[发明专利]一种用于脑电模式识别的复合空间滤波与模板匹配方法

说明书

本发明公开了一种用于脑电模式识别的复合空间滤波与模板匹配方法，所述方法基于任务相关成分分析与判别空间模式分析，对脑电信号进行空间滤波，且通过模板匹配实现对大脑活动不同模式的有效识别，所述方法包括以下步骤：利用预处理后的脑电数据构建任务相关成分空间滤波器，预处理后的脑电数据经过第一次空间滤波后用于构建判别空间模式滤波器；滤波后的数据经过第二次空间滤波后构建模板数据，测试数据经过两次空间滤波与模板数据进行匹配分析，最后进行决策分类。本发明复合了TRCA和DSP两类空间滤波方法，并对脑电信号进行空间滤波，通过模板匹配可实现对大脑活动不同模式的有效识别。

技术领域

本发明涉及脑电模式识别领域，尤其涉及一种用于脑电模式识别的复合空间滤波与模板匹配方法。

背景技术

脑电(Electroencephalography，EEG)反映了大脑神经元的生物电活动。通过检测EEG模式可用于控制脑-机接口(Brain-Computer Interface，BCI)输出。BCI是一个将中枢神经系统活动直接转化为人工输出的系统，它能够替代、修复、增强、补充或者改善中枢神经系统的正常输出，从而改善中枢神经系统与内外环境之间的交互作用。基于EEG检测的BCI系统可用于康复训练、智能假肢和机械外骨骼控制等多种场合，因而得到研究者们的广泛关注。

研究表明，脑电振荡模式与大脑认知活动密切相关。头皮脑电信号可以看作是大脑中不同的源产生的信号在头皮的叠加。然而，由于脑电信号的空间分辨率低，常用的方法为叠加平均，提高信噪比。但是，叠加平均的方法需要使用者多次执行同一任务后输出一个结果，时间成本较高。单试次的任务相关EEG波形特征很难有效提取。

发明内容

本发明提供了一种用于脑电模式识别的复合空间滤波与模板匹配方法，本发明旨在利用基于任务相关成分分析(Task-related component analysis,TRCA)与判别空间模式分析(Discriminative Spatial Pattern,DSP)的复合空间滤波方法提高脑电信号信噪比，与传统方法相比，可提高EEG模式识别效率，进一步的研究可为BCI的发展开辟新的发展方向，有望获得可观的社会效益和经济效益，详见下文描述：

一种用于脑电模式识别的复合空间滤波与模板匹配方法，所述方法基于任务相关成分分析与判别空间模式分析，对脑电信号进行空间滤波，且通过模板匹配实现对大脑活动不同模式的有效识别，所述方法包括以下步骤：

利用预处理后的脑电数据构建任务相关成分空间滤波器，预处理后的脑电数据经过第一次空间滤波后用于构建判别空间模式滤波器；

滤波后的数据经过第二次空间滤波后构建模板数据，测试数据经过两次空间滤波与模板数据进行匹配分析，最后进行决策分类。

所述利用预处理后的脑电数据构建任务相关成分空间滤波器具体为：

训练集通过计算得到任务相关成分分析滤波器：

共得到n个子滤波器；其中N_c表示滤波器的维度，N_t表示截取信号长度；

对子滤波器降维对训练样本的模板信号及测试数据经过子空间滤波后，得到以及

其中，N′_c为降维后滤波器的维度，由经验确定，为模板信号的转置，为降维后的第i类TRCA滤波器；R为实数集。

所述预处理后的脑电数据经过第一次空间滤波后用于构建判别空间模式滤波器具体为：

两类新训练数据通过计算后得到DSP滤波器：

且j≠i，其中U_i,j表示第i类训练数据和第j类数据通过计算后得到的DSP滤波器；

对每两类训练集计算DSP滤波器，则得到个子滤波器；