[发明专利]基于NA-MEMD和互信息的脑电IMF分量选择方法

摘要

本发明涉及一种基于NA-MEMD和互信息的选择IMF分量的方法。在脑电信号处理中，NA-MEMD方法是一种有效的自适应性的非线性时频域分解方法，但该方法存在分解结果包含大量虚假的IMF分量问题，而现有的方法选取有用IMF分量多依赖于先验信息。利用二维互信息计算出各通道信号及其IMF分量、噪声及其IMF，分量、信号IMF分量与噪声IMF分量的相关性。然后，根据相关性得到的敏感因子筛选出有用的IMF分量并重构，使用CSP对重构信号进行特征提取。本发明方法降低了直接选用IMF分量作为特征值导致的高的特征维数，使用二维互信息减少了算法的处理时间，加强了特征区分度，是一种有效的选取有用信息的方法。

主权项

基于NA‑MEMD和互信息的脑电IMF分量选择方法，其特征在于，该方法具体包括以下步骤：步骤一：使用NA‑MEMD同时对多通道的EEG和辅助噪声共同组成的信号进行分解，得到数量和频率一致的IMF分量；步骤二：分别计算出多通道的EEG与多通道的EEG的IMF分量、辅助噪声与辅助噪声的IMF分量、多通道的EEG的IMF分量与辅助噪声的IMF分量的相关性：(1)计算互信息A_MI：即计算多通道的脑电信号x(t)的第i阶IMF分量与多通道的脑电信号x(t)本身的相关度；A_MI＝I(cx_i(t)；x(t))   (1)其中，cx_i(t)＝{cx_1i(t),cx_2i(t),…,cx_si(t)}，i＝1,2,...,w；其中w为IMF分量的分解总阶数；(2)计算互信息B_MI：即计算辅助噪声信号n(t)的第i阶IMF分量与辅助噪声信号n(t)本身的相关度；B_MI＝I(cn_i(t)；n(t))   (2)其中，cn_i(t)＝{cn_1i(t),cn_2i(t),…,cn_ti(t)}，i＝1,2,...,w；(3)计算E_MI：即计算多通道的脑电信号x(t)的第i阶IMF分量与辅助噪声信号n(t)的对应阶IMF分量的相关度；E_MI＝I(cx_i(t)；cn_i(t))   (3)(4)计算敏感因子R：R＝(A_MI+B_MI)/2‑E_MI   (4)步骤三：根据相关性得到的敏感因子筛选出有用的IMF分量并重构，再对重构信号进行特征提取和分类。