买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北电力大学

摘要：本发明公开了一种基于多域特征融合的脑电信号在线识别方法，属于脑电信号自动识别领域，该方法主要包括：对原始脑电信号进行滤波，再对滤波后的脑电信号进行去中心化；分解去中心化后的每个通道的脑电信号，计算各个通道的IMF分量与原信号的皮尔逊相关系数，选择强相关的分量对每个通道进行信号重建，对EEG信号进行滤波和去噪；提取脑电信号中的时域、频域和空域特征，构造联合特征向量;采用核主成分分析算法进行融合降维，得到融合降维特征向量；搭建纳入半径信息的多核极限学习机模型，并进行训练得到最优模型。本发明的方法具备高度的实际应用价值，为脑信号分析领域的进一步研究和应用提供了强有力的工具。

主权项：1.一种基于多域特征融合的脑电信号在线识别方法，其特征在于，包括：S1，使用脑电采集设备采集某一运动想象的信号并选取与运动想象有关的通道，截取合适的片段进行分析；随后采用巴特沃斯滤波器对截取的片段进行滤波，再用共平均参考对滤波后的脑电信号进行去中心化处理；S2，采用ICEEMD方法分解去中心化后的脑电信号，得到单个通道的若干个IMF分量，计算各个IMF分量与原通道信号的皮尔逊相关系数，选择强相关的分量并进行信号重建；S3，对每一个通道重复第二步的流程，实现对某一运动想像信号的进一步滤波和去噪，完成预处理流程；S4，对预处理后的脑电信号矩阵采用MVAR算法分析，提取脑电信号的时域特征矩阵，将时域特征矩阵中的元素按行首尾相接转化为时域特征向量；使用小波包分解法对预处理后的脑电信号的每个通道进行频域特征提取，将每个通道频域特征中的元素按行首尾相接转化为频域特征向量；对预处理后的脑电信号矩阵采用黎曼流形算法分析，提取脑电信号的空域特征矩阵，将空域特征矩阵中的元素按行首尾相接转化为空域特征向量；S5，将时域、频域、空域特征向量首尾相接构造时-频-空联合特征向量；S6，重复进行步骤S1到步骤S5，提取各类运动想象所有样本信号的时-频-空联合特征向量，构造时-频-空联合特征矩阵；S7，对时-频-空联合特征矩阵进行核主元分析，按照累计贡献率大于85％的原则选取主元个数，将样本数据向新的主元空间投影得到降维后的融合特征向量；S8，构建多核极限学习机模型，结合时-频-空融合特征对其参数进行训练，并结合纳入半径信息算法对其参数进行再优化，进而得到最优的多核极限学习机分类模型；S9，将最优的多核极限学习机分类模型部署于真实场景，并对每个样本每类运动想象第二步到第八步的每个通道强相关IMF分量个数，MVAR模型阶数等参数进行统计分析，构建在线识别流程，对实时运动想象脑电信号进行在线识别。

全文数据：

权利要求：

百度查询： 东北电力大学 一种基于多域特征融合的脑电信号在线识别方法