[发明专利]一种运动想象脑电信号的特征提取方法

说明书

技术领域

本发明属于脑电信号处理技术领域，具体涉及脑-机接口(Brain-Computer Interface,BCI)系统中对运动想象脑电信号特征的提取方法，采用经验模态分解和共同空间模式相结合的方法对运动想象脑电信号进行特征提取。

背景技术

人口老龄化以及交通事故造成了大量脊髓病变或损伤的患者，其大脑的动作指令无法通过正常的体内通路传达到肌肉，从而丧失了肢体的运动能力。由于现代医学的进步，这些患者可以继续在轮椅和床上生存很长时间，但失去工作能力，生活难以自理，不仅患者十分痛苦，也给家人和社会带来负担。

BCI建立了人与计算机之间的一个交流和控制通道，是一种通过脑电信号实现人脑与计算机或其他电子设备间通讯和控制的系统，它不依赖外周神经和肌肉组织等这些常用的大脑输出通道。通过脑-机接口技术可以帮助脊髓受损的患者，实现对外部环境和设备的控制，提高生活自理能力。

BCI系统结构如图1所示，其基本过程为：脑电采集装置首先从大脑采集脑电信号并转换成数字信号，然后经过信号处理和模式识别模块对信号依次进行预处理、特征提取和模式分类，最后通过控制器输出控制信号，驱动外部装置做相应的动作。

临床医学研究表明，当人在做单侧肢体运动想象时，对侧大脑皮层相应区域的μ节律(8-12Hz)和β节律(18-23Hz)的振幅会较未做运动前有明显减小，这种现象称为事件相关去同步(event-related desynchronizations,ERD)；与此同时，同侧大脑皮层相应区域的μ节律和β节律的振幅会较未做运动前有明显增大，称为事件相关同步(event-related synchronizations,ERS)。脑电的这种节律性差异，可用于实现BCI技术。

共同空间模式(Common Spatial Pattern,CSP)方法被认为是提取运动想象脑电信号特征最为有效的方法之一。CSP算法利用代数上矩阵同时对角化的理论，寻找一组空间滤波器，使得在这组滤波器的作用下，一类信号的方差达到极大，另一类信号的方差达到极小，从而达到提取特征的目的。但是CSP算法存在两方面的不足：第一，CSP算法对大量电极的脑电信号效果显著，这限制了其在便携式BCI系统中的应用；第二，在执行运动想象任务时，每个受试者发生ERS/ERD的频段具有个体差异性，而CSP算法在提取脑电特征时，没有考虑受试者的个体差异性及脑电信号的频率特性，因此会造成分类准确率不高。

发明内容

针对现有CSP方法两方面的不足，本发明提出了一种基于经验模态分解(Empirical Mode Decomposition,EMD)与共同空间模式的运动想象脑电信号特征提取的方法，即EMD-CSP方法。此方法只需较少的电极就可以进行脑电信号的特征提取，并且可以根据每个人脑电信号的特点，将信号自适应地分解成多个固有模态函数(Intrinsic mode function,IMF)信号，从而较大程度地提高了脑电信号的分类准确率。

本发明采用的技术方案为：首先，将采集到的脑电信号进行预处理，然后对每导信号进行EMD，得到多阶的IMF信号，接着选取相同个数的IMF信号构成新的信号，通过CSP获得空间滤波器，提取出脑电信号的特征，将其输入到分类器中进行分类，并根据分类准确率选取EMD和CSP中参数的最优值，最终提取出最优参数下的脑电特征。

本发明方法的具体实现过程如下：

步骤1，信号采集及预处理。

首先通过脑电采集装置采集n导脑电信号，并将采集到的信号通过有限脉冲响应(Finite Impulse Response,FIR)滤波器进行8-30Hz带通滤波，滤波后信号为x(t)＝[x₁(t),x₂(t),…,x_n(t)]∈R^N×n。其中N为样本点总数，n为脑电导联数目，x_i(t)为第i导滤波后的脑电信号，i＝1,2,…,n，t＝{1,2,…,N}。

步骤2，对步骤1得到的脑电信号x_i(t)(i＝1,2…,n)进行经验模态分解。

步骤2.1，确定x_i(t)的所有极值点，采用三次样条法对极大值点和极小值点进行拟合，得到上包络线e_imax(t)和下包络线e_imin(t)。

步骤2.2，计算上、下包络线的平均值，公式如下：