[發明專利]基于非線性動力學的運動想象腦電信號特征提取方法

有效

• 申請號: 201210434254.5
• 申請日: 2012-10-19
• 公開（公告）號: CN102940490A
• 公開（公告）日: 2013-02-27
• 發明（設計）人: 劉鵬;何嘉全;朱孟波;趙瑞霞;胡凱;朱振營;秦偉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: A61B5/0476
• 分類號: A61B5/0476;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

技術領域

本發明屬于信息技術領域，更一步涉及在生命科學領域中應用腦-機接口(Brain-Computer?Interface，BCI)系統的基于非線性動力學的運動想象腦電信號特征提取方法。本發明用于對運動想象腦電信號特征的提取，通過分類器對特征進行分類，實現單側手指運動想象的判別，最終可應用于輪椅、鼠標等運動想象BCI在線系統，從而提高有缺陷人士與外界的交流能力。

背景技術

在準備和執行單側手指運動想象時，人們大腦皮層的功能性連接發生改變，從而導致其對側大腦運動感覺區mu和beta節律的腦電信號能量減弱，而其同側大腦運動感覺區mu和beta節律的腦電信號能量增強。這種想象單側手指運動時特定腦區特定頻率腦電信號的能量變化，被稱為事件相關去同步現象。該現象是判別左右手指運動想象腦電信號最根本的特征。因此，通過受試者運動想象時腦電信號的分析，判別受試者運動想象的方向，從而實現對外界裝置的控制。

北京工業大學擁有的專利技術“想象單側肢體運動的腦電特征的提取方法”(申請號200810056839.1，申請目2008.01.25，授權號CN101219048B，授權日2010.06.23)中提出一種想象單側肢體運動的腦電特征的提取方法。該專利技術將共同空間模式(Common?Spatial?Pattern，CSP)方法和線性判別分析(FDA)相結合，降低了輸入矢量的維數，提高了分類器的推廣性，在一定程度上提高了分類正確率。共同空間模式方法對于信噪比高的運動想象腦電信號的分類雖然能獲得很好的正確率，但是該專利技術仍然存在的不足是，在實際應用中，通常不具備實驗室較為理想的數據采集環境，所以實際應用采集的運動想象腦電信號往往與實驗室采集的數據相比包含大量噪聲，信噪比低。用共同空間模式方法分析處理實際應用采集的運動想象腦電信號的正確率不高，穩定性差，算法運算量大，不利于實際應用的推廣。

發明內容

本發明的目的在于克服上述已有腦電信號特征提取方法的不足，提出一種基于非線性動力學的運動想象腦電信號特征的提取方法。該方法充分考慮運動想象時腦電信號在實際環境中信噪比低的特征，保證了一定分類正確率。

實現本發明方法的主要思路是：將采集的多通道腦電信號做空間濾波、基線校正、帶通濾波處理，用非線性動力學的多尺度熵方法提取腦電信號特征向量；利用樸素貝葉斯分類器分類，采取交叉驗證方法，得到分類正確率。

根據上述主要思路，本發明方法的具體步驟如下：

(1)采集數據：

腦電信號采集系統通過受試者佩戴的電極帽，采集受試者想象單側手指運動的腦電信號，受試者手指不能有實際上的動作。

(2)空間濾波：

采用共同平均參考的方法，將受試者電極帽上每個電極采集的腦電信號減去所有電極采集的腦電信號的均值，得到共同平均參考后的腦電信號。

(3)基線校正：

將共同平均參考后的腦電信號減去基線，得到基線校正后的腦電信號。

(4)帶通濾波：

利用有限脈沖響應濾波器，對基線校正后的腦電信號進行帶通濾波，得到不同頻帶的子信號。

(5)特征提取：

對所有不同頻帶的子信號在不同的尺度下進行粗粒化處理，對經過粗粒化之后的所有子信號進行樣本熵估計，將所有得到的樣本熵估計值組成特征向量。

(6)分類：

利用樸素貝葉斯分類器，對得到的特征向量進行分類，采取交叉驗證方法對分類結果進行驗證，得到分類正確率。

本發明與現有技術相比具有如下優點：

第一，本發明由于考慮了運動想象時腦電信號在實際環境中信噪比低的情況，利用多尺度熵作為特征向量，克服了現有技術中要求運動想象腦電信號信噪比高的、穩定性差的不足，使得本發明具有能夠有效保證穩定的腦電信號分類正確率的優點。

第二，本發明由于考慮了運動想象時腦電信號處理的實時性，利用多尺度熵作為特征向量，算法運算量小，克服了現有技術中算法運算量大的問題，使得本發明具有能夠有效的提供更好實時性的優點。

附圖說明

圖1為本發明的流程圖；

圖2為本發明采集數據步驟中屏幕提示符示意圖；

圖3為本發明采集數據步驟的示意圖。

具體實施方式

下面結合附圖1對本發明做進一步的描述。

步驟1，采集數據：