[发明专利]一种基于PF系数的多模态BCI特征提取方法

说明书

本发明公开了一种基于PF系数的多模态BCI特征提取方法，本发明本文首先选取合理的时间窗数据进行PF系数通道选择；将表征信号间相关性的Person系数与表征特征间可分性的Fisher值相结合，构建代表任务区分性的PF系数，并设置合理阈值对通道进行选择。然后提取EEG中的共空间模式特征和fNIRS中的统计特征。最后通过收缩线性判别分析SLDA分类器进行分类。本发明选出来的块能有效地避免不同个体以及不同通道间的差异性，且通道分布合理，数量适中，一定程度上提高了多模态BCI系统的分类性能，为脑电‑近红外信号的特征提取提供了新的思路。

技术领域

本发明属于模式识别领域，提出一种基于PF(Person-Fisher,PF)系数的通道选择方法。用于基于心理计数BCI系统的任务分类。通过将表征信号间相关性的Person系数与表征特征间可分性的Fisher值相结合，构建代表任务区分性的PF系数，并设置合理阈值对通道进行选择。减少了通道间的冗余信息，然后提取EEG中的共空间模式(Common spacepattern,CSP)特征和fNIRS中的统计特征。最后通过收缩线性判别分析(Shrinking lineardiscriminant analysis,SLDA)分类器进行分类。

背景技术

脑机接口(Brain-computer interface,BCI)提供了人类中枢神经系统与计算机之间的直接通信渠道。这意味着，在不使用肢体，声音或任何需要肌肉活动的动作的情况下，BCI可以分析与预期动作相关的大脑感应信号，从而生成控制外部设备的命令。BCI系统中，常见的信号采集成像方式包括脑电图(Electroencephalogram,EEG)，皮层区脑电图(Electrocardiogram,ECoG)，功能性近红外光谱(Functional near-infraredspectroscopy,fNIRS)，功能磁共振成像(Functional magnetic resonance imaging,fMRI)和脑磁图(Magnetoencephalography,MEG)等。其中EEG是一种生物电成像方法，利用头皮电极来测量由大脑皮层神经元的电活动引起的电压波动。EEG具有较高的时间分辨率，频域特点突出，便捷安全等特点。由于电极测量大脑表面的电活动，难以确定EEG信号是在表面附近还是在更深的区域产生的。因此导致EEG空间分辨率相对较低并且容易受到来自肌电和眼电的干扰。导致EEG获得的分类精度遭受严重损害，并且导致错误分类的产生。

fNIRS是一种光学成像方法，可评估大脑中的血液动力学活动。fNIRS可测量脱氧血红蛋白(Deoxyhemoglobin,HbR)和氧合血红蛋白(Oxyhemoglobin,HbO)的浓度变化。fNIRS具有相对高的空间分辨率、便携、便宜、抗运动干扰等特点。但是由于血氧浓度反应迟缓，因此导致fNIRS的时间分辨率很低。EEG与fNIRS都用于多种BCI系统中，以检测例如运动想象，心理算术(Mental Arithmetic,MA)和n-back任务这些源自认知和心理任务的大脑活动变化。由于每种神经影像学方法都有其特定的局限性。在过去的几年中，研究人员一直在努力提高信息传输率并克服单模态系统的局限性，从而形成了多模态系统，称为多模态BCI。