一种基于矩阵灰建模的单次P300检测方法

摘要

本发明提出了一种基于矩阵灰建模的单次P300检测方法，属于认知神经科学领域，涉及一种事件相关电位P300的特征提取和识别检测方法，具体是涉及一种基于灰色理论中的矩阵灰建模的单次P300检测方法。所述方法包括：1、对原始采集脑电信号进行预处理；2、导联组合选择，根据训练集数据目标刺激与非目标刺激的波形图，选择顶枕区波形差异最明显的4个导联作为最优电极；3、对4个导联的数据进行分段矩阵灰建模，并提取模型参数作为特征向量；4、利用Fisher比率值的方法进行最优特征选择，同时达到降低特征向量维数的目的；5、利用支持向量机分类器对特征向量进行分类，实现单次P300的检测识别。经实验数据测试表明，该算法能够提高单次检测P300的检测识别率，并且在少次叠加时，正确识别率可进一步得到提高。

主权项

一种基于矩阵灰建模的单次P300检测方法，其特征在于，所述方法包括以下步骤：步骤S1：对EEG数据经过预处理，包括滤波，分段，伪迹剔除和基线校准；步骤S2：通过观察采集的训练数据，画出目标与非目标的波形图，并且选择波形差异最明显的4个导联作为最优电极；步骤S3：对预处理后的每个样本进行k分段进行矩阵灰建模，并提取每个分段模型的灰作用量作为特征参数；步骤S4：将经过上述方法得到的2个k维的特征向量联接为2k维特征向量，然后进行Fisher比率的计算，按照比率值的大小进行排序，得到排序后每个特征对应的序号。最后根据特征排序选择最优特征空间；步骤S5：分类识别，选择支持向量机作为分类器，核函数选择径向基核函数，将经过上述步骤得到的特征向量输入到SVM，实现对单次P300的识别分类。