公开(公告)号：CN119112214A

公开(公告)日：2024-12-13

申请号：CN202411210378.4

申请日：2024-08-30

Applicant: 南京理工大学

Inventor： 侯韫晖 ,  沈娜 ,  文浩

IPC: A61B5/372 ,  G06F18/2135 ,  G06F18/2431 ,  G06F18/214 ,  G06F18/23 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08 ,  A61B5/369 ,  A61B5/00

Abstract: 本发明公开了一种结合函数型数据分析和核极限学习机的运动想象脑电信号分类方法，该方法是一种结合函数型数据分析和麻雀搜索算法优化核极限学习机(SSA_KELM)的MI‑EEG信号四分类问题辨识方法。首先对采集到的MI‑EEG信号进行预处理，根据单个运动想象持续时间建立数据样本，然后通过FIR滤波获取多通道、多样本的α波段的功率谱密度(PSD)与频率关系曲线。根据函数型数据分析(FDA)的基本理论，利用B样条对所有PSD‑频率曲线按脑电极通道逐一进行函数化平滑处理，进而利用函数型主成分分析(FPCA)和主微分分析(PDA)获取每个样本的特征参数，然后将所有样本的特征参数合并进行归一化处理。选取训练样本占比，随机选取训练样本，利用SSA_HELM进行聚类训练，然后对测试样本进行类别预测。本发明所提出的MI‑EEG信号多元特征参数提取方法具有清晰的数学和物理意义，主要涉及矩阵运算，计算规模小，容易嵌入芯片。