[发明专利]一种脑电信号识别方法和系统

说明书

本发明涉及一种脑电信号识别方法和系统。所述脑电信号识别方法在对脑电数据进行预处理之后，分别利用典型相关分析(CCA)算法和直接传递函数(DTF)算法对脑电信号进行处理，得到两类不同的特征信号(第一特征信号和第二特征信号)，对两类不同的特征信号进行特征融合得到融合信号后，采用SVM分类器根据融合信号精确得到脑电识别准确率，进而解决脑机接口性能低下的问题。

技术领域

本发明涉及信号处理技术领域，特别是涉及一种脑电信号识别方法和系统。

背景技术

林忠林将典型相关分析(canonical correlation analysis，CCA)应用于稳态视觉诱发电位(steady-state visual evoked potentials，SSVEP)的频率成分分析。该方法的实质是提取脑电稳态视觉诱发电位的一个窄带频率分量。提出了一种基于提取频率特征的脑机接口识别方法。该方法的识别率高于基于快速傅立叶变换(fast Fouriertransform，FFT)的谱估计方法。Elisavet、Chatzilari等人提出了CCA结合支持向量机(Support Vector Machine，SVM)的一系列方法将CCA通常使用的“最大”分类器替换为基于SVM的分类器，该分类器对CCA产生的相关权重进行操作。提出的方法受益于CCA固有的多通道性质以及SVM的鲁棒性和泛化能力。

上述两种方法的缺陷为：基于典型相关分析的稳态视觉诱发电位脑机接口(brain—computerinterf，BCI)算法是一种无监督学习的算法，对于典型相关分析的研究取得了相对满意的结果，但是该算法在短时间内(2秒)对于目标的识别正确率较低，无法适应短时间的作业需求。典型相关分析结合支持向量机(SVM)的算法把典型相关分析的系数作为特征进行提取并分类，是无监督学习到有监督学习的转换。但是该算法只考虑到了脑电通道的固有特征，对于之后支持向量机的要求较高，没有考虑到各个通道之间的因果特性。

闫铮、高小榕等人研究了稳态视觉诱发电位的功能连接性。将定向传递函数(Directed Transfer Function，DTF)应用于脑电记录的皮层信号(EEG)以获得连通模式。提出了流量增益评估的具体作用以及参与信息传递过程的大脑区域。发现网络连接存在枕部以外的许多区域。8–12Hz和13–30Hz的流量增益图显示顶叶区域似乎是信息传递的唯一枢纽。低频区的流量增益较大。该方法的缺陷在于：在这项研究虽然将功能连通性引入到稳态视觉诱发电位中，首次探索稳态视觉诱发电位过程中大脑信息的交换与处理的过程，但是该研究没有把各个通道的因果连接性放入到目标频率的辨识中，无法进一步提升脑机接口的性能。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种脑电信号识别方法和系统。

为实现上述目的，本发明提供了如下方案：

一种脑电信号识别方法，包括：

获取脑电数据；

对所述脑电数据进行预处理得到预处理脑电信号；

采用相关分析法提取所述预处理脑电信号的特征，得到第一特征信号；

采用定向传递函数提取所述预处理脑电信号的特征，得到第二特征信号；

对所述第一特征信号和所述第二特征信号进行特征融合得到融合信号；

采用SVM分类器根据所述融合信号得到识别结果；所述识别结果为脑电识别准确率。

优选地，所述对所述脑电数据进行预处理得到预处理脑电信号，具体包括：

采用数字带通滤波器对所述脑电数据进行去噪处理得到去噪信号；

采用独立成分分析法对所述去噪信号进行处理得到提取信号；所述提取信号即为预处理脑电信号。