[發明專利]基于獨立分量分析的運動想象腦電信號分類方法

有效

• 申請號: 201810366834.2
• 申請日: 2018-04-23
• 公開（公告）號: CN108710895B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 周蚌艷;吳小培;呂釗;阮晶;張磊;郭曉靜;張超;高湘萍;衛兵
• 申請（專利權）人: 安徽大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 合肥市上嘉專利代理事務所(普通合伙) 34125
• 代理人: 李璐

本發明公開了一種基于獨立分量分析的運動想象腦電信號分類方法，包括以下步驟：S1：采集腦電信號并對腦電信號進行預處理，將預處理后的腦電信號隨機分為訓練集和測試集；S2：將訓練集數據依次選擇單次試驗樣本數據進行獨立分量分析計算，并基于源的空間分布模式實現運動相關分量的自動識別獲取；S3：基于零訓練分類器的運動想象分類識別；S4：使用訓練集數據進行導聯的優化選擇，將優化后的導聯代入測試集，循環步驟S2和S3，得到最終的分類識別率。本發明可以減少由采集的EEG數據之間的差異性所帶來的空域模型匹配問題產生，對運動想象EEG信號具有較高的識別正確率。

技術領域

本發明涉及腦-機接口技術領域，特別是涉及一種基于獨立分量分析的運動想象腦電信號分類方法。

背景技術

腦-機接口(Brain Computer Interaction，BCI)是一種新型的人機交互方式，通過讀取和分析受試者的大腦神經電生理信號，來實現人腦對外部設備的直接控制。腦電(Electroencephalography，EEG)信號利用頭皮電極記錄了大腦神經元的同步電生理活動，由于其具有較高的時間分辨率，易操作等優點，被廣泛應用于腦-機接口系統中。

研究表明，肢體的真實運動和大腦想象運動均會造成大腦運動皮層特定區域的血流量和腦代謝的改變，表現為不同區域的EEG信號mu節律和beta節律的能量衰減和增加，這種現象稱之為事件相關同步化/去同步化(Event Related Synchronization/Desynchronization，ERS/ERD)。運動想象BCI(motor imagery BCI，MIBCI)是一種自發的腦-機接口系統，它基于人腦在進行肢體運動想象過程中所產生的ERS/ERD現象來實現不同運動想象模式的分類判別，從而產生各種控制命令。目前，MIBCI系統主要應用于幫助肢體殘疾群體控制輪椅，運動功能的康復訓練以及游戲開發等領域。

然而，由于大腦的容積傳導效應，使得采集到的EEG信號中不可避免的存在各種噪聲干擾，如眼電、心電、肌電等。獨立分量分析(Independent ComponentAnalysis，ICA)是一種盲源分離方法，可以從多導EEG信號中分離出任務相關的神經源和各種偽跡干擾，因此，被廣泛的應用于EEG信號的去噪和任務相關源的提取。

ICA算法在MIBCI系統實施過程中主要存在以下不足：(1)對導聯的選擇比較敏感，使用不同導聯數據設計ICA空域濾波器，得到的分類性能差距較大。使用較多的導聯會增加引入噪聲干擾的可能性，而較少的導聯則不能提供足夠的信息分離出任務相關的神經源；(2)對數據質量的敏感，ICA算法可以從多導原始EEG信號中分離出空間位置固定而時域上獨立的信號源，但是一些突發偽跡干擾(如：由身體的突然移動或電極脫落等引起的)由于持續時間較短，不能從原始EEG信號中分離出來，因此，數據質量的好壞也是影響ICA算法的關鍵因素之一；(3)不同受試者之間或同一受試者不同時期采集的數據之間模型匹配困難。由于個體差異性，使得不同受試者之間的腦電信號差異較大，即使是同一受試者，由于不同時期受試者的精神狀態和環境等諸多因素的變化，使得空域濾波器在受試者之間(Subject-to-Subject)以及組間(Sesssion-to-Session)交叉驗證時，所獲得的分類性能較低。

因此亟需提供一種新型的基于獨立分量分析的運動想象腦電信號分類方法來解決上述問題。

發明內容

本發明所要解決的技術問題是提供一種基于獨立分量分析的運動想象腦電信號分類方法，能夠提高分類識別率和改善BCI系統的實用性。

為解決上述技術問題，本發明采用的一個技術方案是：提供一種基于獨立分量分析的運動想象腦電信號分類方法，包括以下步驟：

S1：實驗數據的采集：采集腦電信號并對腦電信號進行預處理，將預處理后的腦電信號隨機分為訓練集和測試集；