买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海大学

摘要：本发明涉及一种联合空间分布相关分析的疲劳脑电识别方法，包括以下步骤：首先，获取训练和测试数据的多时域分量；其次，分别计算训练和测试数据的多时域分量的多尺度频带功率谱集合、总能量矩阵集合、相关系数矩阵集合、相干系数矩阵集合和锁相值矩阵集合；然后，计算训练和测试数据的联合空间分布特征，并通过任务相关成分析和主成分分析获取训练和测试数据的特征模板；最后，用训练数据中的疲劳数据模板、非疲劳数据模板分别与测试数据模板计算二维相关系数，判断测试数据类别。与现有技术相比，本发明具有获取数据联合空间分布的多模态特征能力和减少冗余度、计算速度快、强鲁棒性等优点。

主权项：1.一种联合空间分布相关分析的疲劳脑电识别方法，其特征在于，包括以下步骤：步骤1时域分段以nt个采样点为分辨率，分别对获取的训练数据Xσ和测试数据Y在时域上进行分段，得到Xσ的个时域分量和Y的个时域分量分别构成分段的训练数据集和测试数据集，其中，表示预处理后的脑电训练数据样本集，当σ＝σ1时，表示预处理后的疲劳脑电数据样本集；当σ＝σ2时，表示预处理后的非疲劳脑电数据样本集；表示预处理后的单样本测试脑电数据；Nc表示通道数，Nt表示时域的采样点数，Ns表示样本数；Xσ和Y在预处理时的带通滤波范围是[Nf0,Nf1]，记Nf2＝Nf1-Nf0，表示频带范围差；步骤2计算多尺度频带功率谱分别对分段的训练数据集和测试数据集采用Welch法计算单个分量各通道的自功率谱密度，进而计算多尺度各频带的全通道功率值并集成，分别获得个时域分量的训练数据多尺度频带功率谱集合和测试数据多尺度频带功率谱集合步骤3计算总能量分别对分段的训练数据集和测试数据集计算单个分量的单通道总能量，并集成全通道总能量矩阵，分别获得个时域分量的训练数据总能量矩阵集合和测试数据总能量矩阵集合步骤4计算相关性分别对分段的训练数据集和测试数据集计算单个分量的各通道之间的相关系数，并集成全通道相关系数矩阵，分别获得个时域分量的训练数据相关系数矩阵集合和测试数据相关系数矩阵集合步骤5计算多频带相干性分别对分段的训练数据集和测试数据集计算单个分量的各通道之间的互功率谱密度，基于互功率谱密度计算相干系数并集成全通道相干系数矩阵，进而计算多频带平均相干系数矩阵并集成，分别获得个时域分量的训练数据多频带相干系数矩阵集合和测试数据多频带相干系数矩阵集合步骤6计算多频带锁相值分别对分段的训练数据集和测试数据集计算单个分量、单个频带的各通道的希尔伯特变换和各通道之间的相位差，进而计算各通道之间的锁相值并集成全通道锁相值矩阵，集成多个频带的锁相值矩阵，分别获得个时域分量的训练数据多频带锁相值矩阵集合和测试数据多频带锁相值矩阵集合步骤7计算联合空间分布特征分别对训练数据和测试数据的相应集合执行以下步骤，以分别获得训练数据的联合空间分布特征UXσ和测试数据的联合空间分布特征UY：对多尺度频带功率谱集合和总能量矩阵集合进行集成和归一化计算，获得功率谱和能量的联合特征集合，并集成功率谱和能量的联合特征集合与相关系数矩阵集合、多频带相干系数矩阵集合、多频带锁相值矩阵集合，获得联合空间分布特征；步骤8计算联合空间分布特征模板对所述训练数据的联合空间分布特征UXσ使用TRCA算法获取空间滤波器，使用空间滤波器分别对UXσ和UY进行空间滤波获取训练数据的初始联合空间分布特征模板TempXσ和测试数据的初始联合空间分布特征模板TempYσ，基于PCA分别对初始联合空间分布特征模板TempXσ,TempYσ进行降维，获得训练数据和测试数据降维的联合空间分布特征模板和步骤9模板匹配对所述降维的联合空间分布特征模板与计算二维相关系数基于二维相关系数判断测试数据是否属于目标脑电数据，完成测试数据的识别。

全文数据：

权利要求：

百度查询： 上海大学 一种联合空间分布相关分析的疲劳脑电识别方法