[发明专利]一种基于PF系数的多模态BCI特征提取方法

权利要求书

1.一种基于PF系数的多模态BCI特征提取方法，其特征在于，该方法具体包括以下步骤：

步骤(1)：脑电-近红外信号采集与预处理；

首先采集受试者的脑电-近红外心理算数任务脑电信号；接着利用带通滤波器针对每个通道的脑电信号进行4-35Hz带通滤波；然后截取合适的时间窗；

步骤(2)：分别对EEG与fNIRS构建用于通道选择的PF系数，并根据PF系数设置合理阈值选出通道组合；

EEG与fNIRS通道选择具体步骤详见表1，2；

表1 EEG通道选择步骤表

表2 fNIRS通道选择步骤表

步骤(3)：对通道选择后的EEG与fNIRS信号进行特征提取，其中EEG信号提取CSP空域特征向量，fNIRS信号提取平均值和峰值两种统计特征；

步骤(4)：对EEG与fNIRS特征进行归一化，并进入SLDA进行分类。

2.根据权力要求1所述的一种基于PF系数的多模态BCI特征提取方法，其特征在于：所述的步骤(3)中EEG信号提取CSP空域特征向量，具体为：

记X₁和X₂为两类运动想象任务下的信号矩阵，构造空间滤波器；首先求信号矩阵协方差，并归一化，得到：

其中，trace(·)为矩阵的迹，然后求出混合空间的协方差矩阵R，并进行特征值分解：

其中，为两类任务实验的协方差矩阵，i＝1,2，U为矩阵R的特征向量，Λ为对应的特征值矩阵；进一步求出白化矩阵P：

接着对R₁与R₂做白化处理以及主成分分解：

则矩阵S₁与矩阵S₂的特征向量相等，即B₁＝B₂，且Λ₁+Λ₂＝I，其中，I为单位矩阵；两类矩阵的特征值之和为1，因此当一类的特征值最大时另一类最小，从而可以实现区分的作用；构造空间滤波器W：

W＝B^TP (7)

将上述原始运动想象信号矩阵X经W滤波，得到特征矩阵Z：

Z＝WX (8)

接着取其前m个和后m个特征值构成空间滤波信号Z_p，p＝1,…,2m，求取空域特征向量：

其中为空间滤波信号Z_p的第j₀行信号。

3.根据权力要求1所述的一种基于PF系数的多模态BCI特征提取方法，其特征在于：所述的对EEG与fNIRS特征进行归一化；具体为：

其中x∈R_n表示原始特征值，x'表示介于0和1之间的重新缩放特征值。