基于黎曼流行和小波变换的特征提取方法

1.本发明涉及脑电信号技术领域，尤其是涉及一种基于黎曼流行和小波变换的特征提取方法。


背景技术：

2.视听同步刺激的多模态脑电信号具有高时间分辨率，为高纬度特性的非线性、非平稳的时序信号。脑电信号可通过头皮上电极的传感器检测，这些信号是神经元膜电位的外部表现。现有技术中，对脑电信号进行提取时，大多都是提取单个领域的特征，单个领域的特征提取只能包含脑电信号的部分信息，会导致提取效果不太理想，可能难以保持脑电信号的非线性结构。


技术实现要素：

3.为解决上述背景技术中提出的问题，本发明的目的在于提供一种基于黎曼流行和小波变换的特征提取方法。
4.为实现上述目的，本发明采取的技术方案为：
5.一种基于黎曼流行和小波变换的特征提取方法，包括如下步骤：
6.s1、进行脑电采集实验，采集脑电信号；
7.s2、基于离散小波变换对脑电信号进行时频分析，提取时频特征；
8.s3、基于黎曼流行算法对脑电信号进行非线性特征的提取；
9.s4、对步骤s2与s3中分别提取的时频特征与非线性特征进行特征融合。
10.在一些实施例中，步骤s1中，具体包括如下步骤：
11.s11、向被试员施加试听刺激，通过脑电图仪采集初始的脑电信号；
12.s12、然后，对釆集到的初始脑电信号进行离线预处理，除去信号中的伪迹，并通过带通滤波器对信号进行滤波处理，得到处理后的脑电信号；
13.s13、重复步骤s11与s12若干次，直到到达预设的试验次数。
14.在一些实施例中，步骤s12中，对釆集到的初始脑电信号进行离线预处理的步骤具体包括：
15.首先，将初始脑电信号以平均参考为基础做重参考，再将重参考的脑电信号进行独立成分分解，从中剔除非认知活动的伪迹成分；
16.然后，采用多个窄带带通滤波器，分别提取脑电信号多个不同频段的信号；
17.接下来，根据刺激呈现时刻，分割出每个刺激对应的脑电数据段，每个数据段包含刺激呈现前500ms和呈现后的3000ms；
18.最后，对每个数据段做基线校正，先计算刺激呈现前500ms脑电数据的均值，然后整个数据段的值减去该均值。
19.在一些实施例中，步骤s2中，具体包括如下步骤：
20.s21、计算多模态脑电信号的平均功率，设x(i,j)表示脑电信号第i次实验的第j个
数据，其平均功率：
[0021][0022]
其中，n为实验次数，根据erd/ers现象，确定最优时间窗；
[0023]
s22、采用daubechied类db5小波对特定时段和频段的多模态脑电信号进行三层小波分解，表示为：
[0024][0025]
其中获得的高频细节分量为d1-d3，低频逼近分量为a3；
[0026]
s23、令表示ci导多模态脑电信号的第j层细节分量系数dj，(k＝1,2,...,n)，其均值定义为：
[0027][0028]
能量均值计算式为：
[0029][0030]
均方差为：
[0031][0032]
s25、基于cm,cn导的信号表示，时频特征f1∈r6×1表示为：
[0033][0034]
其中，||.||表示求2-范数。
[0035]
在一些实施例中，步骤s3中，具体包括如下步骤：
[0036]
s31、n个导联t个时刻的脑电信号ei(i＝1,2,...,n)构建的n阶样本协方差为：
[0037][0038]
点p在黎曼流形m上的切空间记作t
p
(m)，对数映射记作log
p
p，对数映射指将黎曼流形m上点p到p1的测地线映射到切空间几何上同向等长的切向量s1，指数映射记作exp
p
s1，指数映射指将切空间t
p
(m)上的切向量s1映射到黎曼流形m上从点p到p1的同向等长的测地线；
[0039]
s32、在切空间t
p
(m)上定义切向量s1和s2的内积运算＜,＞
p
用于黎曼距离的度量：
[0040]
＜s1,s2＞
p
＝trace(s1p-1
s2p-1
)
ꢀꢀ
(8)
[0041]
其中，trace(.)是矩阵的迹，以下式(9)和(10)分别是点p1在切空间t
p
(m)的对数映射和切向量s1在黎曼流形m的指数映射:
[0042]
log
p
p1＝s 1
＝p
1/2
in(p-1/2
pp-1/2
)p
1/2
ꢀꢀ
(9)
[0043]
exp
p
s1＝p 1
＝p
1/2
exp(p-1/2
s1p-1/2
)p
1/2
ꢀꢀ
(10)
[0044]
由式(9)和(10)，用于定义黎曼流形上点p和pi之间的测地线距离:
[0045][0046]
