[发明专利]基于有效时间序列和电极重组的脑电信号分类系统和方法

说明书

技术领域

本发明涉及一种脑电信号的处理和分析方法，特别是涉及一种基于有效时间序列和电极重组的脑电信号分类系统和方法。

背景技术

在当今这个人际关系日益紧密的社会，正确地识别他人的表情有重要的生存意义。这不仅可以使人们及时调节自己的行为来适应环境，而且还能有效地避免不必要的危险，有利于社会交往和环境适应。同时，对正常人的研究也可为临床诊断和治疗提供参考，用于预防和治疗工作。目前，人脸表情识别技术主要的应用领域包括人机交互、安全、机器人制造、医疗、通信和汽车领域等。

在有关表情识别的文献中，主要通过图像表情识别和语音信号分析来判断表情，但这些表情评估的传统方法具有主观性，很容易被他人所否认。然而另一种可用的表情识别办法是生理脑电信号分析，它是一个更直观、有效的表情识别手段，因为表情状态本来就是由神经系统的活动来反映的。

发明内容

本发明的目的在于针对表情刺激产生的脑电信号，提出一种基于有效时间序列和电极重组的脑电信号分类系统和方法。以避免特征的主观性，通过采用并行计算策略提高执行效率。

本发明是采用以下技术手段实现的：

一种基于有效时间序列和电极重组的脑电信号分类系统，包括：脑电信号采集模块、脑电信号预处理模块、脑电信号特征选择模块、脑电信号表情分类实施模块。

脑电信号信息采集模块，采集被试在高兴、中性和悲伤的不同表情刺激下的原始脑电信号，并将采集到的脑电信号传递给脑电信号预处理模块；脑电信号预处理模块将采集到的原始脑电信号进行去噪(噪声包括水平眼电和垂直眼电)，之后将纯净的脑电信号转换成全局场强送入脑电特征选择模块；脑电信号特征选择模块，通过全局场强脑电信号的峰值特征确定脑电信号的有效时间区域，在对有效时间区域上的脑电信号进行电极重组，将重组后的脑电信号降维后视为脑电信号表情识别的最终特征，并将此特征传送到脑电信号表情分类实施模块；脑电信号表情分类实施模块用经典分类算法(Fisher分类器)进行脑电信号分类。

一种基于有效时间序列和电极重组的脑电信号分类方法，包括以下步骤：

步骤1，受试者带上电极帽，原始脑电信号是通过66导国际脑电图学会标定的10/20法的EEG放大器进行采集，并选取所有电极位置，采集不同表情刺激过程的受试者脑电信号；

步骤2，将采集到的脑电信号输入到预处理模块，预处理模块主要对采集到的脑电信号进行去噪，并得到脑电信号的全场强，脑电信号的全场强即为所有电极信号的叠加平均值；

步骤3，通过特征提取模块对脑电信号全场强的分析，确定脑电信号特征选择的有效时间区域；

步骤4，由于不同电极产生的脑电信号具有不同的生理学意义，因此通过特征提取模块对特征选择的脑电信号进行电极重组；

步骤5，为了降低脑电信号的冗余信息，对步骤4所得到的重组后的脑电信号通过主成分分析(PCA)方法进行降维；

步骤6，对特征提取模块提取后的脑电信号使用脑电信号表情分类实施模块中的线性判别函数分类器(Fisher)进行分类学习与测试；

测试表情识别时，通过脑电信号采集模块，采集待测被试的脑电信号，将脑电信号送入脑电信号预处理模块，去除噪声后，再根据脑电信号特征提取模块计算生成被试对应的特征向量，然后将这一特征向量送入脑电信号表情分类实施模块，最后得到表情刺激的脑电信号分类结果。

脑电信号的有效时间区域的选择，根据全局场强的峰值和高能量值来确定的有效时间区域；电极重组的过程是在有效时间区域的基础上，对不同电极进行重新组合的过程；脑电信号表情分类的过程是在并行的基础上，对选择的脑电信号特征进行分类。

本发明一种基于有效时间序列和电极重组的脑电信号分类系统和方法，与现有技术相比具有以下优点：

1、与传统方法相比，本发明利用生理脑电信号，避免了特征的主观性。

2、本发明在步骤(3)中根据脑电信号的全场强进行特征选择是一种合理且有效的新方法。

3、本发明在步骤(5)中所使用的主成分分析方法是统计学习中的经典方法，在许多数值计算平台中能够找到比较成熟的实现算法。

4、本发明的主要计算量集中在步骤(6)，由于在步骤(4)会产生多种电极组合，因此步骤(6)要对每种组合下的脑电特征进行分类器训练和评价，因此可以采用并行计算策略来提高执行效率。

附图说明

图1是本发明所涉及方法全过程的流程图与系统模块划分情况；

图2是本发明所涉及采集脑电信号的实验设计流程图；