数据进行解释。

主权项

基于W‑PCA和无监督GHSOM的脑电信号识别方法，W‑PCA中文简称多尺度主元分析，GHSOM中文简称为基于生长、分层的自组织映射，其特征在于，该方法包括以下步骤：步骤1，获得脑电信号；实验者戴上电极帽放松安静地坐在计算机前，按照屏幕上提示的向左、向右的命令执行左、右手想象运动，通过差分电极从国际标准的10～20导联系统的C3、C4电极获得数据；步骤2，脑电信号预处理；利用FIR滤波器对采集的脑电信号进行8‑30HZ带通滤波，以获取较为明显的相关去同步化ERD生理特征数据段；步骤3，基于小波变换结合主元分析对脑电信号在多尺度上进行特征提取；步骤4，利用无监督GHSOM神经网络对特征向量进行分类；步骤3所述基于小波变换结合主元分析对脑电信号在多尺度上进行特征提取的方法包括以下步骤：(1)提取C3通道采集到的想象左、右手运动脑电信号特征：首先，选择Daubechies类db5小波函数对C3通道想象左、右手运动脑电信号数据集LC3、RC3的所有采样点分解5层，得到每一尺度上相应的小波分解系数，小波分解的表达式为：式中，h(k)和g(k)‑ 为 共轭镜像滤波器组，分别对应低通和高通滤波器的单位脉冲；将信号从尺度j到尺度j+1逐步分解，j为分解层数，小波分解后的小波系数为是分解得到的低频信号，即原信号的逼近信号，Djf是分解得到的高频信号，即细节信号；然后，对小波系数进行主成分分析，选取贡献度高的主元作为区分C3通道采集的想象左、右手脑电信号的特征向量，并将其标记为Feature_A、Feature_B，其中，Feature_A表示想象左手运动特征向量集，Feature_B表示想象右手运动特征向量集；(2)提取C4通道采集到的想象左、右手运动脑电信号特征：选择Daubechies类db5小波函数对C4通道想象左、右手运动脑电信号数据集LC4、RC4的所有采样点由式(1)分解5层，得到每一尺度上相应的小波分解系数；然后，对小波系数进行主成分分析，选取贡献度高的主元作为区分C4通道采集的想象左、右手脑电信号的特征向量，并将其标记为Feature_C、Feature_D，其中，Feature_C表示想象左手运动特征向量集，Feature_D表示想象右手运动特征向量集；(3)将C3、C4两个通道的特征进行串联作为区分想象左、右手运动的特征向量XL＝[Feature_A，Feature_C]，XR＝[Feature_B，Feature_D]，其中，XL表示想象左手运动特征向量集，XR表示想象右手运动特征向量集。