[发明专利]一种基于稳态视觉诱发电位脑电信号的通道选择方法

说明书

本发明公开了一种基于稳态视觉诱发电位脑电信号的通道选择方法，包括如下步骤：S1、使用脑电采集设备采集稳态视觉诱发电位脑电信号并制作数据集；S2、将数据集中的脑电信号进行预处理；S3、针对预处理后的每组新脑电信号分别进行任务相关成分分析，得到各trial下对应通道的相关系数；S4、根据相关系数选取通道。通过空间滤波的方式抑制每个通道内的自发脑电活动，最大化通道内的任务相关成分；空间滤波后由计算得出的每个通道内对应的相关系数即可确定哪些通道可以更为明显地诱发出SSVEP响应；进而降低特征数据的维度，尽可能的减少通道数，简化了计算难度，提高系统效率和系统识别的性能，使得脑电信号识别系统更加普遍性。

技术领域

本发明涉及脑电信号技术领域，具体指一种基于稳态视觉诱发电位脑电信号的通道选择方法。

背景技术

脑机接口(brain-computer interface,BCI)是一种不需要依赖大脑外周神经与肌肉，直接由脑电信号实现大脑与外部设备控制的系统。在脑机接口系统中，基于稳态视觉诱发电位(steady-state visual evoked potential,SSVEP)BCI系统具有信噪比高、信息传输率高、不需要训练等特点，在BCI领域得到广泛应用。稳态视觉诱发电位是指当人持续注视某一固定频率闪烁的视觉刺激时，大脑皮层会在刺激频率或谐波频率处产生明显的电位变化。SSVEP的视觉刺激频率范围一般介于4到50Hz之间，分为低频段(4-15Hz)、中频段(15-30Hz)和高频段(30-50Hz)，响应幅值的全局最大值大约在10Hz出现，目前大多数系统所采用的视觉刺激主要集中在中低频段。

任务相关成分分析(task-related component analysis,TRCA)最早应用于近红外光谱(near-infrared spectroscopy,NIRS)的识别上，通过最大化每个任务中神经影像数据的复现性，从而提取任务相关成分。在脑电信号识别方面，TRCA的应用也十分广泛，特别针对锁时(time-locked)信号，该方法可以最大化多个试次之间的可再现性，提高信噪比(signal-noise ratio,SNR)，抑制自发脑电信号。

然而，目前关于SSVEP识别算法的研究中，大多数研究者在选择通道数据时并没有进行通道选择操作或者给出选择的理由。而脑电信号识别存在数据量大、成本高、数据冗余和实时性低等特性，并且不同的脑电来源表现的特征均不相同。因此，若没有进行通道选择或给出选择的理由，从而导致特征数据的维度较高，计算难度非常大，不仅工作效率非常低，并且系统识别的性能也受到一定的限制。

发明内容

针对目前SSVEP识别中缺乏对选择数据通道的研究这一问题，本发明通过将任务相关成分分析的核心思想引入通道选择中，提出了一种新的基于SSVEP的通道选择方法。该方法通过对每个通道的信号进行空间滤波，以获得可以反应通道内任务相关成分的相关系数，并用二维可视化的方式阐明了所选择通道具有的生理学意义。

为了解决上述技术问题，本发明的技术方案为：

一种基于稳态视觉诱发电位脑电信号的通道选择方法，包括如下步骤：

S1、使用脑电采集设备采集稳态视觉诱发电位脑电信号并制作数据集；

S2、将数据集中的脑电信号进行预处理

S2-1、将采集的64通道脑电数据滤去噪音；

S2-2、将滤去噪音后的每段单一trial、连续的脑电信号切分为同等数据长度的一组新的信号；

S3、针对预处理后的每组新脑电信号分别进行任务相关成分分析，得到各trial下对应通道的相关系数；

S4、根据相关系数选取通道。

作为优选，所述步骤S2-1中，通过带通滤波滤去基线漂移和刺激频率外频段的噪音，得到每段数据长度为5.0s的信号。