[发明专利]一种基于独立分量分析的脑机接口导联优化方法

说明书

本发明公开了一种基于独立分量分析的脑机接口导联优化方法。该方法包括以下步骤：构建基于单次试验样本设计的ICA‑MIBCI系统，用于从EEG训练集中选择高质量的单次试验数据，以保证后续ICA‑MIBCI系统设计的可靠行。在此基础上，采用一种新的EEG导联优化策略，以自动实现对不同BCI使用者的EEG导联优化。本发明应用于ICA‑MIBCI系统实现，不仅能快速准确地完成基于特定人的EEG导联选择，缓解低质量训练数据对MIBCI性能的影响。同时，能更好地发挥ICA空域滤波方法在真实EEG源获取和定位、模型迁移以及训练数据采集等方面的优势，进而可有效改善ICA‑MIBCI系统的稳定性和实用性。

技术领域

本发明涉及脑机接口(BCI)技术领域，尤其涉及一种基于独立分量分析的脑机接口导联优化方法。

背景技术

脑机接口技术(Brain-Computer Interface)可以为思维功能正常但是运动功能障碍的人群提供与外部设备直接交流的通道，而不依赖于脑的正常输出通道(外周神经与肌肉)。其中基于运动想象的脑机接口技术(Motor Imagery Brain-Computer Interface，MIBCI)得到了广泛的应用。根据神经电生理知识，当进行单边肢体运动或者运动想象时，将会使肢体对侧运动皮层区域脑电信号(Electroencephalogram，EEG)的μ节律(8～12Hz)和β(18～26Hz)节律的频谱震荡幅度减小，使得同侧脑运动皮层区域EEG信号的μ节律和β节律的频谱出现明显的波幅增大。这一现象称为事件相关去同步(ERD)和事件相关同步(ERS)。根据ERD/ERS现象对应的特征，MIBCI系统通过在头皮放置电极，采集受试者在运动想象时产生的脑电信号并对运动想象类型进行分类，生成控制命令，实现对外部设备的控制。近年来独立分量分析(ICA)和共同空间模式(CSP)等空域滤波方法在MIBCI领域受到了广泛的关注。ICA是伴随盲源分离问题发展起来的基于高阶统计特性的信号处理方法。图1为ICA基本生成模型。相比于CSP-MIBCI，ICA-MIBCI具有较好的模型迁移性、真实EEG源获取和定位、训练数据采集过程相对简单等优点。

由于个体差异性，MIBCI系统首先要选择合适的导联数和导联安放位置。对于不同受试者，尽管各功能脑区的大致位置不会有太大出入，但是由于每个人的头型，脑解剖结构以及电极帽的不同，使得实际上对于每一个受试者还是会有适合他自己的最佳导联安放位置。值得一提的是，即使是同一位受试者，由于每次实验环境(电极的连接阻抗，运动想象投入程度，精神状态等)的改变，使得最优导联安放位置也会发生改变。其中，ICA-MIBCI对导联位置的选择尤为敏感。如果没有选择合适的导联，会对系统性能造成很大的影响。

目前针对ICA-MIBCI系统的导联优化并没有引起科研工作者的广泛关注，而针对CSP-MIBCI的导联优化则相对比较多。这类方法通过剔除噪声导联和不相关导联来提高信噪比，以提高系统性能。但是实际采集到的脑电信号非常微弱，信噪比低且往往被多种伪迹或噪声干扰，如肌电，眼电，工频干扰等。CSP算法对这些干扰极其敏感，使得系统性能不稳定。除了CSP外，一些优化算法也被应于到MIBCI系统的导联优化，如遗传算法，二进制引力搜索算法等。但是这类算法计算复杂度很高，计算时间长，对处理器的计算性能要求很高。

综上所述，目前针对ICA-MIBCI导联优化方法较少，而针对其他MIBCI系统的导联优化的方法存在算法不稳定，复杂度高，时间长等问题，需要改进。

发明内容

本发明要解决的技术问题是提供一种基于独立分量分析的脑机接口导联优化方法。

为了解决上述技术问题，本发明采用的技术方案是，一种基于独立分量分析的脑机接口导联优化方法，包括以下步骤：

一、对以下术语进行定义：

单次试验：单次试验是为单次运动想象脑电信号数据采集所设计的实验时间范式，试验时长为10s，相邻单次试验的时间间隔为2-3s；