[发明专利]一种基于TRCA-WPTD的aVEPs脑电识别方法

说明书

本发明公开了一种基于TRCA‑WPTD的aVEPs脑电识别方法，包括以下阶段：训练阶段：对训练数据通过不同阈值设置方式的WPTD算法分别进行滤波；分别计算滤波后训练数据的SNR和RMSE参数，选择SNR值最高且RMSE值最低的数据进行数据梳理；计算广义右特征向量矩阵W；对数据进行降维，得出模板矩阵Temp；测试阶段：对测试数据进行数据筛选，与广义右特征向量矩阵W和模板矩阵Temp计算相关系数矩阵r。解码阶段：对测试阶段得出的相关系数矩阵r进行解码并生成预测编码矩阵，与实际编码矩阵比对，输出识别结果。本发明通过WPTD算法进行滤波，提高aVEPs脑电的信噪比，降低均方根误差，通过TRCA算法进行模板匹配进行识别，提高基于aVEPs脑电的字符识别准确率和识别速度。

技术领域

本发明涉及基于事件相关电位(Event-Related Potential，ERP)的脑电识别领域，尤其涉及一种基于TRCA-WPTD的aVEPs脑电识别方法，是一种基于任务相关成分分析(Task-relevant Component Analysis，TRCA)结合小波包阈值去噪(Wavelet PacketThreshold Denoising，WTD)算法对非对称视觉诱发电位(asymmetric Visual EvokedPotentials，aVEPs)进行识别的方法。

背景技术

随着基于计算机的生物通讯技术的不断进步，脑机接口技术作为其中重要组成部分得以发展并被逐步临床应用。在脑机接口技术的研究中，基于ERP脑电识别技术发展较为稳定且应用广泛，尤其是基于P300电位的ERP脑电最为普及，如：基于P300脑电的字符拼写系统，基于P300结合快速序列视觉呈现(Rapid Serial Visual Presentation，RSVP)的目标检测系统，等。目前，常用矩阵闪烁范式和RSVP范式来诱发P300脑电，但是这两种范式都需要受试者注视闪烁的屏幕，且所产生的刺激出现在受试者的中央视野，极容易导致视觉疲劳，所以有学者提出一种利用人脑对刺激响应的空间对侧占优特性，通过码分多址和空分多址进行编码诱发aVEPs脑电的新方法进行字符识别。现有用于处理aVEPs脑电的方法采用传统的典型相关分析(Canonical Correlation Analysis，CCA)计算相关系数和线性判别分析(Linear Discriminant Analysis，LDA)输出分类结果，对aVEPs脑电的平均识别率(Recognition Rate，RR)不高，且信息传输率(Information Transfer Rate，ITR)较慢，将aVEPs脑电实际应用于生活中还需要进一步提高RR和ITR。

发明内容

本发明的目的是为了克服以上已有技术的不足，提供一种基于TRCA-WPTD的aVEPs脑电识别方法，通过WPTD算法进行滤波，提高aVEPs脑电的信噪比(Signal-to-NoiseRatio，SNR)，降低均方根误差(Root Mean Square Error，RMSE)，通过TRCA算法进行模板匹配进行识别，提高基于aVEPs脑电的字符识别准确率和识别速度。

为了实现上述目的，本发明的技术解决方案是：

一种基于TRCA-WPTD的aVEPs脑电识别方法，所述方法包括以下3个阶段：

(1)训练阶段

导入预处理过的用于训练的aVEPs脑电数据TrainData1，通过8种不同阈值设置方式的WPTD算法分别进行滤波；生成8种滤波后的TrainData2，对每种TrainData2计算SNR和RMSE参数，选择SNR值最高且RMSE值最低的TrainData2进行数据梳理，生成TrainData3；通过TRCA算法计算出广义右特征向量矩阵W；基于矩阵W对TrainData3进行降维，得出模板矩阵Temp。

(2)测试阶段