[發(fā)明專利]一種基于PF系數(shù)的多模態(tài)BCI特征提取方法

在審

• 申請?zhí)枺?/td>: 202011503733.9
• 申請日: 2020-12-18
• 公開（公告）號: CN112560703A
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計）人: 戴櫓洋;孟明;馬玉良;佘青山
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/16
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種基于PF系數(shù)的多模態(tài)BCI特征提取方法，其特征在于，該方法具體包括以下步驟：

步驟(1)：腦電-近紅外信號采集與預(yù)處理；

首先采集受試者的腦電-近紅外心理算數(shù)任務(wù)腦電信號；接著利用帶通濾波器針對每個通道的腦電信號進(jìn)行4-35Hz帶通濾波；然后截取合適的時間窗；

步驟(2)：分別對EEG與fNIRS構(gòu)建用于通道選擇的PF系數(shù)，并根據(jù)PF系數(shù)設(shè)置合理閾值選出通道組合；

EEG與fNIRS通道選擇具體步驟詳見表1，2；

表1 EEG通道選擇步驟表

表2 fNIRS通道選擇步驟表

步驟(3)：對通道選擇后的EEG與fNIRS信號進(jìn)行特征提取，其中EEG信號提取CSP空域特征向量，fNIRS信號提取平均值和峰值兩種統(tǒng)計特征；

步驟(4)：對EEG與fNIRS特征進(jìn)行歸一化，并進(jìn)入SLDA進(jìn)行分類。

2.根據(jù)權(quán)力要求1所述的一種基于PF系數(shù)的多模態(tài)BCI特征提取方法，其特征在于：所述的步驟(3)中EEG信號提取CSP空域特征向量，具體為：

記X₁和X₂為兩類運(yùn)動想象任務(wù)下的信號矩陣，構(gòu)造空間濾波器；首先求信號矩陣協(xié)方差，并歸一化，得到：

其中，trace(·)為矩陣的跡，然后求出混合空間的協(xié)方差矩陣R，并進(jìn)行特征值分解：

其中，為兩類任務(wù)實驗的協(xié)方差矩陣，i＝1,2，U為矩陣R的特征向量，Λ為對應(yīng)的特征值矩陣；進(jìn)一步求出白化矩陣P：

接著對R₁與R₂做白化處理以及主成分分解：

則矩陣S₁與矩陣S₂的特征向量相等，即B₁＝B₂，且Λ₁+Λ₂＝I，其中，I為單位矩陣；兩類矩陣的特征值之和為1，因此當(dāng)一類的特征值最大時另一類最小，從而可以實現(xiàn)區(qū)分的作用；構(gòu)造空間濾波器W：

W＝B^TP (7)

將上述原始運(yùn)動想象信號矩陣X經(jīng)W濾波，得到特征矩陣Z：

Z＝WX (8)

接著取其前m個和后m個特征值構(gòu)成空間濾波信號Z_p，p＝1,…,2m，求取空域特征向量：

其中為空間濾波信號Z_p的第j₀行信號。

3.根據(jù)權(quán)力要求1所述的一種基于PF系數(shù)的多模態(tài)BCI特征提取方法，其特征在于：所述的對EEG與fNIRS特征進(jìn)行歸一化；具體為：

其中x∈R_n表示原始特征值，x'表示介于0和1之間的重新縮放特征值。