[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（設計）人: 戴櫓洋;孟明;馬玉良;佘青山
• 申請（專利權）人: 杭州電子科技大學
• 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所(特殊普通合伙) 33240
• 代理人: 楊舟濤

本發(fā)明公開了一種基于PF系數(shù)的多模態(tài)BCI特征提取方法，本發(fā)明本文首先選取合理的時間窗數(shù)據(jù)進行PF系數(shù)通道選擇；將表征信號間相關性的Person系數(shù)與表征特征間可分性的Fisher值相結合，構建代表任務區(qū)分性的PF系數(shù)，并設置合理閾值對通道進行選擇。然后提取EEG中的共空間模式特征和fNIRS中的統(tǒng)計特征。最后通過收縮線性判別分析SLDA分類器進行分類。本發(fā)明選出來的塊能有效地避免不同個體以及不同通道間的差異性，且通道分布合理，數(shù)量適中，一定程度上提高了多模態(tài)BCI系統(tǒng)的分類性能，為腦電?近紅外信號的特征提取提供了新的思路。

技術領域

本發(fā)明屬于模式識別領域，提出一種基于PF(Person-Fisher,PF)系數(shù)的通道選擇方法。用于基于心理計數(shù)BCI系統(tǒng)的任務分類。通過將表征信號間相關性的Person系數(shù)與表征特征間可分性的Fisher值相結合，構建代表任務區(qū)分性的PF系數(shù)，并設置合理閾值對通道進行選擇。減少了通道間的冗余信息，然后提取EEG中的共空間模式(Common spacepattern,CSP)特征和fNIRS中的統(tǒng)計特征。最后通過收縮線性判別分析(Shrinking lineardiscriminant analysis,SLDA)分類器進行分類。

背景技術

腦機接口(Brain-computer interface,BCI)提供了人類中樞神經(jīng)系統(tǒng)與計算機之間的直接通信渠道。這意味著，在不使用肢體，聲音或任何需要肌肉活動的動作的情況下，BCI可以分析與預期動作相關的大腦感應信號，從而生成控制外部設備的命令。BCI系統(tǒng)中，常見的信號采集成像方式包括腦電圖(Electroencephalogram,EEG)，皮層區(qū)腦電圖(Electrocardiogram,ECoG)，功能性近紅外光譜(Functional near-infraredspectroscopy,fNIRS)，功能磁共振成像(Functional magnetic resonance imaging,fMRI)和腦磁圖(Magnetoencephalography,MEG)等。其中EEG是一種生物電成像方法，利用頭皮電極來測量由大腦皮層神經(jīng)元的電活動引起的電壓波動。EEG具有較高的時間分辨率，頻域特點突出，便捷安全等特點。由于電極測量大腦表面的電活動，難以確定EEG信號是在表面附近還是在更深的區(qū)域產(chǎn)生的。因此導致EEG空間分辨率相對較低并且容易受到來自肌電和眼電的干擾。導致EEG獲得的分類精度遭受嚴重損害，并且導致錯誤分類的產(chǎn)生。

fNIRS是一種光學成像方法，可評估大腦中的血液動力學活動。fNIRS可測量脫氧血紅蛋白(Deoxyhemoglobin,HbR)和氧合血紅蛋白(Oxyhemoglobin,HbO)的濃度變化。fNIRS具有相對高的空間分辨率、便攜、便宜、抗運動干擾等特點。但是由于血氧濃度反應遲緩，因此導致fNIRS的時間分辨率很低。EEG與fNIRS都用于多種BCI系統(tǒng)中，以檢測例如運動想象，心理算術(Mental Arithmetic,MA)和n-back任務這些源自認知和心理任務的大腦活動變化。由于每種神經(jīng)影像學方法都有其特定的局限性。在過去的幾年中，研究人員一直在努力提高信息傳輸率并克服單模態(tài)系統(tǒng)的局限性，從而形成了多模態(tài)系統(tǒng)，稱為多模態(tài)BCI。