[发明专利]利用EEG‑NIRS融合特征的动作意向分类方法

说明书

技术领域

本发明属于EEG和NIRS脑机接口技术领域，具体地说，涉及利用EEG-NIRS融合特征的动作意向分类方法。

背景技术

人类的大脑是历经了长时间的进化而具备意识和思维的组织器官，它是中枢神经系统极其重要的组成部分，主要包含左半脑和右半脑。人在进行运动任务的时候，大脑的运动区域会被激活。这类激活的具体表现为：区域的新陈代谢与血液流量增加，与此同时，特定频带的EEG信号幅度降低，此即事件相关去同步化现象。而随后EEG信号幅度增加，此即事件相关同步化现象。

NIRS脑成像技术近些年来广受人们关注。在大脑进行认知活动时，激活脑区中血流的含氧量会大幅度提高，氧化血红蛋白(oxygenated hemoglobin，HbO)浓度增加，脱氧血红蛋白(deoxygenated hemoglobin，HbR)浓度降低。NIRS基于HbO与HbR对于近红外光谱波段吸收能力的差异，通过大脑吸收、发出的红外光的差异呈现人脑的认知活动。

然而，基于单模态EEG或NIRS的动作意向分类存在如下问题：分类速度与分类准确率有待提升；系统的适应性和可靠性有待提高。EEG和NIRS均具有成本相对低廉、装置轻便的优势，EEG呈现的神经元电信号与NIRS呈现的血氧信号可通过同时含有电极与光极的实验帽进行采集，电极与光极在信号检测过程中可避免互相影响；EEG的高时间分辨率和NIRS较高的空间分辨率形成信息的互相补充。因此，有必要发明利用EEG-NIRS融合特征的分类方法以提高动作意向分类的性能。

发明内容

本发明要解决的技术问题是：为了克服现有技术中存在的不足，本发明提供一种基于EEG-NIRS特征层数据融合的动作意向分类方法，有效地提高动作意向的识别率。

本发明解决其技术问题的解决方案是：利用EEG-NIRS融合特征的动作意向分类方法，包括以下步骤：步骤一、对采集到的脑电(electroencephalo-graphy，EEG)信号做预处理；步骤二、对采集到的近红外光谱(near-infrared spectroscopy，NIRS)信号做预处理；步骤三、对EEG信号提取特征；步骤四、对NIRS信号提取特征；步骤五、将步骤三和步骤四得到的特征分别作归一化处理，再进行特征融合；步骤六、采用模式分类算法对融合后的特征进行分类。

具体的，所述步骤一的具体方法是：利用独立成分分析(independent component analysis，ICA)算法对动作意向脑电数据去除眼电干扰；ICA滤波对原始数据作独立成分分解，获取原始信号中的独立脑电成分和各个干扰伪迹成分，保留独立脑电成分，置零干扰信号成分，进而进行ICA逆变换，获取重新构建的脑电信号。

具体的，所述步骤二的具体方法是：对NIRS信号做0.02Hz-0.1Hz的带通滤波，去除噪声。

具体的，所述步骤三的具体方法是：对EEG信号提取共同空间模式(common spatial pattern，CSP)特征，CSP算法旨在找到一组空间滤波向量，使得投影后的一类信号的方差达到最小，同时另一类信号的方差达到最大。

具体的，所述步骤四的具体方法是：利用NIRS信号幅度绝对值的平均值作为特征。

具体的，所述步骤五的具体方法是：由将步骤三和步骤四得到的特征作归一化处理，使得均值为0、方差为1；将归一化后的特征串联即为融合特征。

具体的，所述步骤六的具体方法是：采用线性判别分析(linear discriminant analysis，LDA)对融合后的特征进行分类。

本发明的有益效果是：本发明将两种单模态的EEG和NIRS特征分别进行归一化，进而串联成一个融合特征，将EEG和NIRS包含的信息有效结合。与现有技术相比，本发明中提出的方法有如下优势：结合运动意向分类问题，充分利用EEG的高时间分辨率和NIRS较高的空间分辨率，特征简单有效，形成信息的互相补充，提高分类的性能。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单说明。显然，所描述的附图只是本发明的一部分实施例，而不是全部实施例，本领域的技术人员在不付出创造性劳动的前提下，还可以根据这些附图获得其他设计方案和附图。

图1为本发明的流程图；

图2为实验环境；

图3为实验范式；

图4为刺激材料；

图5为64通道EEG电极帽的电极排列图；

图6为NIRS通道排列图；