[发明专利]一种基于多通道频率特征定制的左右手运动想象脑电信号分类方法

权利要求书

1.一种基于多通道频率特征定制的左右手运动想象脑电信号分类方法，其特征在于：该方法包括以下几个步骤：

步骤1：采集用户的脑电信号；

步骤2：对采集数据进行预处理，即FIR滤波和独立成分分析(ICA)；

步骤3：对步骤2中得到的去噪数据根据同步信号的标记点分割出运动想象开始前2s至想象任务结束后2s时间内的数据段epochs，并提取出位于大脑运动感觉区的FC、C和CP三组电极通道的epoch数据，每组数据都包括10-20电极分布系统中的左右两个电极(FC1和FC2、C3和C4、CP1和CP2)和中心电极Cz；使用Multitaper算法对三组数据计算PSD，这里使用的Multitaper算法其实是Morlet小波与倍数DPSS(Discrete Prolate Spheroidal)Multitaper窗相结合的；

步骤4：对步骤3中得到的三张FOI-epoch时频二维特征平面，将每组通道数据的特征分为面积为1Hz×0.125s的2112个bins，共6336个bins；每一个bin的特征分别输入SVM分类器中进行训练，并使用5×5fold cross-validation验证每个bin特征的分类AUC得分；这里，SVM核函数为径向基函数RBF，n_features表示特征数量，当采样频率sfreq＝1000Hz时，n_features＝125，惩罚因子C设定为15；由此得到三组通道数据在FOI-epoch特征平面的SVM分类得分分布Feature Scores，其维度为(3×33×64)；

步骤5：对步骤4中得到的三组通道数据FOI-epoch特征平面的SVM分类得分FeatureScores设定阈值threshold_scores＝0.75，筛选出每组通道数据大于阈值的通道频率特征，组成定制通道频率特征向量Z₀,并标记定制的通道特征频率f_o；令定制通道频率特征Z₀为输入，以RBF为核函数的SVM的参数(C,gamma)作为调参对象，选择在5×5fold cross-validation中AUC得分最高的一组参数(C_o,gamma_o)，并将此时训练的SVM模型作为在线识别的分类器；

步骤6：离线训练模型用于在线识别，即实时采集用户脑电数据，依次进行预处理、提取定制通道频率f_o的数据并计算通道频率特征Z、输入SVM模型进行识别，最终得到识别结果反馈给用户。

2.根据权利要求1所述的基于多通道频率特征定制的左右手运动想象脑电信号分类方法，其特征在于：所述步骤1采集用户的脑电信号；具体如下：

步骤1.1：开启脑电数据采集设备，将电脑USB接口连接数据采集设备的Digital口，打开电脑实验范式程序(即实验引导GUI)；程序运行过程中，电脑通过USB接口发送两种串口信号给数据采集设备，标记两种想象状态的触发时间点；

步骤1.2：用户正确佩戴上符合10-20电极分布系统的脑电帽，并在电极腔中注射导电膏，使得电极导通；在用户手腕、眼眶上下分别贴上电极片，作为参考电极记录伪迹信号；

步骤1.3：采集实验中，用户须端正地坐在扶手靠椅上，身体放松，双手自然搭在扶手上方，掌心向上；实验过程中须注视距离其头部约40-60cm远的显示屏，按照屏幕指令操作；当用户准备好时，即可开始实验；一轮(Run)实验包含40次想象尝试(Trials)，每次尝试包含1个手部运动想象任务，左/右手握拳运动想象任务各20个，出现次序随机；执行运动想象任务之前，屏幕上呈现3s“十”字提示用户集中注意力；之后屏幕上显示1s“准备”并伴有“滴”提示音；提示音停止随即开始4s的运动想象任务，此时屏幕的提示为“十”字上添加向左或向右的箭头，表示受试者进行左/右手运动想象任务；运动想象任务结束之后是1.5s的休息时间；在进行下一次尝试之前，还有小于1s的随机时间间隙；离线训练需要每位用户完成3轮数据采集，共120个trials。