[发明专利]一种基于CSP算法及AR模型想象动作电位的脑电信号特征提取方法

说明书

技术领域

本发明涉及BCI领域，具体涉及一种基于CSP算法及AR模型想象左右手动作电位的脑电信号特征提取方法。

背景技术

脑电信号是人体中十分重要的生物电信号，是大脑复杂工作的实质体现。脑电信号中包含了人体很多的生理、心理信息，其中包括了人的思想。在脑电信号的研究中，逐渐形成了另一门技术——脑-机接口技术（BCI）。脑-机接口技术指的是通过大脑与计算机等电子设备之间建立通道，人可以直接通过大脑的指令操作或控制机器的运动的技术。其中最为重要就是脑电信号的特征提取，它直接决定了脑电信号解读的准确性。本发明设计了一种基于两种算法的脑电信号特征提取方法，能提高脑电信号特征提取的准确性，开拓其应用方面的前景。

在进行特征提取方面，目前有许多算法存在，如小波变换、自回归算法、共空间模式等算法，小波变换是一种时域分析法，在时域方面有着不错的分辨率；自回归算法是将幅度随时间变化的脑电信号变为功率谱图，从而提取脑电信号的频域特征；共空间模式算法利用两类脑电信号的估计协方差矩阵来提取脑电信号的空域特征。

以上三种方法各有有点，如何综合并改进自回归算法和共空间模式算法，突出脑电信号的频域和空域特征，来达到提高脑电信号的特征提取准确性，就成为亟待解决的技术问题。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明在现有脑电信号特征提取的方法上，结合并改善了两种常见的数据处理方法，即共空间模式算法和自回归模型算法，以达到提高识别脑电信号准确率的效果，本文提供了一种基于CSP算法及AR模型想象左右手动作电位的脑电信号特征提取方法。

技术方案：为解决上述技术问题，本发明综合了共空间模式算法（CSP）和自回归模型算法（AR），提取出表征想象左右手动作电位的脑电信号频域和空域特征，具体包括以下步骤：

步骤一：对想象左右手动作电位的脑电信号进行采集。

步骤二：对采集的脑电信号进行初步滤波。

步骤三：使用共空间模式（CSP算法）和自回归模型（AR模型）对滤波后的脑线信号进行处理。

进一步，在步骤一中，脑电信号采集模块为脑电采集头套，采用Emotiv EPOC+ 14导电极帽以128Hz的频率采集EEG信号。脑电信号采集模块用于采集受试者在运动想象左右手运动下的大脑额叶区域、中央区域和顶叶区域的脑电信号，并通过数据传输模块传输至脑电信号初步滤波部分；

进一步，在步骤二中，使用MATLAB中小波分析工具箱对脑电信号的初步滤波，用于滤去脑电信号的工波、以及周围环境带来的杂波，以及与想象左右手动作电位无关的波形。

进一步，在步骤三中，对经过滤波的脑电信号进行CSP算法滤波，再对初始信号进行AR模型进行运算，将得到的两个矩阵整合，即为所得的特征向量。

有益效果：本发明提高了脑电信号特征提取的准确性。相比于传统的CSP特征提取方法，本发明不仅仅在信号的空域特性方面进行研究分析，更在信号的贫与特性方面进行了处理。从两个不同的方面着手，显著提高了信号特征提取的准确率，开拓了应用领域，具备广阔的前景。

除了上面所述的本发明解决的技术问题、构成技术方案的技术特征以及由这些技术方案的技术特征所带来的优点外，本发明所能解决的其他技术问题、技术方案中包含的其他技术特征以及这些技术特征带来的优点，将结合附图做出进一步详细的说明。

附图说明

图1为脑电采集卡内部结构框图；

图2为本发明实施流程图。

具体实施方式

下面将结合附图，对本发明的优选实施进行详细的描述。

在本方法中，首先使用Emotiv EPOC+ 14导电极帽以128Hz的频率对想象左右手动作电位的脑电信号进行采集，继而使用MATLAB中小波分析工具箱对采集到的脑电信号进行滤波，滤去脑电信号的50Hz工波以及环境带来的杂波，尽可能滤去与想象左右手动作电位无关的波形，再对经过滤波的脑电信号进行CSP算法滤波，再对初始信号进行AR模型进行运算，将得到的两个矩阵整合，所得到特征向量。

具体步骤如下：

步骤一：对想象左右手动作电位的脑电信号进行采集。