基於雙樹復小波樣本熵的運動想像腦電信號特徵提取方法
2023-05-27 02:43:21
基於雙樹復小波樣本熵的運動想像腦電信號特徵提取方法
【專利摘要】本發明提出了一種基於雙樹復小波樣本熵的運動想像腦電信號特徵提取方法。首先，利用雙樹復小波變換將腦電信號分解在不同的頻段，依據運動想像腦電信號中ERD/ERS現象，抽取有用信號的頻段進行重構；然後，利用樣本熵提取出腦電信號特定頻段的非線性特徵。本方法可以作為腦電數據信號分析中一種有效的特徵處理方法，具有一定的可行性，可以獲得比較高的識別率，它為BCI的特徵提取提供了新的思路。
【專利說明】基於雙樹復小波樣本熵的運動想像腦電信號特徵提取方法
【技術領域】
[0001]本發明屬於腦電信號處理領域，涉及一種腦電信號特徵提取方法，特別涉及一種用於腦-機接口中運動想像腦電信號識別的特徵提取方法。
【背景技術】
[0002]腦-機接口(Brain Computer Interface, BCI)是一種不依賴於外周神經系統及肌肉組織的參與，人腦與計算機或其它外部設備之間建立起直接交流和控制的通道，是一種全新的通訊和控制方式。腦電信號是由腦神經細胞自發性、節律性的生理電活動產生的，是大腦意識過程中神經細胞電生理活動的外在反映，具有較高的時間解析度，因而腦電圖(EEG)成為BCI最重要的信號獲取手段。
[0003]BCI系統中，通過腦電信號控制輔助外設的方法有多種:按照操作方式的自動化程度可分為單步、半自動、全自動等；按照腦電信號產生機理可分為誘發腦電和自發腦電兩大類。其中，自發腦電由受試者自主產生，具有靈活性和可控制性，相對誘發腦電來說是更為自然和實用的方式。運動想像腦電信號是自發腦電信號的一種，在腦-機接口研究和應用中受到廣泛的關注。
[0004]基於運動想像腦電信號的多模式識別是目前BCI主要應用手段之一。以人類大腦為對象的頭皮腦電 信號研究表明，它主要由各種節律性電活動組成，與運動想像緊密聯繫的一種電生理現象是事件相關去同步(ERD)和事件相關同步(ERS)現象。在進行基於運動想像腦電信號的腦-機接口研究中，將運動想像腦電信號分解在不同頻段上進行特徵提取具有一定的必要性。將腦電信號分解在不同頻段上常見方法有小波變換，小波包變換等。這些方法儘管也取得了不錯的效果，但是離散小波分解後的信號在相鄰尺度的過渡頻帶上存在著能量洩漏現象，同時小波變換在二抽取的過程中會產生較大的混疊現象，這些缺陷在特徵提取時會造成一定程度的假象，影響後續模式分類器的識別率。Kingsbury等人在1988 年提出雙樹復小波變換(Dual-Tree Complex Wavelet Transform, DTCWT)，DTCWT 是離散小波變換的衍生，可以有效的克服混疊和能量洩漏，而且還具有時移不變性、多維方向選擇性、完全重構性等諸多優點，特徵提取的效果明顯好於小波分析。
[0005]腦電信號是一種隨機的非線性信號，非線性特點比較明顯，隨著非線性理論的發展，很多非線性方法已經被廣泛用於腦電信號的特徵提取，例如，Pincus於二十世紀九十年代提出量化時間序列複雜度的近似熵算法。近似熵為相似向量由m維增加至m+1維時繼續保持其相似性的條件概率，也是當維數變化的時候時間序列中產生新模式的概率大小，所以從統計的角度來區別時間過程的複雜性。但是近似熵中存在統計量的不一致性，針對這一不足，一種近似熵的改進方法一樣本熵被Richman和Moorman提出。樣本熵不僅具備近似熵的所有優點，而且避免了統計量的不一致性。樣本熵是時間序列複雜度的一種度量，在實際應用過程中，與Lyapunov指數、信息熵、關聯維數、K熵等非線性動力學方法相比，樣本熵因為只需較短的數據就能夠得出穩健的估計值，同時還有較好的抗噪和抗幹擾能力，又可用於隨機成分和確定性成分組成的混合信號中，分析效果優於簡單統計參數，不需要對原始信號進行粗粒化等特點，比較適合對生物信號進行分析。
【發明內容】
[0006]本發明提出一種雙樹復小波樣本熵的特徵提取方法。該方法通過雙樹復小波變換，把採集到的運動想像腦電信號進行分解，抽取出對應於運動想像腦電信號中ERD和ERS現象的節律波信號，進行重構，然後對該信號利用樣本熵方法進行特徵提取。實驗表明，雙樹復小波樣本熵的特徵提取方法的具有一定的可行性，可以獲得比較高的識別率。
[0007]為了實現以上目的，本發明方法主要包括以下步驟:
