[发明专利]基于不同表情驱动的脑电信号辨识方法

权利要求书

1.一种基于不同表情驱动的脑电信号辨识方法，其特征在于，包括下述步骤：

第一步，建立基于不同面部表情驱动脑电信号产生机理的模型，具体方法如下：

(1)建立大脑皮层两个独立皮质区域：前额叶皮质区S1与边缘系统皮质区S2，每个独立皮质区均进行两类电位的转换后输出脑电信号，其中，一类将输入的突触前膜动作电位脉冲密度转换为平均突触后膜电位；另一类将平均突触后膜电位转换为大脑皮层输出的脑电信号；各皮质区分别由多个兴奋性神经细胞单元与抑制性神经细胞单元构成，每个细胞单元将突触前膜动作电位的平均脉冲密度转换为平均突触后膜电位，单个兴奋性神经细胞单元与抑制性神经细胞单元的冲击响应函数表达式为：

he(t)=u(t)Heτete-t/τe---(1)]]>

hi(t)=u(t)Hiτite-t/τi---(2)]]>

式中，u(t)为Heaviside函数，t为表情驱动下兴奋性神经细胞单元与抑制性神经细胞单元的响应时间，H_e为兴奋性神经元突触增益，H_i为抑制性神经元突触增益，τ_e为兴奋性神经细胞单元延时常数，τ_i为抑制性神经细胞单元延时常数；

(2)静态非线性函数S(v)将兴奋性神经细胞单元与抑制性神经细胞单元产生的触突平均后膜电位转换为经表情驱动控制下产生的动作电位的平均脉冲密度，其数学式为：

S(v)=2e0/(1+er(v0-v)),---(3)]]>

式中，2e₀为动作电位最大发放率，v₀为相对于发放率e₀的突触后膜电位，r为s(v)函数的弯曲程度，v为突触前膜动作电位；

(3)S(v)得到的动作电位的平均脉冲密度分别接受各自皮质区内部兴奋性、抑制性神经细胞单元的反馈，并根据不同细胞单元所包含的触突个数以及相互之间的关联常数的反馈作用，最终得到独立皮质区域S1、S2的输出的脑电信号，单皮质区的数学模型的微分方程表示如下：

y·0(t)=y3(t)y·3(t)=HeτeS(y1(t)-y2(t))-2τey3(t)-1τe2y0(t)y·1(t)=y4(t)y·4(t)=Heτe{p(t)+C2S(C1y0(t))}-2τey4(t)-1τe2y1(t)y·2(t)=y5(t)y·5(t)=Hiτi{C4S(C3y0(t))}-2τi2y2(t)---(4)]]>

式中，C1，C2，为兴奋性神经细胞单元平均突触连接数；C3，C4为抑制性神经细胞单元平均突触连接数，求解方程组，得到独立皮质区域输出脑电信号y(t)为：

y(t)＝y₁(t)-y₂(t) (5)

式中，y1(t)为经由兴奋性神经细胞单元转换后得到的平均突触后膜电位，y2(t)为经由抑制性的细胞单元反馈得到的平均突触后膜电位，通过设定不同的参数H_e，H_i，τ_e,τ_i，分别建立前额叶皮质区域与边缘系统皮质区域的脑电信号产生模型；

(4)设定S1区，S2区的兴奋性、抑制性细胞子群均由N个兴奋性神经细胞单元与N个抑制性神经细胞单元构成，分别代表脑电信号的多个频段脑电信号，其相互之间关系由权重系数ω决定,权重系数ω的取值表示为：

W={ωii}∈[0,1],Σi=1Nωji=1]]>

基于面部表情控制下S1区、S2区之间的相互作用由耦合强度q、区域均值脑电信号RM(y)以及其他大脑皮层区域脑电信号相互作用p(t)构成，由此得到非耦合作用下前额叶皮质区S1，边缘系统区S2产生的脑电信号，其表达式为：

y(t)ji=Σi=1Nωjiy(t)1i-Σi=1Nωjiy(t)2i---(6)]]>

(5)依据式(4)、式(5)、式(6)，建立面部表情控制下前额叶皮质区S1与边缘系统区S2耦合作用下产生的脑电信号，设定区域间的相互作用由耦合强度q,区域输出均值脑电信号RM(X)决定，其计算式为：

