一种基于多个小波变换的动作电位特征提取方法技术

本发明专利技术涉及一种基于多个小波变换的动作电位特征提取方法。目前单一小波基无法对动作电位进行全面的描述。本发明专利技术方法首先以Ｄｂ、Ｓｙｍ、Ｂｉｏｒ小波作为小波变换基函数，提取各小波基下的小波特征，然后在ＫＳ检验的规则下，分别对各组小波特征分量检验，并对高维特征空间的降维，计算出各特征分量的权值系数，选取出的三组特征分量合成为原始联合矩阵后，与权值矩阵相乘，得到多个小波变换下的加权联合特征。本发明专利技术方法克服了单个小波特征描述的单一性和局限性，并综合了多个小波特征，能更有效表达动作电位特异性的特征分量，加权融合后的联合特征，能实现对信号特征更全面、有效的表达。

【技术实现步骤摘要】

本专利技术属于生物医学工程领域，涉及植入式脑电信号的处理方法，具体是神经元动作电位的特征提取方法。
技术介绍
采用植入式脑机接口技术来解决人类社会普遍存在的神经系统疾病，例如肢体瘫痪、听视觉丧失等问题，已经成为当今国际上的一个热点和前沿课题。提取植入式脑电信号——动作电位(Spike)的有效特征是后续信号处理的重要保证。目前广泛使用的基于主元分析的PCA特征，其通过相互正交的特征量体现非同源动作电位的差异，但其缺乏对信号频域特征的描述。因此小波时频特征被越来越多用于动作电位的特征描述。由于小波基函数的多样性，不同的小波基能够有效描述一个信号的不同部分或特征，但单一小波基还无法做到对动作电位进行全面的描述，尚缺乏一种普遍适用的小波变换基函数。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供一种植入式脑机接口中的动作电位特征提取方法，以提高后续脑机交互系统的性能以及实用性。 本专利技术包括以下各步骤 步骤(1)对神经元动作电位发放进行采样，经采样放大及截断处理后的Spike信号表示成矩阵形式； 步骤(2)分别以Db、Sym、Bior这三种具有代表性的小波基函数作为小波变换基函数，对检测所得的动作电位进行小波变换，以提取各组小波基下的小波特征。 步骤(3)在KS检验的规则下，分别计算各组小波特征分量的KS检验值。 步骤(4)对每组内的特征分量的检验值按由大到小排序，分别提取各组特征矩阵中前三个检验值对应的特征分量，实现对高维特征空间的降维，同时根据KS检验值计算出各特征分量的权值系数。 步骤(5)将选取出的将三组特征分量合成为原始联合矩阵后，与权值矩阵相乘，得到多个小波变换下的加权联合特征矩阵，即最终提取的动作电位特征。 本专利技术具有以下特点 (1)采用小波变换来实现信号从测量空间到特征空间的转换，从而实现去高维数据中的相关性及冗余。不同的小波基往往具有不同的时频特性，能够有效表示一个信号的不同部分或不同特征。因此，分别以Db、Sym、Bior这三种具有代表性的小波作为小波变换基函数，来提取特征。从而充分利用了各小波函数的特性，克服了单个小波特征描述的单一性和局限性。 (2)在KS检验的规则下，分别对各组小波特征分量进行检验，根据检验值对特征排序，取检验值靠前的特征作为Spike的特征描述，实现对高维特征空间的降维。相比PCA分析中的最大方差检验降维方法，该方法挑选出的特征样本分布具有明显多峰性，更能有效的表达Spike信号的特异性。 (3)以KS检验值为依据，计算挑选出的特征分量的权值系数，加权后的矩阵融合成Spike的联合特征，从而得到了Spike的多小波特征融合。相比传统的PCA特征和单个小波特征，该特征能实现对信号特征更全面、有效的表达，另外对于不同场合动作电位信号具有较好的鲁棒性和普适性。 附图说明 图1是植入式脑电的动作电位示意图； 图2是三类小波基作用下小波特征图谱对比图； 图3是KS检验与最大方差检验选取的特征分量值分布的统计直方图。 具体实施例方式 ，具体步骤是 步骤(1)对神经元动作电位发放进行采样，经采样放大及截断处理后的Spike信号表示为矩阵形式SN×M，其中N为Spike信号的个数，M为每个Spike信号的采样点个数。