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！

摘要：本发明涉及一种基于黎曼空间量化的多类别运动想象脑电信号识别方法，将不同运动想象任务诱发的脑电信号转换为空间协方差矩阵；将这种矩阵看作黎曼对称空间中的点，采用对数欧式距离度量点间距离；基于该距离构建黎曼空间量化方法与度量学习方法，在黎曼空间中为每一类别脑电信号样本学习若干带标签的原型，并学习样本与原型间的距离度量函数；采用赢者全拿策略，将与待识别脑电信号最近的原型的标签识别为其类别。本发明所述方法采用空间协方差作为输入特征，避免复杂的脑电信号预处理计算；是天然的多类别脑电信号识别方法，避免传统采用一对一等策略将二分类方法扩展到多分类所需要的复杂操作，有效地提升了多类别运动想象脑电信号的识别能力。

主权项：1.基于黎曼空间量化的多类别运动想象脑电信号识别方法，其特征在于，包括以下步骤：采集不同运动想象任务的脑电信号；获取脑电信号的协方差矩阵，形成样本空间；将协方差矩阵看作黎曼对称空间中的点，采用对数欧式距离来度量黎曼对称空间中两点之间的距离；基于对数欧式距离，建立对数欧式度量学习距离函数利用对数欧式度量学习距离函数，建立量化学习代价函数；通过随机梯度下降方法最小化量化学习代价函数，计算原型对应的黎曼梯度，建立原型的学习规则，计算对数欧式度量学习距离函数参数Q的梯度，建立Q的学习规则；利用赢者全拿规则，输出待识别脑电信号的识别结果；所述对数欧式度量学习距离函数为： 其中Xi和Xi表示黎曼空间中任意两点，log表示的是矩阵对数，其计算通过对作为训练样本的协方差矩阵Xi做特征分解Xi＝Vdiagλ1，...，λnVT，其中λ1，...，λn是Xi的特征值，i，j＝1，...，m，diagλ1，...，λn表示构造一个对角线元素为参数λ1，...，λn的对角阵，V为n×n方阵，n表示采集脑电信号所用的电极个数，Xi的矩阵对数计算为logXi＝Vdiaglogλ1，...，logλnVT，Tr为矩阵主对角线元素之和；所述的量化学习代价函数EW为： 其中，原型W表示需要从训练样本中学习的对于不同运动想象动作协方差矩阵具有代表性的模型参数；WJ表示离训练样本Xi最近的与Xi具有相同标签的原型，这里称为正确原型；WK表示离训练样本Xi最近的与Xi具有不同标签的原型，这里称为错误原型；Φ·是单调递增的尺度函数，采用逻辑函数Φx＝11+e-x；所述对数欧式距离度量学习函数参数Q的学习规则为： Q←GGT其中，η为学习率，Q为对数欧式度量学习距离函数参数；所述利用赢者全拿规则，输出脑电信号识别结果包括以下步骤：采集待识别运动想象任务诱发的脑电信号Su；计算其协方差矩阵Xu，作为待识别样本；计算其协方差矩阵对数Tu；根据以下公式计算Tu与所有原型矩阵对数Uj间的距离δj：δj＝Tr[QTu-UjTu-Uj]根据以下公式找到距离待识别样本矩阵对数最近的原型矩阵对数，即找到δj，j＝1，...，m中最小的值，将该值的下标赋值给j*：j*＝argminjδj；将距离待识别样本矩阵对数最近的原型矩阵对数的标签赋给待识别样本作为其预测标签，根据以下公式输出预测标签，即预测到的运动想象任务： 其中，为脑电信号Su对应的运动想象任务yu的预测值，为原型矩阵对数对应的标签。

全文数据：

权利要求：

百度查询： 中国科学院沈阳自动化研究所 基于黎曼空间量化的多类别运动想象脑电信号识别方法