[0008]步驟(1).抽取出對應頻段的運動想像腦電信號。將採集到的運動想像腦電信號通過雙數復小波變換進行分解，抽取出對應於運動想像腦電信號中ERD和ERS現象的節律波信號，再對其進行重構。
[0009]步驟(2).對信號進行特徵提取。對含有有用成分的各層重構信號利用樣本熵方法進行特徵提取。
[0010]本發明與已有的運動想像腦電特徵提取方法相比，具有如下特點:
[0011]1、利用雙樹復小波變換方法，在信號分解與重構過程中有實虛兩平行的包含小波變換的雙正交濾波器的小波樹構成，能夠實現交替奇偶濾波，有效地彌補復小波金字塔算法的重構性差的缺點，同時兼有計算效率高，數據冗餘少的優點。 [0012]2、非線性動力學方法一樣本熵，能夠分析腦電信號的非線性特徵。同時，運動想像腦電信號中的ERD和ERS現象在一些頻段較為顯著，更容易獲取運動想像腦電信號的特徵向量。
[0013]本發明可以有效表徵運動想像時的EEG特徵變換。因此，基於雙樹復小波樣本熵的特徵提取方法可以作為腦電數據信號分析中一種有效的特徵處理方法，它為BCI的特徵提取提供了新的思路，在腦-機接口領域具有廣闊的應用前景。
【專利附圖】
【附圖說明】
[0014]圖1腦電信號特徵提取流程圖
[0015]圖2雙樹復小波變換的分解和重構過程
【具體實施方式】
[0016]下面結合附圖描述本發明基於雙樹復小波樣本熵的運動想像腦電信號特徵提取方法。
[0017]圖1為腦電信號特徵提取流程圖，其實施主要包括以下幾個步驟:
[0018](I)利用雙樹復小波變換將採集到的運動想像腦電信號分解在不同的頻段，依據運動想像腦電信號中ERD和ERS現象，抽取有用頻段的信號進行重構；
[0019](2)採用樣本熵方法對重構後的不同頻段的腦電信號提取非線性特徵。
[0020]下面逐一對各步驟進行詳細說明。
[0021]步驟一，利用雙樹復小波變換提取出對應頻段的運動想像腦電信號。
[0022](一)雙樹復小波變換的基本原理
[0023]DTCffT採用了二叉樹結構的兩路小波變換，將復小波的實部和虛部分離開，由兩組並行的實數濾波器組獲取實部和虛部的小波變換係數。DTCWT的主要思想是:在第一層分解時，要確保虛部樹中的二抽取剛好採樣得到實部樹在二抽取過程中丟掉的信息，所以要在虛部樹前面增加一個延遲器使得實部濾波器與虛部濾波器之間的延遲剛好是一個採樣間隔，在之後的各層分解過程中，要求實虛兩樹對應濾波器的幅頻響應相等，相頻響應有半個採樣周期的群延遲。同時，實虛濾波器採用雙正交變換保證相位為線性的，兩樹濾波器長度分別是奇數長度和偶數長度，且每樹不同層次之間交替採用奇偶濾波器，保證兩樹呈好的對稱性。
[0024]由於雙樹復小波變換是基於兩個並行的小波變換，因而根據小波分析的相關理論，在圖2雙樹復小波變換的分解和重構過程中，丨2表示下取樣算子，丨2表示上取樣算
子，實部樹的小波係數<Re(?)及尺度係數Cf (?)分別如下:
[0025]
【權利要求】
1.基於雙樹復小波樣本熵的運動想像腦電信號特徵提取方法，其特徵在於: 步驟(1).抽取出對應頻段的運動想像腦電信號:將採集到的運動想像腦電信號通過雙數復小波變換進行分解，抽取出對應於運動想像腦電信號中ERD和ERS現象的節律波信號，再對其進行重構，具體是: 設採集腦電信號的採樣頻率為fs，採用雙樹復小波變換對信號進行分解的層次為L，對低頻子帶復係數cA^和高頻子帶復係數cDy cDl_1；......，CD1進行係數重構，根據分解原理得到L+1個重構信號，頻段範圍由低到高依次為[0，?；/2?+1]，[fs/2L+1, fs/2L], [fs/2\ fs/2L^],……，[fs/22, fs/2]；其中 f(Dx) e [fs/21+1, f^jHz,Ie l,2,...,L,f(AL) e [0, fs/2L+1];然後選取有用信號的alpha節律和beta節律波對應的頻率範圍作為重構信號； 雙樹復小波變換重構過程的小波係數4(t)和尺度係數q(t)如下:
【文檔編號】A61B5/0476GK103961091SQ201410150878
【公開日】2014年8月6日 申請日期:2014年4月15日 優先權日:2014年4月15日
【發明者】孟明, 佘青山, 羅志增, 魯少娜, 滿海濤 申請人:杭州電子科技大學