[发明专利]一种用于非对称脑电特征增强与识别的脑-机接口方法

说明书

本发明涉及一种用于非对称脑电特征增强与识别的脑‑机接口方法，包括如下步骤：步骤一，通过脑‑机接口系统建立包括训练集X_k、训练样本Y_l和测试样本·Y的脑电信号模块；步骤二，对脑电信号模块中测试样本·Y进行频域滤波和降采样数据处理；步骤三，基于Fisher线性判别准则，对脑电信号模块中训练集X_k进行计算得到空间投影矩阵W；步骤四，对脑电信号模块中训练集X_k和测试样本·Y按照如下公式进行DSP空间滤波获得和W^TY特征向量；步骤五，根据和W^TY特征向量进行CCA空间滤波构建投影矩阵U_k和V_k；通过获得特征向量W^TY、投影矩阵U_k和V_k按照如下公式进行模板匹配生成特征向量ρ_l；采用不同分类器模型对特征向量ρ_l进行识别后输出；该方法提高脑电信号自身信噪比从而提高信号特征的分类识别效率。

技术领域

本发明涉及脑-机接口系统技术领域，具体涉及一种用于非对称脑电特征增强与识别的脑-机接口方法。

背景技术

脑-机接口(Brain-Computer Interface,BCI)是一个将中枢神经系统活动直接转化为人工输出的系统，它能够替代、修复、增强、补充或者改善中枢神经系统的正常输出，从而改善中枢神经系统与内外环境之间的交互作用。通过采集和分析不同刺激下受试者的脑电信号，再使用一定的工程技术手段建立起人脑与计算机或其它电子设备之间的交流和控制通道。BCI技术实现了一种全新的信息交互与控制方式，可以为残疾人尤其是那些基本肢体运动功能受损但思维正常的患者提供一种与外界进行信息交流和控制的途径，使他们无需进行语言或肢体动作即可同外界交流或操纵外界设备。为此，BCI技术也越来越受到重视。基于事件相关电位(Event-Related Potential,ERP)中P300特征的P300-speller和基于稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP)的SSVEP-BCI是应用较广泛的视觉刺激诱发的脑-机接口系统，其相关技术已经发展得较为稳定和成熟。

对于实时数据采集系统，为了消除干扰信号，通常需要对采集到的数据进行数字滤波，传统滤波方法通常将特定波段频率滤除，如：低通滤波、高通滤波、带通滤波、陷波等等。脑电信号具有非线性及非平稳性的特征，在脑-机接口系统的研究中，如何对采集到的脑电信号进行处理分析，从繁杂的背景脑电中提取微弱的脑电信号特征并对不同特征进行分类识别是决定BCI系统性能的关键性因素，由于脑电信号存在频率特性，因此滤波手段也常用于脑电信号的处理分析中，通常滤波频段会根据不同脑电特征进行调整。滤波后，对传统脑电信号进行分类识别方法有线性判别分析(Linear Discriminant Analysis,LDA)，共空间模式(Common Spatial Pattern,CSP)，支持向量机(Support Vector Machine,SVM)，典型相关分析(Canonical Correlation Analysis,CCA)等方法。这些方法均包含空间滤波的思想，即在高维空间选择一个或几个分类平面，将其向量作为空间滤波器对信号进行空间滤波，目的是将高维信号降至低维，便于对其进行分类。典型相关分析算法目前被普遍应用于SSVEP-BCI系统中，且有研究对该算法做了进一步改进，即在脑电信息处理过程中应用模板匹配原则引入了受试者自身信号，提升了系统的识别正确率和信息传输速率，为将BCI技术进一步向应用成果转化奠定了有力基础。

发明内容

本发明的目的在于克服上述背景技术存在的缺陷，提供一种用于非对称脑电特征增强与识别的脑-机接口方法，该方法是结合判别模式空间滤波及模板匹配原则的特征分类方法，在现有的模板匹配CCA分类策略的基础之上，引入DSP空间滤波方法，并根据不同刺激范式的编码策略构建不同解码模板，以提高脑电信号自身信噪比从而提高信号特征的分类识别效率。

本发明采用如下技术方案予以实施：