[发明专利]想象单侧肢体运动的脑电特征的提取方法

说明书

技术领域

本发明涉及脑-机接口(brain-computer interface，BCI)系统中想象动作电位的提取方法。

背景技术

目前，有多种疾病可以损伤脑与外部环境进行交流和控制的神经肌肉通路，如脑瘫多发性硬化和肌萎缩性脊髓侧索硬化(Amyotrophic LateralSclerosis，ALS)等。这些疾病会使人部分或全部失去自主的肌肉控制。现代的生命支持技术可以使延长患者生命时间，但患者的生活质量低下，给家庭和社会造成的负担也十分沉重。

随着计算机技术的进步和脑功能研究的不断深入，人们开始尝试建立一种全新的、不依赖于肌肉的交流和控制通路，在脑和外部世界之间传递信息和命令，这就是所谓的脑-计算机接口(Brain-Computer Interface，BCI)，简称脑机接口。

BCI系统结构图如图1所示。

脑电采集装置首先从大脑皮层采集脑电信号，其次经过信号预处理部分进行滤波，而后经过模式识别方法将脑电信号进行分类，得到控制信号，最终利用这些控制信号通过程序实现对外设的控制。

根据临床电生理学的研究成果，不同的肢体部位运动所激活的大脑皮层区域也各不相同。单侧的肢体运动或想象运动主要激活感觉运动皮层，大脑对侧产生事件相关去同步电位(event-related desynchronization，ERD)，同侧产生事件相关同步电位(event-related synchronization，ERS)。ERD是指当某一皮层区域活跃起来时，特定频率的节律性活动表现出幅度的降低，ERS是指当某一活动在一定时刻没有使相关皮层区域明显地活跃起来，特定频率就表现出幅度升高。因此，通过分析的脑电信号模式及其分布特征，可以预测出想要发生动作的部位(例如是手部或者足部)。

图2为2003年BCI竞赛中由GRAZ大学提供的脑电数据进行经过8-30HZ滤波，并平均140次实验数据后所得的功率图。图中第3秒开始想象单侧脑电运动。在第3秒后，C3，C4两个电极信号功率明显的变化印证了ERD和ERS这一生理特征。基于此生理特征基础之上进行的。

目前，空间滤波特征(common spacial pattern，CSP)算法与支持向量机(SVM)相结合是脑机接口技术采取的特征提取和分类方法之一。但是存在支持向量机输入维数较高，分类器推广能力差的问题。

另外单纯采用线性判别分析(FDA)分类器，简单、容易实现、需要的计算量和存储量小，它假定判别函数g(x)是输入特征向量x的线性函数。然而，由于EEG的非线性，得到的特征向量很难具有线性可分性，因此线性分类法在分类自发EEG信号时，必然会导致识别率低。

发明内容

将数据按照不同的频率分成多个子频带，对每个不同的子频带再进行CSP算法转换并结合线性判别分析(FDA)进行特征提取。分类器采用支持向量机。

CSP方法结合FDA线性变换能够降低输入特征矢量的维数，避免了维数灾难问题，有利于推广分类器的使用，在脑机接口技术领域的中提高识别准确率，显示了一定的优势。

本发明采取的技术方案是：电极的放置遵循国际10-20系统，总共电极数为16个，采样频率为128Hz。电极帽采集脑电信号EEG，脑电信号经过脑电放大器放大及A/D转换，由USB口输入计算机中，并以信号电压幅值形式在存储器中存储。利用计算机实现CSP算法，FDA线性变换结合支持向量机对脑电信号进行分类

想象试验次数为m(m∈(180，240))次，任意取其中次(左右手试验次数各为)为训练数集，剩下的次(左右手试验次数随机)为测试数集。本申请的特征包括：

(1)脑电信号的时域频域滤波

1)设计48阶、12采样点的FIR滤波器对存储器中脑电信号数据进行0-3Hz低频带滤波，设置想象动作发生前W(W∈(300，600))ms时间窗，对训练集次经过频域、时域滤波后的数据取均值设为data1，为CSP左右手动作空间滤波器的构造做准备。