[发明专利]一种基于动态脑功能网络连接的脑-机接口方法

说明书

本发明提出一种基于动态脑功能网络连接的脑‑机接口方法，属于脑‑机接口研究领域，涉及左右手想象运动的EEG信号处理方法。包含以下步骤：(1)将所有试次划分为两部分，并在时间过程上划分为“静息”态阶段和任务态阶段，对所有数据进行预处理；(2)使用一部分试次计算“静息”态PLV和任务态PLV及两类任务的特征模板；(3)计算在线EEG数据的PLV及其与特征模板的相似度；(4)将相似度值作为特征向量，利用SVM分类器进行分类。本发明以脑电信号的相位同步信息为基础，提取在线数据与模板的相似度作为特征，物理意义明确，原理上可行。在保证分类准确率的前提下，将系统的响应时间缩短，本发明提出的方法具有更优越的性能。

技术领域

本发明属于脑-机接口研究领域，涉及基于想象运动的脑电信号分析与处理方法，特别涉及一种基于动态脑功能网络连接的脑-机接口方法。

背景技术

脑-机接口(Brain-Computer Interface，BCI)是一种新型的人机交互系统，它在人脑与计算机之间建立直接的交流和控制通道。由于EEG信号的时间分辨率较高，且方便采集，目前基于EEG的脑-机接口系统研究受到了广泛的关注。该系统通过在人头皮表面放置电极采集EEG信号，再经过模式识别方法解码，将神经任务转换为计算机指令来控制外部设备。目前，基于EEG的脑-机接口设备在军事辅助、医疗康复、家电控制等方面已经有了很成功的应用，且其还有很大的开发空间。BCI在科研和应用方面都具有巨大潜在价值，目前已成为了全球最热门的研究领域之一。

运动想象是目前BCI系统中常用的模式，它是基于大脑运动皮层相应区域的μ和β节律的ERD与ERS现象来进行研究的。共空间模式算法(Common Special Pattern，CSP)是ERD/ERS特征提取中效果较好的算法之一，利用3秒长的EEG信号，准确率可以达到90％左右，但信息传输率在40bits/min以下，这远远不能满足通讯的要求，这也是BCI系统目前发展遇到的最大瓶颈，BCI系统的识别率和信息传输率等性能仍有待提高。

本发明从脑网络的角度出发，提出了一种基于动态脑功能网络连接的特征提取方法，该方法在保证识别准确率的前提下，极大地缩短了BCI系统的响应时间。

发明内容

本发明提出了一种基于动态脑功能网络连接的特征提取方法，该方法能够在较短时间内有效发掘大脑进行左手、右手两种想象运动时EEG信号的差别有效解决BCI系统响应较慢的问题。本发明的方法流程如图2所示，技术方案步骤如下：

1.依据图2，首先，将所有的试次(trial)在时间过程上划分为不进行任务阶段(“静息”态)和进行想象运动任务阶段(任务态)。再对这两个阶段的原始EEG数据进行预处理，为建立脑功能网络连接做准备。

2.脑功能网络的“连接”关系要通过一个物理量来反映；本发明将计算预处理后每两导EEG数据之间的瞬时锁相值(instantaneous Phase Lock Value，iPLV)来衡量连接关系，并得到一个网络，网络中的每个节点代表一个EEG电极，网络中的边代表两个电极之间的瞬时同步性。

3.从所有试次中选25个试次，计算左右手两类数据iPLV的25个试次的平均值。然后对“静息”态阶段的结果进行时间平均得到“静息”态PLV；对任务态数据进行分段，计算每段数据的时间平均，得到若干个任务态PLV。

4.依据图2，将3中得到的任务态PLV都减去“静息”态PLV，如此便在静息态PLV的基础上，只保留了任务态PLV所变化的部分，这样就得到若干个“模板”，这些模板反映了被试进行两类想象任务时的脑功能动态网络连接模式。再将各个“模板”中的PLV值降序排列，提取前30个值代表该模板。