[发明专利]一种运动想象脑电波解析方法

说明书

技术领域

本发明涉及一种运动想象脑电波解析方法，属于生物医学技术领域。

背景技术

基于运动想象(Motor imagery，MI)脑电的BCI是一类非常重要的BCI，该类BCI可直接由脑信号重建运动控制，可以战略性地用于军事目的，也可为严重运动残疾人和正常人提供辅助控制，从而改善他们的生活质量。脑电信号的相关研究已广泛用于神经科学、认知科学、认知心理学和心理生理等，最近几十年，脑电信号已用于新型人机接口--脑机交互，该研究成为国际重大前沿研究热点。

虽然如此，目前，基于运动想象的BCI正面临巨大的挑战，其中挑战之一是工程实现时脑电信号的处理问题，主要是脑电信号的信噪比低，空间分辨率低，伪迹很强。因此，本发明结合一种新的基于运动参数想象脑电范式的BCI，研究其中脑电信号处理的问题。

其次，脑电信号存在非平稳性且包括大量的噪声，现有的脑电信号消噪算法不能很好消除脑电信号中的噪声，从而影响后继的脑电信号处理和分析；识别效果不佳，识别率不高，而且现有的脑电信号消噪算法大多不是自适应的，其缺点是：运算量大、算法收敛慢、信号的分离精度(即稳态性能)差，并且针对不同的被试，都要相应的调整算法中的参数，受参数影响非常大，很不实用。

综上所述，针对现有的脑电信号消噪算法存在的缺点，本发明设计的基于运动想象脑电波的解析方法，能获取信噪比相对高，相对干净的脑电信号，很大程度上提高了分类准确率，可以为推动该类BCI系统走向实际运用打下坚实的基础。因此，具有潜在的实用价值和经济意义。

发明内容

本发明提供了一种运动想象脑电波解析方法，以用于解决现有识别方法识别效果不佳、识别率不高、以及没有自适应功能的问题；本方法能获取信噪比相对高，相对干净的脑电信号，很大程度上提高了分类准确率，为BCI系统中运动想象脑电信号特征提取和分类提供了新的思路。

本发明运动想象脑电波解析方法是这样实现的：首先将采集到的想象左右手运动的脑电信号利用自适应陷波算法剔除线电干扰，然后将得到的信号利用自适应阈值剔除算法丢弃污染严重的脑电片段，接着利用四阶巴特沃兹高通滤波器去除基线漂移，再采用自动独立分量分析算法自动剔除眼电、肌电伪迹成分和非运动参数想象相关神经信号伪迹，此时即可得到干净的脑信号，利用共同空间模式对干净的脑信号进行特征提取，并得到特征提取之后得到的脑电特征向量；通过支持向量机对脑电特征向量进行分类，最终识别出脑电信号相对应的不同含义。

所述运动想象脑电波解析方法的具体步骤如下：

Step1、首先将采集到的想象左右手运动的脑电信号X(t)利用自适应陷波算法剔除50Hz工频干扰得到信号X(t)₁；

Step2、将剔除工频干扰的信号X(t)₁利用自适应阈值剔除算法丢弃污染严重的脑电片段，得到信号X(t)₂；

其中，信号X(t)₁的幅值超过±100μV时，信号X(t)₁看作噪声，那么直接把信号X(t)₁剔除；

Step3、接着利用四阶巴特沃兹高通滤波器对信号X(t)₂去除基线漂移，得到信号X(t)₃；

Step4、再采用自动独立分量分析算法ICA自动剔除眼电、肌电伪迹成分和非运动参数想象相关神经信号伪迹；此时即可得到干净的脑信号Y(t)；

Step5、利用共同空间模式CSP对脑信号Y(t)进行特征提取，并得到特征提取之后得到的脑电特征向量M_k；

Step6、通过支持向量机对脑电特征向量M_k进行模式分类，最终识别出脑电信号相对应的不同含义。

所述步骤Step6中，支持向量机利用核函数参数k和误差惩罚因子c对脑电特征向量M_k进行分类，核函数参数k和误差惩罚因子c的最佳取值分别为1.2982和0.4851。

所述步骤Step3中，采用的四阶巴特沃兹高通滤波器通带截止频率为0.5Hz和30Hz。

本发明的有益效果是：

(1)本发明设计的脑电波解析方法能够很好的去除心电、眼电、肌电等干扰信号，提高信噪比，增强空间分辨率，得到干净的脑电信号。并且本方法中采用的自适应陷波算法、自适应阈值剔除算法、自动独立分量分析算法的实时性好，符合在线BCI系统的需求；