切空间算法使用黎曼均值作为参考点，将黎曼流形上一小邻域上的一簇点映射到其均值点处的切空间上，则该簇任意两点的黎曼测地线距离近似于该切空间相应切向量的欧氏距离，该簇的黎曼均值p以通过迭代方式计算：
[0047][0048]
切空间算法使用正交坐标形式的切向量作为传统分类器的输入，点pi在上的切向量的正交坐标为:
[0049][0050]
令则基于黎曼流形算法的非线性特征表示为：
[0051][0052]
在一些实施例中，步骤s4中，串行特征融合表示为：
[0053]ft
＝[f
1t
,vec
t
] (15)。
[0054]
与现有技术相比，本发明所提供的基于黎曼流行和小波变换的特征提取方法，能够在最大限度保持原始信号非线性流行结构信息的前提下，对脑电信号进行数据降维和特征提取。
附图说明
[0055]
图1为基于黎曼流行和小波变换特征提取算法流程图。
具体实施方式
[0056]
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图和具体实施方式，进一步阐述本发明是如何实施的。
[0057]
参照图1所示，本发明提供了一种基于黎曼流行和小波变换的特征提取方法，包括如下步骤：
[0058]
s1、进行脑电采集实验，采集脑电信号；
[0059]
s2、基于离散小波变换对脑电信号进行时频分析，提取时频特征；
[0060]
s3、基于黎曼流行算法对脑电信号进行非线性特征的提取；
[0061]
s4、对步骤s2与s3中分别提取的时频特征与非线性特征进行特征融合。
[0062]
进一步地，步骤s1中，具体包括如下步骤：
[0063]
s11、向被试员施加试听刺激，通过脑电图仪采集初始的脑电信号；
[0064]
s12、然后，对釆集到的初始脑电信号进行离线预处理，除去信号中的伪迹，并通过带通滤波器对信号进行滤波处理，得到处理后的脑电信号；
[0065]
s13、重复步骤s11与s12若干次，直到到达预设的试验次数。
[0066]
进一步地，步骤s12中，对釆集到的初始脑电信号进行离线预处理的步骤具体包括：
[0067]
首先，将初始脑电信号以平均参考为基础做重参考，再将重参考的脑电信号进行
独立成分分解，从中剔除非认知活动的伪迹成分；
[0068]
然后，采用多个窄带带通滤波器，分别提取脑电信号多个不同频段的信号；
[0069]
接下来，根据刺激呈现时刻，分割出每个刺激对应的脑电数据段，每个数据段包含刺激呈现前500ms和呈现后的3000ms；
[0070]
最后，对每个数据段做基线校正，先计算刺激呈现前500ms脑电数据的均值，然后整个数据段的值减去该均值。
[0071]
在一个具体实施例中，步骤s1中，进行脑电采集实验时，实验一共可包括三个session，每个session共有100个试次，其中包括70个标准试次，15个中度偏差试次以及15个高度偏差试次。每个试次中出现海洋白噪声以及两个不同目标的声信号和图像是完全随机的。实验场所安排在一个密闭的房间内，受试者坐在距离电脑屏幕约80cm远的位置。实验开始前，受试者会对实验范式进行熟悉并被告知以下几点来保证实验数据的稳定性：1)除需要点击的手指外，身体其余部位尽量保持静止，尤其是头部；2)尽量避免双眨眼以及吞咽口水等动作；3)保持注意力集中。实验开始后，受试者首先会看到一个持续时间为300ms的“+”形图片，之后会出现一个刺激间隔(isi：500-1500ms)，目标刺激出现之后会有1000ms的时间供受试者进行反应，要求受试者对刺激图片为目标的按“f”键，对海洋白噪声按“j”键。目标刺激会在受试者按键或持续1000ms后结束。最后会有一个1000ms的休息时间，然后开始下一次试次。直到100次试次结束后，本session结束。休息五分钟后会进行下一个session。每个session大约需要5.5分钟，每个受试者会进行约半个小时的实验。每个session之间受试者可以根据自身情况主动提出增，减休息时间以保证充足的精力来完成实验。
[0072]
脑电图(electroencephalography，eeg)信号采集使用64通道的脑电图仪，电极放置按照国际标准10-20系统，确保有效覆盖所有感兴趣的皮层区域；eeg信号的采样频率为1000hz。
[0073]
对釆集的原始脑电信号进行离线预处理时，64通道脑电数据经过独立成分分解之后得到64个独立成分，由于每个被试的状态不一样，独立成分分解之后，伪迹的数量也不一。可使用多个窄带带通滤波器，提取脑电信号多个频段的信号：delta(2-4hz)、theta(4-8hz)、低alpha(8-10.5hz)、高alpha(10.5-13hz)、低beta(13-20hz)、高beta(20-30hz)和gamma(》30hz)。