神经元动作电位采样如图1所示。 步骤(2)以小波变换来实现信号从测量空间到特征空间的转换，从而实现去高维数据中的相关性及冗余。其实质是将信号分解到两个不同的且相互正交的函数空间，一个是多尺度函数空间，另一个是小波函数空间。从滤波器的角度来说，即为将信号通过高、低频滤波器分解为小波系数和逼近系数，分别反映了输入信号的细节信息以及概要信息。对Spike信号进行小波变换，得到其小波时频特征，将Spike信号表示为f(t)，第i尺度下第k个小波系数ci，k为 ci，k＝<ψj，q(t)，f(t)> 其中j为伸缩尺度，它从频率的角度对小波母函数Ψ(t)进行改变；q是平移尺度，它使得小波函数在时间轴上平移，最终构造出一系列小波基。小波基函数ψjk(t)为 Spike信号通过小波变换后得到小波系数矩阵CL×H，L为矩阵CL×H的行数、H为矩阵CL×H的维数，L＝N，H＝M， CL×H＝{c1，c2，c3，…，cm，…ch}，cm＝{cm1，cm2，cm3，…cml}，cm表示N个Spike信号的第m维特征分量。分别采用三类有代表性的小波基函数Db、Sym、Bior带入小波特征的矩阵求解，得到三组不同小波基下的特征矩阵，记为C1、C2、C3。 图2为三类小波基作用下小波特征图谱对比。可见非同源Spike信号的小波特征的幅度值不尽相同，且同源Spike在不同小波基下提取的特征也存在差异性。 步骤(3)在KS检验函数的规则下，得到各原始特征项的量化评价，实现特征排序。KS检验用于描述两个独立统计样本的相似性。对于非同源Spike叠加的信号而言，其有效的小波时频特征分量在统计意义上，表现为非正态分布特性，即多峰特性。因此高维的小波时频特征获取后，可采用KS检验方法对特征分量的分布特性进行评价。针对三组特征矩阵C1、C2、C3中的每一维特征分量cm，分别计算其KS检验值λm， λm＝|F(cm)-G(cm)| 其中F(x)为经验积累分布函数，G(x)为高斯分布函数。 步骤(4)对每组内的特征分量的检验值按由大到小排序，分别提取各组特征矩阵中前三个检验值对应的特征分量，记为cs，g(s为组号，s＝1，2，3，g为组内检验值序号，g＝1，2，3)，从而实现了对高维特征空间的降维，这有利于提高后期模式识别的正确性和降低计算工作量，以实现更有效的特征分析。计算各特征分量的权值系数ws，g 图3表示通过KS检验(a)与最大方差检验(b)选取三个特征分量值分布的统计直方图。由图可见，通过KS检验后挑选出的特征样本分布具有明显多峰性，而根据方差挑选出的样本分布仅呈现单峰。因此相较于最大方差检验，KS检验挑选出的特征分量更能有效的表达Spike信号的特异性。 步骤(5)以加权的多个小波特征作为动作电位的完整描述，以实现对信号特征更全面、有效的表达。 记原始联合特征矩阵为C′＝权值矩阵为 加权后的联合特征矩阵C作为最终提取的动作电位特征，C＝WC’。 加权的联合特征融合了多个小波特征中的有效分量，充分利用了多小波函数的特性，克服了单个小波特征描述的单一性和局限性，对于不同场合动作电位信号具有较好的鲁棒性和普适性。权利要求1.，其特征在于该方法包括如下步骤步骤(1)对神经元动作电位发放进行采样，经采样放大及截断处理后的Spike信号表示为矩阵形式SN×M，其中N为Spike信号的个数，M为每个Spike信号的采样点个数；步骤(2)对Spike信号进行小波变换，得到其小波时频特征，将Spike信号表示为f(t)，第i尺度下第k个小波系数ci，k为ci，k＝<ψj，q(t)，f(t)>其中j为伸缩尺度，它从频率的角度对小波母函数Ψ(t)进行改变；q是平移尺度，它使得小波函数在时间轴上平移，最终构造出一系列小波基；小波基函数ψj，k(t)为Spike信号通过小波变换后得到小波系数矩阵C本文档来自技高网...

