基于小波变换与Fisher准则的P300特征提取方法

文档序号:8922938阅读:315来源:国知局
基于小波变换与Fisher准则的P300特征提取方法
【技术领域】
[0001] 本发明属于认知神经科学领域与信息技术领域的结合应用,涉及一种事件相关电 位P300特征提取方法,具体是基于小波变换与Fisher准则的P300特征提取方法。
【背景技术】
[0002] 脑机接口是一种为运动功能缺失而脑功能完好的患者,提供与外界交流的新路 径。P300Speller是脑机接口的一种方式,其功能是通过分析用户的脑电信号,识别出其 所希望输出的字符,从而帮助用户与外界交流。目前在P300Speller中使用的特征提取方 法为:对从各通道提取出的EEG数据段做下采样,得到的即作为特征。这种特征提取方法存 在特征不明确的问题,从而影响到分类器效果,为了保证其准确率,通常需要较多次刺激重 复,一般为15次,存在的问题是,一方面被试易感到疲劳,另一方面输出一个字符需要较多 时间,从而降低了字符传输速率。
[0003] 由于P300成分主要存在于低频部分,目前已发表的利用小波变换的一些论文, 一般是对脑电数据进行多层小波变换。例如在论文《Off-lineanalysisoftheP300 event-relatedpotentialusingdiscretewavelettransform〉〉中对脑电数据进行 6 层 离散小波变换,将得到小波系数的近似部分作为特征。或是对脑电信号去噪再重构信号,提 取特征。但是两者的实用性都不高。

【发明内容】

[0004] 为解决了现有技术中脑电信号特征提取不明确、实用性不高的缺陷,本发明提供 一种基于小波变换与Fisher准则相结合的P300特征提取方法,该方法通过提取恰当特征, 使分类器的效果得到提升,在满足准确率要求的前提下,能够达到减少刺激重复次数、提高 字符传输速率的目的。
[0005] 本发明采用以下技术方案实现:一种基于小波变换与Fisher准则的P300特征提 取方法,其特征在于,包括以下步骤:步骤S1 :对EEG数据经过预处理后,根据用户设定的传 输通道,提取每个刺激后长度为4的数据段,记为向量把给定小波所对应的低通滤波器 记为向量h,其长度为12 ;设置相关参数:小波分解层数L、单通道特征个数r;步骤S2 :根据 L、&、12和h确定wxB矩阵W;步骤S3 :把所有的e延拓为n维向量,仍用遗示;步骤S4 : 根据Fisher准则,由W和r为每个通道分别确定一个rxi!矩阵M ;步骤S5 :对所有EEG数 据段e按通道求特征向量:
,^为r维向量;步骤S6 :将各传输通道得到的特征向量 拼接构成总特征向量。
[0006] 进一步的,所述步骤S2包括以下具体步骤:步骤S21 :k=l,


;步骤S22 :若k等于L,则输出W;否则进入下一步;步骤S23 :
,m=p;步骤S24:把W延拓 为gXB矩阵,仍记为W;步骤S25 :生成矩阵A:

;步骤S26 :用AxTST 更新W,k=k+l,返回步骤S22。
[0007] 在本发明一实施例中,步骤S4包括以下具体步骤:步骤S41:把该通道的所有 为目标组G+和非目标组G、其中G+中的N+个e为目标刺激对应的数据段,G冲的『个e为非目标刺激对应的数据段;步骤S42 :利用公式*1=1%把所有的e转化为4相应地,〇分 属于G+和G、步骤S43 :计算

为m维向量;步骤S44 :将
按绝对值由大到小排序,得到
,表示w中 各元素的原位置;步骤S45:根据设定的单通道特征个数r,取出W的第q,q,___,cv行, 构成rxn特征提取矩阵M,其中ISrim。
[0008] 与现有技术相比,本发明具有以下优点:结合了小波变换与Fisher准则两种方法 来确定特征。通过利用小波变换,将原始EEG数据映射到小波域上,在小波域上应用Fisher 准则寻找能将两类数据很好地区分开的投影轴,并只取两类差异最大的r维投影空间,作 为最终特征空间,从而实现了对高维特征空间的降维,此外所得到的特征空间,是能明显表 现出两类数据的差别,有利于分类器性能的提高,减少刺激重复次数,提高字符传输速率。 并且通过小波变换矩阵来为每个传输通道构造对应特征提取矩阵,采用特征提取矩阵求各 通道特征,具有在线运算速度快的优点,使本发明能够适于实际应用。
【附图说明】
[0009] 图1为本发明的主要步骤流程图。
【具体实施方式】
[0010] 下面结合附图和【具体实施方式】对本发明做进一步说明。
[0011] 本发明提供一种基于小波变换与Fisher准则的P300特征提取方法,用于P300 Speller特征提取,对每个刺激对应的EEG数据段提取恰当特征,提高准确率,减少刺激重 复次数,提高字符传输速率。
[0012] 本发明的主要步骤流程图参见图1。该方法包括以下步骤: 步骤S1 :对EEG数据经过预处理后,根据用户设定的传输通道,提取每个刺激后长度为li的数据段,记为向量把给定小波所对应的低通滤波器记为向量h,其长度为;设置相 关参数:小波分解层数L、单通道特征个数r; 步骤S2 :根据 矩阵w; 步骤S3 :把所有的e延拓为n维向量,仍用e表示; 步骤S4 :根据Fisher准则,由W和r为每个通道分别确定一个rxn矩阵M; 步骤S5 :对所有EEG数据段e按通道求特征向量:v=Afe,r为r维向量; 步骤S6 :将各传输通道得到的特征向量拼接构成总特征向量。
[0013] 进一步的,步骤S2包括以下具体步骤: 步骤S21:k=l,
;初始化W
步骤S22 :若k等于L,则输出W;否则进入下一步; 步骤S23 :
,m=p; 步骤S24:把W延拓为矩阵,仍记为W; 步骤S25:生成矩阵A
步骤S26 :用Ax曹更新W,k=k+l,返回步骤S22。
[0014] 在本发明一实施例中步骤S4包括以下具体步骤: 步骤S41:把该通道的所有为目标组G+和非目标组(T,其中G+中的N+个e为目标 刺激对应的数据段,G冲的N,e为非目标刺激对应的数据段; 步骤S42 :利用公式il=IFe把所有的祷专化为4相应地,〇分属于G+和(T; 步骤S43 :计_