[0074]
进一步地，步骤s2中，具体包括如下步骤：
[0075]
s21、计算多模态脑电信号的平均功率，设x(i,j)表示脑电信号第i次实验的第j个数据，其平均功率：
[0076][0077]
其中，n为实验次数，根据erd/ers现象，确定最优时间窗；
[0078]
s22、采用daubechied类db5小波对特定时段和频段的多模态脑电信号进行三层小波分解，表示为：
[0079][0080]
其中获得的高频细节分量为d1-d3，低频逼近分量为a3；由于小波系数表达了信号
在时域和频域的能量分布，可基于细节分量进行特征提取；
[0081]
s23、令表示ci导多模态脑电信号的第j层细节分量系数dj，(k＝1,2,...,n)，其均值定义为：
[0082][0083]
能量均值计算式为：
[0084][0085]
均方差为：
[0086][0087]
s25、基于cm,cn导的信号表示，时频特征f1∈r6×1表示为：
[0088][0089]
其中，||.||表示求2-范数。
[0090]
步骤s2中，可基于wigner-ville分布对多模态脑电信号进行时频分析，通过时频空间上信号的能量分布，合理确定特征提取时的有效频率窗。
[0091]
进一步地，步骤s3中，采用黎曼流行算法可提供从高维数据观测空间至低维数据特征空间的非线性映射关系，增强流行学习对于样本外数据的泛化能力，有效降低时间消耗，具体可包括如下步骤：
[0092]
s31、n个导联t个时刻的脑电信号ei(i＝1,2,...,n)构建的n阶样本协方差为：
[0093][0094]
根据黎曼流形理论，黎曼流形空间中两个点之间的最短光滑曲线称为测地线；切空间在黎曼流形中有两个重要的互逆映射算子，分别是对数映射和指数映射；
[0095]
点p在黎曼流形m上的切空间记作t
p
(m)，对数映射记作log
p
p，对数映射指将黎曼流形m上点p到p1的测地线映射到切空间几何上同向等长的切向量s1，指数映射记作exp
p
s1，指数映射指将切空间t
p
(m)上的切向量s1映射到黎曼流形m上从点p到p1的同向等长的测地线；
[0096]
s32、黎曼流形是具有黎曼度量的微分流形，在切空间t
p
(m)上定义切向量s1和s2的内积运算＜,＞
p
用于黎曼距离的度量：
[0097]
＜s1,s2＞
p
＝trace(s1p-1
s2p-1
)
ꢀꢀ
(8)
[0098]
其中，trace(.)是矩阵的迹，以下式(9)和(10)分别是点p1在切空间t
p
(m)的对数映射和切向量s1在黎曼流形m的指数映射:
[0099]
log
p
p1＝s 1
＝p
1/2
in(p-1/2
pp-1/2
)p
1/2
ꢀꢀ
(9)
[0100]
exp
p
s1＝p 1
＝p
1/2
exp(p-1/2
s1p-1/2
)p
1/2
ꢀꢀ
(10)
[0101]
由式(9)和(10)，用于定义黎曼流形上点p和pi之间的测地线距离:
[0102][0103]
切空间算法使用黎曼均值作为参考点，将黎曼流形上一小邻域上的一簇点映射到其均值点处的切空间上，则该簇任意两点的黎曼测地线距离近似于该切空间相应切向量的欧氏距离，该簇的黎曼均值以通过迭代方式计算：
[0104][0105]
切空间算法使用正交坐标形式的切向量作为传统分类器的输入，点pi在上的切向量的正交坐标为:
[0106][0107]
令则基于黎曼流形算法的非线性特征表示为：
[0108][0109]
进一步地，步骤s4中，利用离散小波分析的时频特征与基于黎曼流行算法的非线性结构特征具有较好的信息互补性，串行特征融合可表示为：
[0110]ft
＝[f
1t
,vec
t
]
ꢀꢀꢀ
(15)。
[0111]
综上，基于流行学习的脑电信号处理技术可从数据集非线性几何分布的角度挖掘脑电信号的非线性流行结构，与传统的时频特征具有很好的信息互补性，从而提供从高维数据观测空间至低维数据特征空间的非线性映射关系。因此，本发明所提供的基于黎曼流行和小波变换的特征提取方法，能够在最大限度保持原始信号非线性流行结构信息的前提下，对脑电信号进行数据降维和特征提取。
[0112]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围中。

