基于动作意图任务的双模特神经信号特征选择方法与流程

技术特征：

1.基于动作意图任务的脑电信号特征选择方法，其特征在于：包括以下步骤：

步骤一、对脑电信号进行预处理；

步骤二、提取脑电信号的频域特征；

步骤三、提取脑电信号的时域特征；

步骤四、提取脑电信号的空间模式特征；

步骤五、脑电信号的特征选择。

2.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法，其特征在于：所述步骤一的具体方法是：利用独立成分分析(independent component analysis,ICA)方法，对脑电信号进行伪迹的滤除处理。

3.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法，其特征在于：所述步骤二的具体方法是：根据动作意图具有的事件相关去同步/事件相关同步(event-related desynchronization/synchronization,ERD/ERS)现象，计算8～30Hz频带的功率谱，提取脑电信号的频域特征。

4.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法，其特征在于：所述步骤三的具体方法是：对脑电信号做短时傅里叶变换(short time fourier transform,STFT)，获取不同时刻下的频谱分布，进而得到脑电信号的时频图谱特征。

5.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法，其特征在于：所述步骤四的具体方法是：利用共同空间模式(common spatial patterns,CSP)算法提取脑电信号的空间模式特征。

6.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法，其特征在于：所述步骤五的具体方法是：利用线性判别分析(linear discriminant analysis,LDA)方法分别对上述提取的频域特征、时域特征、空间模式特征进行分类，选取识别率最高的空间模式特征作为双模态脑机接口系统中使用的特征。

7.基于动作意图任务的近红外信号特征选择方法，其特征在于：包括以下步骤：

步骤一、对血氧信号进行预处理；

步骤二、计算血氧变化的的方差特征；

步骤三、计算血氧变化的幅度平均绝对值(mean absolute value,MAV)特征；

步骤四、计算血氧变化的峰值特征；

步骤五、近红外信号的特征选择。

8.根据权利要求7所述的基于动作意图任务的近红外信号特征选择方法，其特征在于：所述步骤一的具体方法是：对近红外信号进行基线漂移和带通滤波(0.02～0.1Hz)处理。

9.根据权利要求7所述的基于动作意图任务的近红外信号特征选择方法，其特征在于：所述步骤二的具体方法是：计算血氧变化的方差特征：

其中x为某个通道的血氧信号，N为采样点数目。

10.根据权利要求7所述的基于动作意图任务的近红外信号特征选择方法，其特征在于：所述步骤三的具体方法是：计算血氧变化的MAV特征：

其中x为某个通道的血氧信号，N为采样点数目。