[发明专利]一种基于独立分量分析的脑机接口导联优化方法

摘要

本发明公开了一种基于独立分量分析的脑机接口导联优化方法。该方法包括以下步骤：构建基于单次试验样本设计的ICA‑MIBCI系统，用于从EEG训练集中选择高质量的单次试验数据，以保证后续ICA‑MIBCI系统设计的可靠行。在此基础上，采用一种新的EEG导联优化策略，以自动实现对不同BCI使用者的EEG导联优化。本发明应用于ICA‑MIBCI系统实现，不仅能快速准确地完成基于特定人的EEG导联选择，缓解低质量训练数据对MIBCI性能的影响。同时，能更好地发挥ICA空域滤波方法在真实EEG源获取和定位、模型迁移以及训练数据采集等方面的优势，进而可有效改善ICA‑MIBCI系统的稳定性和实用性。

主权项

1.一种基于独立分量分析的脑机接口导联优化方法，包括以下步骤：一、对以下术语进行定义：单次试验：所述单次试验是为单次运动想象脑电信号数据采集所设计的实验时间范式，试验时长为10s，相邻单次试验的时间间隔为2‑3s；单次试验样本：即单次试验采集的脑电信号数据x，其数据格式为n×T矩阵，n为EEG导联数，T为单次试验所采集的EEG数据样本长度；数据集：所述数据集为包括L个单次试验样本的脑电信号数据集；训练数据集和测试数据集：所述训练数据集为高质量训练数据选择阶段采用的数据集；所述测试数据集为最优导联组合选择阶段采用的数据集；初始导联组合和候选导联组合：所述初始导联组合为靠近大脑运动皮层的导联组合；所述初始导联组合采用的电极为初始电极，且某个初始电极的前后电极即分别为候选电极；由某初始电极的候选电极替代该初始电极而产生新的各电极互不相同的导联组合为候选导联组合；二、高质量训练数据选择阶段(1)基于所设计的单次试验，进行n＝26导联脑电信号采集工作，得到由L个单次试验样本构成的一组数据集作为训练数据集；并采用截止频率为8～30Hz的FIR带通滤波器对采集到的脑电信号进行带通滤波预处理；(2)选择一组初始导联组合；基于该初始导联组合，从含有L个单次试验样本的训练数据集xi，i＝1，…，L中选择一个单次试验样本xi设计ICA空域滤波器Wi，然后用Wi对同一训练数据集中所有L个单次试验样本进行空域滤波，得到L个输出{ui＝WiTxi，i＝1，…，L}，并从ui中提取三个运动相关独立分量ur，uf，ul，再对其进行特征提取和零训练分类；全部L个单次试验样本分类完毕，给出用单次试验样本xi设计的ICA‑MIBCI系统识别率；所述零训练分类按公式(1)进行分类：在公式(1)中，ur，ul，uf分别对应于右手，左手和脚运动相关独立分量，min()求最小值，val()求方差，C＝1，2，3分别表示左手，右手和脚运动想象；(3)重复步骤(2)，直至训练数据集中的所有单次试验样本都进行ICA滤波器设计并且得到相应的ICA‑MIBCI系统识别率；(4)依据识别率从高到低的选择原则，选择对应前10个具有最高ICA‑MIBCI系统识别率的单次试验样本，并将其拼接为一长训练数据，该长训练数据为最优导联组合选择阶段用于ICA滤波器计算的高质量训练数据；三、最优导联组合选择阶段(5)基于所设计的单次试验，进行n＝26导联脑电信号采集工作，得到由L个单次试验样本构成的一组数据集作为测试数据集；并采用截止频率为8～30Hz的FIR带通滤波器对采集到的脑电信号进行带通滤波预处理；(6)基于高质量训练数据选择阶段中采用的初始导联组合，得到该初始导联组合的所有M个候选导联组合；(7)从所有候选导联组合中选择一个待分析的候选导联组合Chj，j＝1，…，M，利用步骤(4)得到的高质量训练数据设计ICA滤波器Wj，然后用Wj对测试数据集中所有L个单次实验样本进行空域滤波，得到L个输出ui，ui＝WjTxi，i＝1，…，L；(8)从ui中提取三个运动相关独立分量ur，uf，ul，再对其进行特征提取和按公式(1)进行零训练分类；全部L个单次样本分类完毕，给出用该候选导联组合Chj设计的ICA‑MIBCI系统识别率；(9)重复步骤(7)～(8)，得到另一个候选导联组合的ICA‑MIBCI系统识别率；(10)重复步骤(9)，直至得到所有的候选导联组合的ICA‑MIBCI系统识别率；(11)选出其中ICA‑MIBCI系统识别率最高的候选导联组合，即为最优导联组合。