[发明专利]基于非线性网络信息图的运动想象脑机接口

说明书

本申请公开了一种基于非线性网络信息图的运动想象脑机接口，该运动想象脑机接口包括采集模块，配置用于采集大脑活动产生的多通道脑电信号；特征提取模块，配置用于构建多通道脑电信号的非线性信息图，并提取非线性信息图中的网络特征；分类模块，配置用于对网络特征进行分类。本申请实施例采用多通道运动想象脑电信号进行建模，并且综合了不同脑区间的非线性因果信息，由此提升了运动想象脑电分类辨识的准确度。

技术领域

本发明一般涉及医疗器械技术领域，具体涉及一种基于非线性网络信息图的运动想象脑机接口。

背景技术

BCI(Brain Computer Interface，脑机接口)技术是在人的大脑与外部设备之间建立直接连接通路，用于控制该外部设备的运行。在运动想象脑电信号的特征提取过程中，通常的方法是采用单通道脑电信号数据进行处理。

然而，在实现本发明的过程中，发明人发现根据单通道脑电信号数据所获得的关于网络结构的隐含信息不充分，这会造成分类准确率低，进而影响对外部设备的控制。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种基于非线性网络信息图的运动想象脑机接口，采用多通道运动想象脑电信号进行建模，并且综合不同脑区间的非线性因果信息，能够提升运动想象脑电分类辨识的准确度。

本申请提供一种基于非线性网络信息图的运动想象脑机接口，所述运动想象脑机接口包括：

采集模块，配置用于采集大脑活动产生的多通道脑电信号；

特征提取模块，配置用于构建所述多通道脑电信号的非线性信息图，并提取所述非线性信息图中的网络特征；

分类模块，配置用于对所述网络特征进行分类。

可选地，所述非线性信息图中各个神经元之间的输入输出转换函数为：

式(1)～(2)中，s_j表示神经元j电位的累加值，q表示层序号，w_ji表示输入层与隐层之间的权值，n_q表示隐层q神经元的节点数量，x_i表示输入矢量，θ_j表示阈值，f(·)表示激活函数。

可选地，所述网络特征包括不同脑电信号之间的连接矩阵和连接强度。

可选地，所述特征提取模块还配置用于对所述多通道脑电信号进行预处理，以保留所述多通道脑电信号中的有用信息和去除噪声。

可选地，所述预处理包括滤波和去伪迹。

可选地，所述分类模块还配置用于根据预设递归策略，筛选所述网络特征。

可选地，所述预设递归策略包括每次剔除预定比例的所述网络特征，或者逐级减小特征数目序列中的任意一种。

可选地，当经过筛选的所述网络特征的维数大于预设维数时，通过主成分分析进行维数压缩。

可选地，所述分类模块为支持向量机。

可选地，所述运动想象脑机接口还包括控制设备模块，配置用于将经过分类的所述网络特征转换为外部设备的控制指令，并输出。

综上，本申请实施例提供的基于非线性网络信息图的运动想象脑机接口，该运动想象脑机接口包括采集模块，配置用于采集大脑活动产生的多通道脑电信号；特征提取模块，配置用于构建多通道脑电信号的非线性信息图，并提取非线性信息图中的网络特征；分类模块，配置用于对网络特征进行分类。本申请实施例采用多通道运动想象脑电信号进行建模，并且综合了不同脑区间的非线性因果信息，由此提升了运动想象脑电分类辨识的准确度。

附图说明