[发明专利]一种运动想象脑电的块选择共空间模式特征提取方法

说明书

本发明公开了一种运动想象脑电的块选择共空间模式特征提取方法，本发明首先以每个通道划分频带来构建数据块的方式对原始数据进行预处理，其次对每个块进行块的相关性计算以得到表征分类性能的指标Fisher比，然后根据该指标及合理阈值实现对数据块的选择，最后用CSP和SVM对最优块组成的数据进行特征提取与分类。本发明选出来的块能有效地避免不同个体以及不同通道间的差异性，且块所属的通道分布合理，数量适中，一定程度上提高了BCI系统的分类性能，为脑电信号的特征提取提供了新的思路。

技术领域

本发明属于模式识别领域，提出一种块选择-共空间模型特征提取方法(Block-selection for CSP,BS-CSP)，用于基于运动想象的BCI系统的任务分类。通过对每个通道划分频带来构建数据块，利用每个块的时频特征计算得到的Fisher比选出最优块，实现了对通道和频带的同时选择，减少了通道间和频带间的冗余信息，然后分别用共空间模式(Common Space Pattern,CSP)和支持向量机(Support vector machine,SVM)对最优块组成的数据进行特征提取与分类。

背景技术

作为人类与计算机通信的桥梁，脑机接口(Brain-computer interface,BCI)可以通过对脑部神经活动信号的识别产生控制命令，帮助有运动障碍的患者对轮椅，外骨骼等外部设备进行控制，从而改善日常生活质量。脑电信号(Electroencephalogram,EEG)因具有高时间分辨率，低成本和高便捷等优点而被广泛应用，在当前BCI控制系统中广泛使用的EEG范式包括事件相关电位(Event related potential,ERP)，稳态视觉诱发电位(Steady-state visually evoked potential,SSVEP)和运动想象(Motor imagery,MI)；与其它范式相比，MI因无需外界的刺激信号，更贴近自然，更具实用性等优点得到关注。它通过对四肢或身体不同部位的运动想象引起大脑皮层相关区域活动的变化。例如，当想象左手或右手运动时，大脑对侧的运动感知区域代谢和血流变强，出现alpha和Beta频段信号的振幅降低的情况，即出现事件相关去同步(Event related desynchronization,ERD)现象；大脑同侧的运动感知区域呈静息或惰性状态，出现alpha和Beta频段信号的振幅增加的情况，即出现事件相关同步(Event related synchronization,ERS)现象。根据这一规律，可以通过对想象不同的肢体运动所得到的EEG信号进行分类从而产生不同的控制命令。

由于EEG是一种非平稳，低幅值，低信噪比的生物电信号，并且运动想象系统的稳定性较差，易受干扰，特征不明显，给正确识别运动想象意图带来很大挑战，因此采用恰当的方法来提取有效的特征在EEG的识别中显得尤为关键。CSP作为一种空间滤波方法，在基于MI的BCI系统研究中被广泛使用，但因为其具有对噪声高度敏感和泛化能力低的缺点，研究者提出了许多改进的CSP方法。为了去除通道之间的冗余信息和噪声干扰，提出了基于通道选择的CSP改进方法，比如通过时域特征和相关系数进行通道选择的滤波器组共空间模式方法(Channel selection for Filter-Bank-CSP,SFBCSP)，基于多频带的滤波器排序进行通道选择的共空间模式方法(CSP-Rank channel selection for multifrequencyband,CSP-R-MF)和基于皮尔逊相关系数进行通道选择的正则化共空间模式方法(Correlation based channel selection for Regularized CSP,CCS-RCSP)。这些方法在通道选择后的滤波中对所选择的通道进行了相同的频带划分与选择，未针对不同个体的不同通道选择最佳频带。但是不同的个体进行运动想象时，ERD/ERS现象较为明显的最佳频带往往是不尽相同的，即使同一个体，不同通道的最佳频带也未必相同。又如TANG提出了一种利用巴氏距离分别选择每个通道最佳频带的共空间模式方法(Bhattacharyya distance-based frequency selection for CSP,B-CSP)。但是这个方法的频带选择是对所有通道进行的，未针对不同的个体进行通道选择，仍然存在通道间的冗余信息和噪声影响分类性能。