[发明专利]想象单侧肢体运动的脑电特征的提取方法

摘要

本发明涉及脑－机接口装置中想象单侧肢体运动的脑电特征的提取方法。CSP空间滤波方法的排除相同任务成分提取不同任务成分的性质决定了它对想象单侧肢体运动脑电特征的分类更有针对性，同时CSP算法与FDA特征提取相结合，降低了输入矢量的维数，提高了分类器的推广性，在一定程度上提高分类准确率。使用Fisher判别分析(FDA)将10维输入向量v₁，v₂(v₁为4维，v₂为6维)降为两个1维输入向量f₁，f₂，再经过支持向量机的分类，不但提高了分类准确率。也避免了由于为数过高带来的维数灾难问题，有利于分类器的推广。

主权项

1.想象单侧肢体运动的脑电信号的提取方法，想象左右手运动试验次数为m次，任意取其中次为训练数集，其中左右手试验次数各为次，剩下的次为测试数集；采集到的脑电信号再经过脑电放大器放大及A/D转换，由USB口输入计算机中，并以信号电压幅值形式在存储器中存储；其特征在于，所述的m的取值为180～240；该方法是按以下步骤实现的：(1)脑电信号的时域频域滤波1)设计48阶、12采样点的FIR滤波器对存储器中脑电信号数据进行0-3Hz低频带滤波，设置想象动作发生前W(W∈(300，600))ms时间窗，对训练集次经过频域、时域滤波后的数据取均值设为data1，为CSP左右手动作空间滤波器的构造做准备。2)设计48阶、512采样点的FIR滤波器对存储器中的m次试验的脑电信号数据分别进行8-30Hz带通滤波，对每次试验数据都设置想象动作发生后1-2s时间段的时间窗，对每次试验的脑电信号的时间窗内的数据段的所有数据分别取平方值，并设置200ms滑动时间窗，即每次移动一个采样点，得到m次试验的参数时程变化；在m次时程变化后的数据中取训练集部分(次)，经过频域、时域滤波后，取该次实验数据算术均值设为data2；(2)对特征矢量v₁、v₂降维利用共同空间滤波(CSP)方法对data1数据段提取4维特征矢量v₁，对data2数据段提取6维特征矢量v₂。其中v₁＝[v_1a¹v_1b¹v_1a²v_1b²]^Tv₂＝[v_2a¹v_2b²v_2a²v_2b²v_2a³v_2b³]^T，v₁，v₂由CSP空间滤波器滤波后求得。利用Fisher判别分析(Fisher discriminant analysis，FDA)对特征矢量v₁，v₂分别降维至1维矢量f₁，f₂：1)对特征f₁的Fisher准则为：G(w1)=w1Tsb1w1w1Tsw1w1]]>w₁代表了投影方向，s_b1为左右手动作类间离散度矩阵，s_w1为总类内离散度。当G(w₁)取极大值时的w₁^*，就是将要采用的4维的v₁空间到一维f₁空间的方向。设m₂₂为[v_1a¹ v_1a²]^T所有列向量e_i，i∈{1...N}的均值向量，N为所选择的连接大脑的脑电通道的数目，[v_1a¹ v_1a²]^T代表了左手模型的特征向量，由CSP算法求解得出。设m₁₂为[v_1b¹ v_1b²]^T所有列向量e_j，j∈{1...N}的均值向量，N为所选择的连接大脑的脑电通道的数目，[v_1b¹ v_1b²]^T代表了右手模型的特征向量，由CSP算法求解得出。取sw1=Σi=1N(ei-m11)(ei-m11)T+Σj=1N(ej-m12)(ej-m12)T]]>则由w₁^*＝s_w1^-1(m₁₁-m₁₂)即可求得w₁^*的取值。由f₁＝w₁^*Tv₁即可把4维样本v₁投影到1维空间f₁。2)对特征f₂的Fisher准则为：G(w2)=w2Tsb2w2w2Tsw2w2,]]>w₂代表了投影方向，s_b2为左右手动作类间离散度矩阵，s_w2为总类内离散度。当G(w₂)取极大值时的w₂^*，也就是将要采用的6维v₂空间到一维f₂空间的方向。设m₂₁为[v_2a¹ v_2a² v_2a³]^T所有列向量e_i，i∈{1...N}的均值向量，N为所选择的连接大脑的脑电通道的数目，[v_2a¹ v_2a² v_2a³]^T代表了左手模型的特征向量，由CSP算法求解得出。m₂₂为[v_2b¹ v_2b² v_2b³]^T所有列向量e_j，j∈{1...N}的均值向量，N为所选择的连接大脑的脑电通道的数目，[v_2b¹ v_2b² v_2b³]^T代表了右手模型的特征向量，由CSP算法求解得出。取sw2=Σi=1N(ei-m21)(ei-m21)T+Σj=1N(ej-m22)(ej-m22)T]]>则由w_*²＝s_w2^-1(m₂₁-m₂₂)即可求得w^*₂的取值，即6维空间v₂到1维空间f₂的最好方向。由f₂＝w₂^*Tv₂即可把6维样本v₂投影到1维空间f₂。