RM(y(t))=y(t)-Σn=1Nyn(t)N---(7)]]>

式中，y(t)为步骤(3)建模得到脑电信号，y_n(t)为不同时刻所对应的脑电信号瞬态值则，根据式(7)得到S1区、S2区相互作用传递函数数学表达式为：

Gj=qj·RM(S(Σj=12Kij))---(8)]]>

式中，S()为步骤(2)所建立的静态非线性函数；i＝1,2,3分别代表皮质区域脑电信号的高频段、低频段、中频段；j＝1,2代表两个不同皮质区域，其它大脑皮层区域脑电信号相互作用p(t)以输入形式参与，由此得到相互耦合作用下的皮质区表脑电信号达式：

y·0ji=y3jiy·1ji=y4jiy·2ji=y5jiy·3ji(t)=Heiτei·S(Σi=13ωjiy2ji-Σi=13ωjiy2ji)-2y3jiτei-y0ji(τei)2y·4ji=Heiτei·[pj(t)+C2S(C1Σi=13ωjiy0ji)+Gij]-2y4jiτei-y1ji(τei)2y·5ji=Hiiτii·C4S(C2Σi=13ωjiy0ji)-2y5jiτii-y2ji(τii)2---(9)]]>

式中，每个区的兴奋和抑制性增益系数H_e,i和延时常数τ_e,i相同，通过调整权重系数矩阵W_ji与耦合强度q，模拟得到不同表情驱动下的脑电信号；

(6)对建模得到的脑电信号进行快速傅里叶变换，求其对数频带能量E_i，其数学表达式为：

Ei=Σk=115log2xk2---(10)]]>

式中x_k代表经傅里叶变换后各频段的能量值，并计算每个频带能量在总能量中的比值：

ηi=EiΣi=13Ei---(11)]]>

最后，参照真实脑电信号的频谱特性，确定基于不同面部表情控制下脑电信号的特征值位于Alpha波段与theta波段；

第二步，用第一步建立的模型输出脑电信号特征对基于不同面部表情驱动的实时脑电信号进行分类。

2.如权利要求1所述的基于不同表情驱动的脑电信号辨识方法，其特征在于，所述用第一步建立的模型输出脑电信号特征对基于不同面部表情驱动的实时脑电信号进行分类包括下述步骤：

(1)为受试者佩戴便携化多通道脑电检测单元与信号处理单元，脑电检测单元中所有电极均处于国际10-20系统的标准位置，并采集前额皮质区FC5、FC6通道与边缘系统皮质区F7、F8通道的脑电信号；

(2)信号检测单元同步采集到位于前额叶皮层的FC5、FC6和位于边缘系统的F7、F8位置脑电信号后，进行2～40Hz的带通滤波，然后通过无线通信模块传给信号处理单元，该单元将采集到的不同面部表情驱动下的脑电信号进行离线分析，得到与各种不同面部表情驱动下脑电信号相对应的样本信号；

(3)利用第一步(6)的结果采用小波变换模均值法提取样本信号特征值，受试者随机动作一种面部表情，信号处理单元首先提取四通道的Alpha波段与theta波段的相应该表情的脑电信号；并对Alpha波与theta波进行小波变换模均值计算，得到多维特征向量，进行归一化处理后，得到样本特征矩阵T_k；

(4)将不同样本的T_k同时输入BP神经网络分类器进行训练；

(5)样本训练完成后，返回步骤(2)，进行在线目标识别,信号处理单元提取Alpha波段与theta波段脑电信号，并对Alpha波段与theta波段进行小波变换模均值计算，得到多维特征向量X_k，X_k进行归一化后，输入BP神经网络，根据(4)的训练结果与所提取的脑电特征信号进行在线表情分类。