[发明专利]基于脑源域空间的MI-EEG识别方法

摘要

本发明公开了基于脑源域空间的MI‑EEG识别方法，对采集到的运动想象脑电信号进行共平均参考及带通滤波等预处理；使用标准化低分辨率脑电磁断层扫描成像算法对脑电信号进行逆变换，得到脑源域偶极子偶极矩幅值时间序列；使用数据驱动方法，基于偶极子偶极矩幅值大小进行偶极子的初选，并采用连续小波变换对其进行时频分析，实现偶极子的精选及最优时间段的确定；选用一对一共空间模式算法提取偶极子小波系数功率序列特征，并输入到支持向量机中进行分类。本发明提高空间分辨率的同时，使得其时域、频域、空域信息在偶极子的优选、最优时间段的确定，及特征提取中得以充分利用，对于提高计算效率和分类精度具有重要意义。

主权项

1.基于脑源域空间的MI‑EEG识别方法，其特征在于：首先对头皮层采集的脑电信号进行预处理，利用共平均参考降低原始信号基线漂移现象，同时对脑电信号进行8‑32Hz带通滤波，得到与运动节律相关的脑电信号；然后，基于sLORETA的脑源成像逆算法将预处理之后的脑电信号转换到脑皮层空间，得到偶极子偶极矩时间序列，并根据脑皮层偶极子偶极矩幅值分布图对偶极子进行初选；进而，利用CWT对初选的偶极子进行时频分析，根据α波段小波系数功率序列精选偶极子并确定最优时间段；最后，在最优时间段内采用OVO‑CSP算法对精选的偶极子的α波段小波系数功率序列进行特征提取，并利用SVM进行特征分类，采用十次十折交叉验证得到平均分类识别率，验证本方法的正确性和有效性。