[发明专利]基于快速序列视觉呈现脑机接口的时空混合CSP-PCA目标检测方法

说明书

本发明提出了一种基于快速序列视觉呈现脑机接口的时空混合CSP‑PCA目标检测方法，其步骤包括：(1)对原始脑电信号预处理；(2)使用时空混合CSP‑PCA方法提取特征；(3)将特征输入到LDA分类器中得到目标类或非目标类的二元判决值。

技术领域

本发明涉及信号与信息处理和神经生物学交叉领域，特别是涉及基于快速序列视觉呈现的脑电图(electroencephalogram,EEG)。它提出一种基于快速序列视觉呈现脑机接口(Rapid Serial Visual Presentation-Brain Computer Interface,RSVP-BCI)的时空混合CSP-PCA目标检测方法。

背景技术

目标检测技术在生活中的应用非常广泛，小到社区摄像头画面监控人员，大到利用无人车进行环境侦查都需要反应迅速、检测精准的目标检测技术。目前基于深度学习的目标检测技术在检测精度以及检测速度上都有了很大的提高，但是其算法复杂度较高、计算量较大，无法满足目标检测实时性的要求；面对复杂的环境、突发状况等情况缺乏良好的判别能力。人脑依靠人类视觉快速有效的收集对环境信息的感知，并在较短的时间内准确灵活的对异常、突发等状况完成识别和反应，因此充分发挥人脑在目标检测中的作用能够增强目标检测系统的灵活性和准确性。

快速序列视觉呈现(Rapid Serial Visual Presentation，RSVP)以较高的图片呈现率将环境信息呈现给被试，再通过脑电信号解码技术对大脑信号进行实时解码，能在较短的时间内准确的对目标完成反应。快速序列视觉呈现脑机接口(Rapid Serial VisualPresentation-Brain Computer Interface,RSVP-BCI)是目前基于人脑对目标进行早期发现任务中常用的技术，也是一种基于事件相关电位特征的脑机接口，事件相关电位的时间分辨率几乎都在毫秒级，这使得它能够代表大脑状态的实时响应。但在单试次实验的基础上准确解码大脑活动十分困难，原因如下：(1)事件相关电位特征的幅值和时延在不同试次之间具有高变异性；(2)目标图像之间间隔短造成特征重叠；(3)信噪比低。综上，单试次实验中检测普遍存在检测精度不高的问题。传统的检测方法为了克服信噪比较低的缺点，通常的分析方法都要进行平均操作，使得无法在单次实验中做到，电极上的平均会忽略脑电的空域信息。其他的研究方法是通过计算特定频段内的功率来鉴别大脑的振荡活动。都是用到的是传统概念，如平均、过滤和单变量假设检验等，并没有完整考虑脑电数据的时空结构。

为解决上述问题，本发明提出一种基于快速序列视觉呈现脑机接口的时空混合CSP-PCA目标检测方法，即STHCP(Spatial-Temporal Hybrid CSP-PCA，STHCP)，充分考虑大脑活动的时空模式，分别在时域和空域采用主成分分析(Principal Component Analysis,PCA)和共空间模式(Common spatial pattern，CSP)对脑电信号进行特征提取，能最大化信噪比。STHCP通过时域空域两次特征提取最大化目标类与非目标类之间的判别距离，并有效降低特征维数，为利用RSVP-BCI技术进行快速高效的目标检测提供了新方法。

发明内容

本发明提出的基于快速序列视觉呈现脑机接口的时空混合CSP-PCA目标检测方法的基本流程如图1所示，基本方案如下：

S1.预处理，将刺激前100ms和刺激后400ms的数据分割后作为一个处理单元；将刺激前100ms的脑电数据作为基线，把刺激后的电位与基线相减得到基线校正后的脑电数据，消除脑电信号的偏离。

S2.时空混合特征提取，在空域上采用共空间模式对数据进行空域滤波，该算法能够使一个类别的数据方差最大，同时使另一个类别的方差最小。在时域上使用主成分分析进行时域降维，构造一个新的坐标系，将原坐标系向新坐标系投影，提取出最优的K个主成分。

S3.分类，将特征输入到LDA(Linear Discriminant Analysis，LDA)分类器中得到目标类或非目标类的二元判决值。