申请/专利权人：杭州电子科技大学

申请日：2020-12-18

公开（公告）日：2024-02-06

公开（公告）号：CN112560703B

主分类号：G06F18/2411

分类号：G06F18/2411;G06F18/243;G06F18/15;G06F18/2132;G06F18/2135

优先权：

专利状态码：有效-授权

法律状态：2024.02.06#授权;2021.04.13#实质审查的生效;2021.03.26#公开

摘要：本发明公开了一种基于PF系数的多模态BCI特征提取方法，本发明本文首先选取合理的时间窗数据进行PF系数通道选择；将表征信号间相关性的Person系数与表征特征间可分性的Fisher值相结合，构建代表任务区分性的PF系数，并设置合理阈值对通道进行选择。然后提取EEG中的共空间模式特征和fNIRS中的统计特征。最后通过收缩线性判别分析SLDA分类器进行分类。本发明选出来的块能有效地避免不同个体以及不同通道间的差异性，且通道分布合理，数量适中，一定程度上提高了多模态BCI系统的分类性能，为脑电‑近红外信号的特征提取提供了新的思路。

主权项：1.一种基于PF系数的多模态BCI特征提取方法，其特征在于，该方法具体包括以下步骤：步骤1：脑电-近红外信号采集与预处理；首先采集受试者的脑电-近红外心理算数任务脑电信号；接着利用带通滤波器针对每个通道的脑电信号进行4-35Hz带通滤波；然后截取合适的时间窗；步骤2：分别对EEG与fNIRS构建用于通道选择的PF系数，并根据PF系数设置合理阈值选出通道组合；EEG通道选择步骤为：2.1Fisher通道选择：提取EEG信号小波熵WEE特征；通过小波熵WEE特征计算每个通道的Fisher值，由通道Fisher值构建列向量，记为：EFisher；对列向量EFisher进行归一化，记为：IFisher；2.2Person通道选择：构建EEG通道之间的相关系数矩阵；选择相关系数最大的EEG通道；统计所有试验每个通道的投票数，由通道投票数构建列向量记为：EPerson；对列向量EPerson进行归一化，记为：IPerson；2.3PF通道选择：IPF＝cIPerson+1-cIFisher,其中c为权重系数；将IPF中的通道系数设置阈值mi，根据阈值选择EEG通道；fNIRS通道选择步骤为：2.4Fisher通道选择提取mean和peak作为fNIRS特征；通过fNIRS特征计算每个通道的Fisher值，由通道Fisher值构建列向量，记为：FFisher；对列向量FFisher进行归一化，记为：JFisher；2.5Person通道选择构建fNIRS通道之间的相关系数矩阵；选择相关系数最大的fNIRS通道；统计所有试验每个通道的投票数，由通道投票数构建列向量记为：FPerson；对列向量FPerson进行归一化，记为：JPerson；2.6PF通道选择JPF＝cJPerson+1-cJFisher,其中c为权重系数；将JPF中的通道系数设置阈值，根据阈值mj选择fNIRS通道；步骤3：对通道选择后的EEG与fNIRS信号进行特征提取，其中EEG信号提取CSP空域特征向量，fNIRS信号提取平均值和峰值两种统计特征；步骤4：对EEG与fNIRS特征进行归一化，并进入SLDA进行分类。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于PF系数的多模态BCI特征提取方法

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