[发明专利]基于独立分量自动聚类处理的脑电信号处理方法

说明书

技术领域

本发明涉及在自发脑电背景中分离并提取诱发脑电信号，特别涉及一种基于独立分量自 动聚类处理的脑电信号处理方法。

技术背景

脑电信号是非平稳的随机信号，它们非常微弱，随机性强，并且有很强的背景噪声。因 此，对它们的提取、分析和识别都有相当的难度。脑-机接口技术是人脑与计算机或其他电子 设备之间建立的直接的交流和控制通道，通过这个通道，人们可以直接使用思维来控制外部 设备，而不需要任何的身体动作。它是通过对脑电的特征信号进行采集、分析、处理和识别， 来实现人们所预期的功能。人们对它的研究是从20世纪90年代兴起的，研究主要集中于对脑 电信号的各种成分的分析，其中的核心技术也是难点就在于提取和识别特征的脑电信号。

由事件相关刺激引起的诱发脑电信号是研究大脑认知、感觉、操作等功能性活动的主要 手段之一，但由于脑电信号中诱发成份的强度一般低于自发成份的强度，因此往往需要采用 多组相同刺激来进行重复刺激实验，并对采集信号进行多种处理，使诱发脑电的信噪比得到 提高之后才能用于后续分析。

独立分量分解(Independent Component Analysis，ICA)技术即是一种近来得到广泛应用 的诱发脑电信号提取技术，它可以将不同来源的脑电信号进行分离，提取与靶刺激相关的诱 发成份用于进一步分析。然而通过传统的ICA分解所得到的独立分量是随机排序的，如何剔 除自发分量、提取与靶刺激相关的诱发分量、消除噪声源对应的干扰分量等工作没有成熟有 效的方法，往往依赖于使用者的主观经验，这使得ICA技术在诱发脑电处理的应用上受到较 大的限制。

发明内容

为克服现有技术的不足，提高诱发脑电信号的信噪比，使得动作期内的脑电信号在不同 任务刺激下的可分性得到明显提高，有利于信号特征的提取分析或者任务模式的识别，最终 实现诱发分量的自动提取并能显著提高信号的Fisher可分性，Fisher系数的定义为：

(1)当用单一特征x进行分类时

F=SbSw=(μxA-μxB)2σxA2+σxB2]]>

式中，μxA和μxB分别表示A类和B类中各样本特征参数x的平均值；σ_xA²和σ_xB²分别表示A 类和B类中各样本特征的参数x的均方差。

(2)当用N个特征进行分类时