申请/专利权人：长春工程学院

申请日：2021-12-27

公开（公告）日：2023-10-10

公开（公告）号：CN114224360B

主分类号：A61B5/369

分类号：A61B5/369;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2023.10.10#授权;2022.04.12#实质审查的生效;2022.03.25#公开

摘要：本发明公开了一种基于改进EMD‑ICA的EEG信号处理方法、设备及存储介质，涉及信号处理技术领域，该方法利用改进经验模式分解法EMD对脑电信号EEG进行分解，得到本征模态分量IMFS和余量；对得到的所有符合要求的本征模态分量IMFS进行叠加重构，对重构后的脑电信号通过ICA法进行信号分离，消除噪声，得到去噪后的脑电信号；利用连续小波变换将去噪后的脑电信号变成二维时频图，并将生成的二维时频图输入卷积神经网络模型；采用卷积神经网络模型对步骤S3中的二维时频图进行特征提取，并进行分类。该方法基于改进的EMD‑ICA对脑电信号进行去噪，采用去噪后的信号再进行特征提取和分类，使得运动想象脑电信号分类准确，准确率明显高于现有的其他的分类方法。

主权项：1.一种基于改进EMD-ICA的EEG信号处理方法，其特征在于，包括以下步骤：S1,利用改进经验模式分解法EMD对脑电信号EEG进行分解，得到本征模态分量IMFS和余量；S2，对得到的所有符合要求的本征模态分量IMFS进行叠加重构，对重构后的脑电信号通过改进ICA法进行信号分离，消除噪声，得到去噪后的脑电信号；S3，利用连续小波变换将去噪后的脑电信号变成二维时频图，并将生成的二维时频图输入卷积神经网络模型；S4，采用卷积神经网络模型对步骤S3中的二维时频图进行特征提取，并进行分类；步骤S1中具体包括：S11，把原始脑电信号Xt的起始端点作为一个极大值起点记为M0，横坐标为t0,选取一个相邻的极大值点记为M1，横坐标为tm1,两点连线，计算其斜率S1； S12，计算起始端点处延展得到的极小值N0；N0＝N1-S1·[tn1-tn0]2N1指的是：距离起始端点处最近的极小值，tn1指的是：N1的横坐标，tn0＝t0；S13，相应的，把原始脑电信号的终端端点作为极小值点记为NQmin，横坐标为tnQmin，选取一个相邻的极小值点记为NQmin-1，横坐标为tnQmin-1，采用公式3计算两点连线的斜率S2： S14，计算终端端点延展得到的极大值MQmax：MQmax＝MQmax-1-S2·[tmQmax-1-tN]4选取一个相邻的极大值点记为MQmax-1，横坐标为tmQmax-1，tmQmax＝tN；S15，重复步骤S14,由此找出原始脑电信号数据序列Xt内的所有的极大值点M1Qmax和极小值点N10，得到极大值序列；找出极大值序列中的最大值MAX和最小值MIN，若MQmaxMIN，则定义该延展极大值为：M1Qmax＝终端端点值+MAX2；若N0＞MAX，则定义该延展极大值为：N10＝起始端点值+MIN2；S16，采用三次样条插值函数拟合形成原数据的上包络线Umaxt和下包络线Umint；根据上、下包络线计算原始数据Xt的局部平均值，记作公式5：m1t＝Umaxt+Umint25S17，计算原始脑电信号与局部平均值的差值h1t，记为公式6：h1t＝Xt-m1t6S18，判断h1t是否满足IMF的两个条件，若满足，则h1t为第一个IMF分量，从原始信号Xt中减去h1t得到剩余信号r1t；否则就把h1t当成原始脑电信号转到步骤S16，重复步骤S16-S17,继续寻找原数据序列h1t信号内的所有的极大值点M1Qmax和极小值点N10，直至满足IMF的两个条件r1t＝Xt-h1t7S19,将剩余信号r1t看作新的脑电信号重复步骤S11-S18，可筛选得到n个IMF分量：rnt＝rn-1t-hnt8S110,对n个IMF分量h1t,h2t…hnt做阈值处理，将大于阈值V的分量置为零，如下式所示： 其中，其中，F为原始脑电信号数据Xt的长度； Median函数，返回一组已知数字的中值，中值是一组数的中间数，i的值为1～n；步骤S2具体包括：S21，采用下式，对重构脑电信号去均值，得到处理后的脑电观测信号X’t； 其中：E[·]表示数学期望；S22,采用下式，将处理后的脑电观测信号X’t，分解为各分量间互不相关的脑电信号Zt＝z1t,L,zmtT： 其中：代表投影因子；Ds是以X’t的协方差矩阵CX＝E[X’t*X’tT]特征值为对角元素的对角矩阵；Us是以CX的单位范数特性向量为列的矩阵；I是单位矩阵；σ表示X’t的噪声方差，S23,定义Yt＝WZt，W为解混矩阵；初始化各参数：令循环变量i＝1，初始解混矩阵为： E[·]表示数学期望；S24，计算Yt＝WZt；ΔW＝λ[I-KtanhYtYtT-YtYtT]W其中，λ为学习步长，本文取λ＝0.001，I为单位矩阵；K为对角矩阵，其对角元素kii＝sgn{E[sech2yit]-E[yittanhyit]}Sgn符号函数，返回参数的正负,sech为双曲正割函数，tanh为双曲正切函数；S25，W＝W+ΔW返回步骤S24继续计算，直到W收敛得到独立分量Yt＝WZt；处理后的解混矩阵W的无穷范数是否小于10-6，如果是，则代表收敛。

全文数据：

权利要求：

百度查询： 长春工程学院 一种基于改进EMD-ICA的EEG信号处理方法、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD