Cz、右电极C4的 时间序列，1 = 1，2，一，1-1，己在汉分别表示〇3(1)，(^(1)，(^1)的均值，〇。3,〇&，〇。 4 表示03(1)，(^(1)，04(1)的方差"表示脑电信号的采样点数，1表示时间延迟，取值为1 =〇 ； (2c2)根据步骤（2cl)计算出的三个互相关函数值c3z，c34, c4z，得到训练集O1的互相 关特征向量f。。： fCC=3ZC34cJ， (2d)将步骤（2b)中得到的训练集O1的共空间特征向量f\sp和步骤（2c)中得到的训 练集fEl1的互相关特征向量f。。进行加权特征连接，得到训练集①i的特征向量f\sp-。。： fCSP-CC=[WcSp*fcsp Wcc*fcJ 其中，Wc;sp，Wcxe [0 1]，分别表示训练集? i的共空间特征Lsp和训练集? :的互相关 特征f。。的权重； (3)按照与步骤（2b)到步骤（2d)相同的方法提取测试集?2的测试特征向量：F __。。 =IXsp^Fesp k。。％。]，其中，Icc^kcxG [〇 1]，分别表示测试集(D2的共空间特征向量F，和 测试集的互相关特征向量F。。的权重。 ⑷利用训练集O1的训练特征向量f。#。。对支持向量机SVM进行训练，得到支持向量 机SVM分类器，再利用该分类器对测试集〇2的测试特征向量F __。。进行想象运动任务的分 类，得到分别表示左手、右手、脚和舌头的标签。
2. 根据权利要求1所述的基于CSP和互相关的运动想象脑电信号分类方法，其特征在 于：所述步骤（1)中的空间滤波，是采用共同平均参考的方法，将每个电极采集的脑电信号 减去所有电极采集的脑电信号的均值，得到空间滤波后的脑电信号。
3. 根据权利要求1所述的基于CSP和互相关的运动想象脑电信号分类方法，其特征在 于：所述步骤（1)中的基线校正，是以受试者想象运动之前的120ms脑电信号的均值作为基 线，将空间滤波后的脑电信号减去基线，得到基线校正后的脑电信号。
4. 根据权利要求1所述的基于CSP和互相关的运动想象脑电信号分类方法，其特征在 于：所述步骤（2a)中计算训练集〇:对应类别c的投影矩阵W。，包括左投影矩阵％、右投影 矩阵I、脚投影矩阵W f、舌投影矩阵Wt，计算步骤如下： (2al)分别计算训练集％中四类想象运动脑电信号的平均协方差矩阵R。：
其中，只.表示训练集O1中类别C想象运动的试验集，I代I表示试验集％的大小，X i表示 类别C的第i次试验脑电信号，< 表示\的转置，trace ( ?)表示矩阵的迹，c e {1，r，f，t}， l、r、f、t分别表示想象左手、右手、脚、舌头； (2a2)对步骤（2al)计算出的想象左手运动的平均协方差矩阵R1、想象右手运动的平 均协方差矩阵R1?、想象脚运动的平均协方差矩阵Rf、想象舌头运动的平均协方差矩阵R t进 行求和，得到总平均协方差矩阵R : R = Ri+Rr+Rf+Rt， (2a3)对总平均协方差矩阵R进行特征值分解，将其分为三项，即： R= U0入U0' 其中，Uci表示特征向量矩阵，< 表示Uci的转置，A表示特征值的对角矩阵； (2a4)由特征值向量Utl和特征值的对角矩阵A，得到白化矩阵P : P =入u， (2a5)将想象右手运动r、想象脚运动f、想象舌头运动t三类想象运动一起作为新的想 象运动r，计算该r的新平均协方差矩阵咚：
(2a6)用步骤（2a4)中得到的白化矩阵P分别对平均协方差矩阵R1和新平均协方差矩 阵尽进行白化，得到白化协方差矩阵S1和新白化协方差矩阵& : S1= PR1Pt
其中，Pt表示白化矩阵P的转置；根据统计学可知，SjP &拥有共同的特征向量，且 為+务=￡，E表示单位阵，X泖Ir分别是&和今的特征值的对角矩阵； (2a7)分别对步骤（2a6)得到的白化协方差矩阵&和新白化协方差矩阵&进行特征值 分解：
其中，U表示&和5；_的特征向量矩阵，Ut表示U的转置，X i和冬分别是S^p冬的特征 值的对角矩阵； (2a8)根据步骤（2a7)得到的特征向量矩阵U和步骤（2a4)得到的白化矩阵P，计算得 到由原始信号空间到共空间的左投影矩阵W1: W1= UtP (2a9)按照与步骤（2a5)到步骤（2a8)相同的方法计算右投影矩阵％、脚投影矩阵Wf、 舌头投影矩阵Wt。
5.根据权利要求1所述的基于CSP和互相关的运动想象脑电信号分类方法，其特征在 于：步骤（2b)所述的根据投影矩阵W。计算训练集? i的共空间特征向量f ^，按如下步骤 进行： (2bl)利用步骤（2a)得到的投影矩阵W。对训练集? i中脑电信号X进行投影，得到投 影后的脑电信号Z。： Zc=WcX c G {l，r，f，t}，l、r、f、t分别表示想象左手、右手、脚、舌头； (2b2)由投影后的脑电信号信号Z。计算训练集? i中脑电信号X对应投影矩阵W。的特 征向量俨：
表示取方差操作，Zj表示Z。中的前m行和后m行，m = 2 ; (2b3)用步骤（2b2)中计算出的特征向量f%组成训练集O1的基于共空间模式CSP的 共空间特征向量f^p: fcsp= [f1 fr ff f'] 其中，f1 r ff ft分别表示训练集O1中脑电信号X对应左投影矩阵^、右投影矩阵I、 脚投影矩阵Wf、舌投影矩阵Wt的特征向量。
【专利摘要】本发明公开了一种基于CSP和互相关的运动想象脑电信号分类方法，主要解决现有技术对个体适应性较差，分类正确率差异大的问题。其实现步骤是：(1)采集脑电信号，获取训练集和测试集；(2)通过共空间模式提取训练集的共空间特征，同时通过互相关函数提取训练集的互相关特征，然后由这两个特征组合成训练集的训练特征向量；(3)按照与步骤(2)同样的方法提取测试集的测试特征向量；(4)利用训练特征向量对支持向量机进行训练，得到支持向量机分类器，再利用该分类器对测试特征向量进行想象运动任务的分类。本发明减小了个体差异对分类结果的影响，提高了分类正确率，可用于具有运动想象脑-机接口BCI在线系统的脑电产品控制。
【IPC分类】A61B5-0476
【公开号】CN104814734
【申请号】CN201510242870
【发明人】刘鹏, 赵恒 , 康嘉辉, 李军, 李甫, 石光明
【申请人】西安电子科技大学
【公开日】2015年8月5日
【申请日】2015年5月13日