为m维向量; 步骤S44:将
按绝对值由大到小排序,得到
,其中
,表示AJ中各元素的原位置; 步骤S45:根据设定的单通道特征个数r,取出W的第<%,4,_",行,构成rxH特 征提取矩阵M,其中ISrSiii。
[0015] 在本发明一实施例中,选择小波为"db4"小波,即可确定对应的低通滤波器h及其 长度12,对参数L、&、r可按如下设定:L=4, & =800,r=15。
[0016] 以上仅为本发明的较佳实施方式,不能因此而理解为对本发明专利范围的限制。 应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做 出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附 权利要求为准。
【主权项】
1. 一种基于小波变换与Fisher准则的P300特征提取方法,其特征在于,包括以下步 骤: 步骤Sl :对EEG数据经过预处理后,根据用户设定的传输通道,提取每个刺激后长度为 的数据段,记为向量把给定小波所对应的低通滤波器记为向量h,其长度为?2 ;设置相 关参数:小波分解层数U单通道特征个数r ; 步骤S2 :根据L、I1、?3和h确定 JRXlS 矩阵w; 步骤S3 :把所有的e延拓为η维向量,仍用e表示; 步骤S4 :根据Fisher准则,由W和r为每个通道分别确定一个m矩阵M ; 步骤S5 :对所有EEG数据段e按通道求特征向量:V = Me,r为r维向量; 步骤S6 :将各传输通道得到的特征向量拼接构成总特征向量。2. 根据权利要求1所述的基于小波变换与Fisher准则的P300特征提取方法,其特征 在于:所述步骤S2包括以下具体步骤: 步骤S21:k=l,;初始化1:,先令〇 ? I =1,2,---,?* ? J=W---,η, 再令= ?,?=:!,】,--、》!*,; 步骤S22 :若k等于L,则输出W ;否则进入下一步; 步骤 S23 :, m=p ; 步骤S24:把W延拓为矩阵,仍记为W;步骤S25 :生成矩阵A: ,先令= 〇,,-, J 二 12,凡 再令 =乓,?: = - - ,|1,? = Xt - - ,?2 ; 步骤S26 :用AxW更新W,k=k+l,返回步骤S22。3. 根据权利要求1所述的基于小波变换与Fisher准则的P300特征提取方法,其特征 在于:步骤S4包括以下具体步骤: 步骤S41 :把该通道的所有为目标组G +和非目标组0-,其中G+中的N +个e为目标 刺激对应的数据段,G冲的N,e为非目标刺激对应的数据段; 步骤S42 :利用公式rf = Iife把所有的e转化为忒相应地,〇分属于G +和0-; 步骤S43 :计;S,Hf为m维向量; 步骤S44 :将》二按绝对值由大到小排序,得到[气》气气】,其中 表示讲中各元素的原位置; 步骤S45:根据设定的单通道特征个数r,取出W的第C1, C2,_",c,行,构成rxn特 征提取矩阵M,其中IirSm。
【专利摘要】本发明以小波变换与Fisher准则相结合为基础提供了一种针对P300 Speller脑机接口的脑电信号特征提取方法。主要包括以下步骤:根据用户指定的小波函数及小波分解层数,为特定长度的EEG数据段构造小波变换矩阵;利用小波变换矩阵,将EEG数据段映射到小波域,在小波域中利用Fisher准则寻找使得不同类别数据区分度最大的投影轴;利用投影轴从小波变换矩阵中抽取若干行构成特征提取矩阵;每个通道的特征提取矩阵把对应的EEG数据段映射为特征向量;每次刺激在各通道上的特征向量被拼接为一个特征向量。该方法为每次刺激对应的EEG数据段计算特征向量,在满足准确率要求的前提下,能减少刺激重复次数,从而提高字符传输速率。
【IPC分类】G06K9/00, G06K9/62
【公开号】CN104899573
【申请号】CN201510339891
【发明人】黄志华, 郭顺英, 林苏云, 文宇坤
【申请人】福州大学
【公开日】2015年9月9日
【申请日】2015年6月18日
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1