【技术保护点】
一种基于多个小波变换的动作电位特征提取方法，其特征在于该方法包括如下步骤：步骤（１）对神经元动作电位发放进行采样，经采样放大及截断处理后的Ｓｐｉｋｅ信号表示为矩阵形式Ｓ↓［Ｎ×Ｍ］，其中Ｎ为Ｓｐｉｋｅ信号的个数，Ｍ为每个Ｓｐｉｋｅ信号的采样点个数；步骤（２）对Ｓｐｉｋｅ信号进行小波变换，得到其小波时频特征，将Ｓｐｉｋｅ信号表示为ｆ（ｔ），第ｉ尺度下第ｋ个小波系数ｃ↓［ｉ，ｋ］为ｃ↓［ｉ，ｋ］＝＜ψ↓［ｊ，ｑ］（ｔ），ｆ（ｔ）＞其中ｊ为伸缩尺度，它从频率的角度对小波母函数Ψ（ｔ）进行改变；ｑ是平移尺度，它使得小波函数在时间轴上平移，最终构造出一系列小波基；小波基函数ψ↓［ｊ，ｋ］（ｔ）为：ψ↓［ｊ，ｑ］（ｔ）＝１／２↑［ｊ／２］Ψ（２↑［ｊ］ｔ－ｑ）Ｓｐｉｋｅ信号通过小波变换后得到小波系数矩阵Ｃ↓［Ｌ×Ｈ］，Ｌ为矩阵Ｃ↓［Ｌ×Ｈ］的行数、Ｈ为矩阵Ｃ↓［Ｌ×Ｈ］的维数，Ｌ＝Ｎ，Ｈ＝Ｍ，Ｃ↓［Ｌ×Ｈ］＝｛ｃ↓［１］，ｃ↓［２］，ｃ↓［３］，…，ｃ↓［ｍ］，…ｃ↓［ｈ］｝，ｃ↓［ｍ］＝｛ｃ↓［ｍ１］，ｃ↓［ｍ２］，ｃ↓［ｍ３］，…ｃ↓［ｍｌ］｝，ｃ↓［ｍ］表示Ｎ个Ｓｐｉｋｅ信号的第ｍ维特征分量；分别采用三类有代表性的小波基函数Ｄｂ、Ｓｙｍ、Ｂｉｏｒ带入小波特征的矩阵求解，得到三组不同小波基下的特征矩阵，记为Ｃ↓［１］、Ｃ↓［２］、Ｃ↓［３］；步骤（３）对三组不同小波基下的特征矩阵进行ＫＳ检验，针对三组特征矩阵Ｃ↓［１］、Ｃ↓［２］、Ｃ↓［３］中的每一维特征分量ｃ↓［ｍ］，分别计算其ＫＳ检验值λ↓［ｍ］，λ↓［ｍ］＝｜Ｆ（ｃ↓［ｍ］）－Ｇ（ｃ↓［ｍ］）｜式中Ｆ（ｘ）为经验积累分布函数，Ｇ（ｘ）为高斯分布函数；步骤（４）对每组内的特征分量的检验值按由大到小排序，分别提取各组特征矩阵中前三个检验值对应的特征分量，记为ｃ↓［ｓ，ｇ］，实现对高维特征空间的降维，其中ｓ为组号，ｓ＝１，２，３，ｇ为组内检验值序号，ｇ＝１，２，３；计算各特征分量的权值系数ｗ↓［ｓ，ｇ］：ｗ↓［ｓ，ｇ］＝λ↓［ｓ，ｇ］／＊＊λ↓［ｓ，ｇ］步骤（５）以加权的多个小波特征作为动作电位的完整描述，记原始联合特征矩阵为Ｃ′＝［ｃ↓［１１］，ｃ↓［１２］，ｃ↓［１３］，ｃ↓［２１］，ｃ↓［２２］，ｃ↓［２３］，ｃ↓［３１］，ｃ↓［３２］，ｃ↓［３３］］权值矩阵为＊＊＊加权后的联合特征矩阵Ｃ作为最终提取的动作电位特征，Ｃ＝ＷＣ’。...

【技术特征摘要】

【专利技术属性】
技术研发人员：范影乐，丁颖，钟华，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：86[中国|杭州]