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：中国科学院沈阳自动化研究所

摘要：本发明涉及一种基于个体脑电信号迁移的运动想象意图识别方法，所述方法包括两部分：基于新个体的少量脑电信号目标对已有个体脑电信号源进行校正；基于校正后的脑电信号进行LDA分类，并建立多源个体融合的集成识别模型。其中脑电信号校正由CSP空间特征对齐、ERDERS强度补偿组成；集成识别模型包括单独LDA分类、模型评估、多LDA模型融合。本发明在仅使用新个体少量脑电信号的条件下，利用已有个体脑电信号建立了有效的运动想象意图识别模型，为减少运动想象脑机接口系统使用时所需的训练时间提供有效途径。

主权项：1.一种基于个体脑电信号迁移的运动想象意图识别方法，其特征在于，包括脑电信号校正过程和集成识别过程；所述脑电信号校正过程包括以下步骤：1.1获取已有个体脑电信号作为源个体脑电信号，并采集新个体脑电信号作为目标个体脑电信号；1.2采用CSP算法，设计不同空间滤波器，分别提取源个体脑电信号和目标个体脑电信号的空间特征；1.3对源个体脑电空间特征进行校正；1.4对校正后的源个体脑电ERDERS强度进行补偿，用于构建LDA识别模型；所述集成识别过程包括以下步骤：2.1采用LDA分类器，对每一个源个体分别建立单独的LDA识别模型；2.2为每个LDA识别模型进行评估；2.3根据所有的LDA识别模型，建立多LDA融合的集成识别模型，识别得到运动想象意图；所述步骤1.2中，源个体脑电信号的空间滤波器分别为Ws∈Rc×2m，提取的源个体脑电空间特征为Fs＝WsTDs；目标个体脑电信号的空间滤波器为Wt∈Rc×2m，提取的目标个体脑电空间特征为Ft＝WtTDt，2m为CSP算法空间滤波后的特征维数；所述步骤1.3中的对源个体脑电空间特征进行校正为计算源个体脑电空间特征和目标个体脑电空间特征之间的校正矩阵θ，使得校正后的源个体脑电空间特征Fs′＝θFs与目标个体脑电空间特征Ft最小化，即其中||·||F为Frobenius范数；步骤1.3中，所述源个体脑电空间特征和目标个体脑电空间特征之间的校正矩阵θ，其最优解θ*通过下述优化准则获得： 其中，α为约束因子，P为约束矩阵，I为单位矩阵，约束矩阵P定义为： 其中，矩阵元素为pij＝e-di,j，i,j＝1,2,...,c，di,j为通道i和通道j之间的欧式距离，通过奇异值分解方法，计算出校正矩阵θ的最优解为：θ*＝VUT其中，V和U分别为A＝WsTWt+2αP的分解矩阵，即：VTAU＝WsTWt+2αP；所述步骤1.4中的ERDERS强度补偿过程为：首先利用校正后的源个体脑电空间特征Fs′＝θFs和目标个体脑电空间特征Ft分别计算源个体脑电ERDERS强度PowersERDERS和目标个体脑电ERDERS强度PowertERDERS 其中，Log·为对数函数，Var·为方差函数，然后，计算强度补偿系数为最后，对校正后的源个体脑电ERDERS强度进行补偿，即cPowersERDERS＝δ+1·PowersERDERS；所述步骤2.1中LDA分类器的输入样本为校正后的源个体脑电ERDERS强度特征和目标个体脑电ERDERS强度特征，即sample＝[cPowersERDERS,PowertERDERS]，针对每个源个体建立单独的分类模型为： 其中，ωs和bs分别为第s个源个体LDA识别模型的线性投影向量和偏值；所述步骤2.2中采用置信分数对每个LDA识别模型进行评估，置信分数如下： 其中，χs为第s个源个体LDA识别模型的置信度，accuracys为第s个源个体LDA识别模型的分类正确率，Σw,s为第s个源个体LDA识别模型的类内离散度；所述步骤2.3中多LDA融合的集成识别模型为： 当LDAfusion大于零时，集成识别模型的输出为类别1，当LDAfusion小于零时，集成识别模型的输出为类别2。

全文数据：

权利要求：

百度查询： 中国科学院沈阳自动化研究所 一种基于个体脑电信号迁移的运动想象意图识别方法