[發明專利]一種多模態信號的腦機接口方法

有效

• 申請號: 201410400030.1
• 申請日: 2014-08-14
• 公開（公告）號: CN104182042B
• 公開（公告）日: 2017-07-11
• 發明（設計）人: 駱清銘;龔輝;李穎;李鵬程
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F3/01
• 分類號: G06F3/01
• 代理公司: 北京華沛德權律師事務所11302
• 代理人: 劉杰

1.一種多模態信號的腦機接口方法，其特征在于，包括校準階段和識別階段，具體步驟如下：

步驟一、校準階段：

步驟1.1：使用者根據提示完成左側或右側身體部位的運動想象任務；多通道腦電采集系統和近紅外光學腦信號采集系統同時實時采集使用者在腦機接口校準階段任務執行過程中的多通道腦電和近紅外光學腦信號；

步驟1.2：對多通道腦電信號和近紅外光學腦信號分別進行預處理；

步驟1.3：用t秒長度的時間窗分別對步驟1.2所得腦電信號、Δ[HbO₂]和Δ[Hb]進行分段，并進行特征提取，t的取值可以根據需要從1秒取到單個任務持續的總時間長度；具體如下：

(1)在左側或右側身體部位想象條件下的數據片段分別用矩陣X_i，i＝1，2來表示，X_i的行數為采樣通道數，列數為采樣點數；計算X_i空間協方差矩陣：其中X_i'表示X_i的轉置矩陣，trace(X_iX_i')表示X_iX_i'的跡，即對角線元素的和；

(2)計算上述在左側或右側身體部位想象條件下所有訓練數據片段的平均空間協方差矩陣和以及混合空間協方差矩陣

(3)C_C分解為C_C＝U_Cλ_CU_C'，其中U_C是C_C的特征向量矩陣，λ_C是由特征值組成的對角矩陣；

(4)進行白化處理：即處理后，PC_CP'所有的特征值都為1；如果將和進行如下變換：則S₁和S₂有相同的特征向量；如果S₁＝Bλ₁B'，則有S₂＝Bλ₂B'，且λ₁+λ₂＝I，其中λ₁和λ₂分別為S₁和S₂的特征值組成的對角矩陣，B為S₁和S₂的特征向量矩陣；

(5)計算空間濾波矩陣W＝(B'P)'；

(6)對X_i進行變換，將其從時域空間變換到特征空間：Z_i＝WX_i；Z_i的第一行分別作為左手和右手想象數據片段的特征向量，用來訓練分類器；

步驟1.4：將步驟1.3所得的三種模態信號的特征向量分別來訓練分類器1、分類器2和分類器3；

步驟1.5：將分類器1、分類器2和分類器3的輸出作為分類器4的訓練數據，訓練分類器4；

步驟二、識別階段：

步驟2.1：使用者完成左側或右側身體部位的運動想象任務；多通道腦電信號采集系統和近紅外光學腦信號采集系統分別實時采集使用者在腦機接口任務識別階段的多通道近紅外光學腦信號；

步驟2.2：按照所述步驟1.2和1.3的方法對多通道腦電和近紅外光學腦信號進行預處理和特征提取，得到三種模態的待識別數據的特征向量；

步驟2.3：對待識別數據特征向量進行分類；先將三種模態的待識別數據特征向量分別輸入到分類器1、分類器2和分類器3中，然后將三個分類器的分類結果輸入到分類器4中，最后輸出為使用者進行腦機接口任務的類別。

2.根據權利要求1所述的多模態信號的腦機接口方法，其特征在于：所述腦電信號的預處理方法為：降頻，帶通濾波，去除眼電和運動偽跡；近紅外光學腦信號的預處理方法為：降頻，低通濾波，根據修正的Beer-Lambert定律，將其轉換為含氧血紅蛋白濃度變化值Δ[HbO₂]和去氧血紅蛋白濃度變化值Δ[Hb]。

3.根據權利要求2所述的多模態信號的腦機接口方法，其特征在于：所述多模態信號來源于腦電和在前額葉皮層、運動皮層、軀體感覺皮層和后頂葉皮層同步采集近的紅外光學腦信號，經過預處理后成為三種模態的信號：EEG，含氧血紅蛋白濃度變化值Δ[HbO₂]和去氧血紅蛋白濃度變化值Δ[Hb]。

4.根據權利要求1至3之一所述的多模態信號的腦機接口方法，其特征在于：所述分類器1、分類器2和分類器3選用支持向量機，分類器4選用Fisher線性分類器。