技术特征：
1.一种基于黎曼流行和小波变换的特征提取方法，其特征在于，包括如下步骤：s1、进行脑电采集实验，采集脑电信号；s2、基于离散小波变换对脑电信号进行时频分析，提取时频特征；s3、基于黎曼流行算法对脑电信号进行非线性特征的提取；s4、对步骤s2与s3中分别提取的时频特征与非线性特征进行特征融合。2.根据权利要求1所述的基于黎曼流行和小波变换的特征提取方法，其特征在于，步骤s1中，具体包括如下步骤：s11、向被试员施加试听刺激，通过脑电图仪采集初始的脑电信号；s12、然后，对釆集到的初始脑电信号进行离线预处理，除去信号中的伪迹，并通过带通滤波器对信号进行滤波处理，得到处理后的脑电信号；s13、重复步骤s11与s12若干次，直到到达预设的试验次数。3.根据权利要求2所述的基于黎曼流行和小波变换的特征提取方法，其特征在于，步骤s12中，对釆集到的初始脑电信号进行离线预处理的步骤具体包括：首先，将初始脑电信号以平均参考为基础做重参考，再将重参考的脑电信号进行独立成分分解，从中剔除非认知活动的伪迹成分；然后，采用多个窄带带通滤波器，分别提取脑电信号多个不同频段的信号；接下来，根据刺激呈现时刻，分割出每个刺激对应的脑电数据段，每个数据段包含刺激呈现前500ms和呈现后的3000ms；最后，对每个数据段做基线校正，先计算刺激呈现前500ms脑电数据的均值，然后整个数据段的值减去该均值。4.根据权利要求1所述的基于黎曼流行和小波变换的特征提取方法，其特征在于，步骤s2中，具体包括如下步骤：s21、计算多模态脑电信号的平均功率，设x(i,j)表示脑电信号第i次实验的第j个数据，其平均功率：其中，n为实验次数，根据erd/ers现象，确定最优时间窗；s22、采用daubechied类db5小波对特定时段和频段的多模态脑电信号进行三层小波分解，表示为：其中获得的高频细节分量为d1-d3，低频逼近分量为a3；s23、令表示c
i
导多模态脑电信号的第j层细节分量系数d
j
，(k＝1,2,...,n)，其均值定义为：能量均值计算式为：
均方差为：s25、基于c
m
,c
n
导的信号表示，时频特征f1∈r6×1表示为：其中，||.||表示求2-范数。5.根据权利要求4所述的基于黎曼流行和小波变换的特征提取方法，其特征在于，步骤s3中，具体包括如下步骤：s31、n个导联t个时刻的脑电信号e
i
(i＝1,2,...,n)构建的n阶样本协方差为：点p在黎曼流形m上的切空间记作t
p
(m)，对数映射记作log
p
p，对数映射指将黎曼流形m上点p到p1的测地线映射到切空间几何上同向等长的切向量s1，指数映射记作exp
p
s1，指数映射指将切空间t
p
(m)上的切向量s1映射到黎曼流形m上从点p到p1的同向等长的测地线；s32、在切空间t
p
(m)上定义切向量s1和s2的内积运算＜,＞
p
用于黎曼距离的度量：＜s1,s2＞
p
＝trace(s1p-1
s2p-1
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)其中，trace(.)是矩阵的迹，以下式(9)和(10)分别是点p1在切空间t
p
(m)的对数映射和切向量s1在黎曼流形m的指数映射:log
p
p1＝s1＝p
1/2
in(p-1/2
pp-1/2
)p
1/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)exp
p
s1＝p1＝p
1/2
exp(p-1/2
s1p-1/2
)p
1/2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)由式(9)和(10)，用于定义黎曼流形上点p和p
i
之间的测地线距离:切空间算法使用黎曼均值作为参考点，将黎曼流形上一小邻域上的一簇点映射到其均值点处的切空间上，则该簇任意两点的黎曼测地线距离近似于该切空间相应切向量的欧氏距离，该簇的黎曼均值以通过迭代方式计算：切空间算法使用正交坐标形式的切向量作为传统分类器的输入，点p
i
在上的切向量的正交坐标为:令则基于黎曼流形算法的非线性特征表示为：
6.根据权利要求5所述的基于黎曼流行和小波变换的特征提取方法，其特征在于，步骤s4中，串行特征融合表示为：f
t
＝[f
1t
,vec
t
](15)。

技术总结
本发明公开了一种基于黎曼流行和小波变换的特征提取方法，包括如下步骤：S1、进行脑电采集实验，采集脑电信号；S2、基于离散小波变换对脑电信号进行时频分析，提取时频特征；S3、基于黎曼流行算法对脑电信号进行非线性特征的提取；S4、对步骤S2与S3中分别提取的时频特征与非线性特征进行特征融合。本发明所提供的基于黎曼流行和小波变换的特征提取方法，能够在最大限度保持原始信号非线性流行结构信息的前提下，对脑电信号进行数据降维和特征提取。对脑电信号进行数据降维和特征提取。对脑电信号进行数据降维和特征提取。


技术研发人员：徐慧慧 石章松 饶喆 张宁 张家琦 李佳宽
受保护的技术使用者：中国人民解放军海军工程大学
技术研发日：2023.07.14
技术公布日：2023/10/19