[发明专利]基于LMD熵特征和LVQ神经网络的运动想象脑电信号识别方法

摘要

本发明公开了一种基于LMD熵特征和LVQ神经网络的运动想象脑电信号识别方法，属于脑机接口技术领域。本发明运用改进的LMD方法对脑电信号进行分解，得到原始信号的一系列PF分量和残差，筛选出包含主要特征频率的PF分量；对选出的有效PF分量分别计算能量熵、模糊熵、多尺度熵，并将三种熵融合为特征向量；最后使用LQV神经网络对特征向量进行分类识别。本发明中的改进LMD方法，采用自延拓的方法来改善可能存在的端点效应问题。该方法克服了LMD端点效应问题，能够有效的进行脑电信号特征提取，实现了对运动想象模式的有效识别，具有一定的实用价值。

主权项

一种基于LMD熵特征和LVQ神经网络的运动想象脑电信号识别方法，其特征在于，所述方法的步骤如下：步骤1，利用信号采集设备采集运动想象状态下的脑电信号，包括想象多种不同运动的脑电信号，确定信号最优响应时段、信号频带等参数；应用自延拓的端点延拓方法对信号时段的脑电信号段进行延拓，使延拓后的信号两端都是极值点；步骤2，应用LMD熵特征对延拓后的非平稳非线性的脑电信号进行自适应分解，获得一系列的乘积函数PF分量和残余分量，截取原信号长度的信号，筛选出所需要的PF分量进行下一步的处理；步骤3，对每一个有效PF分量计算能量熵、模糊熵、多尺度熵，利用三种熵值表征脑电信号的特征，将三种熵值组合形成运动想象的特征向量；步骤4，以LVQ神经网络作为分类器，将特征向量输入训练LVQ分类器，使用LVQ神经网络分类器对脑电信号的特征向量进行分类，实现运动想象模式的识别。