[發明專利]一種基于閾值判別方法的多模態腦電信號檢測方法

在審

• 申請號: 202110363543.X
• 申請日: 2021-04-02
• 公開（公告）號: CN113110738A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 董恩增;張浩然;佟吉鋼;張祖鋒;于航
• 申請（專利權）人: 天津理工大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00;G06K9/62
• 代理公司: 合肥晨創知識產權代理事務所(普通合伙) 34162
• 代理人: 康培培

1.一種基于閾值判別方法的多模態腦電信號檢測方法，其特征在于，包括如下步驟，

步驟S1、受試者根據提示做出運動想象或注視SSVEP刺激界面，從而產生相應腦電信號；

步驟S2、腦電信號被實時采集，經過去噪和信號放大，通過計算機I/O口傳給計算機腦電處理模塊；

步驟S3、腦電信號預處理，計算腦電信號與參考信號相關關系，得到腦電信號與參考信號的最大相關系數；

步驟S4、閾值決策，是將最大相關系數與設定的閾值進行比較，最大相關系數大于等于設定閾值，進行SSVEP分類，反之進行MI分類；

步驟S5、輸出分類結果。

2.如權利要求1所述的基于閾值判別方法的多模態腦電信號檢測方法，其特征在于，所述參考信號Y_f依據SSVEP刺激頻率的正、余弦信號而設定：

f是刺激頻率，N_h是諧波數。

3.如權利要求1所述的基于閾值判別方法的多模態腦電信號檢測方法，其特征在于，所述步驟S3腦電信號與參考信號相關關系，

X是腦電信號，Y是參考信號，W_X和W_Y是權向量，x＝X^TW_X.和y＝Y^TW_Y。

4.如權利要求1所述的基于閾值判別方法的多模態腦電信號檢測方法，其特征在于，所述步驟S4中最大相關系數小于閾值，則判定當前在進行運動想象，然后進行運動想象分類：

選取合適的FIR濾波器系數，將原始頻帶分為多個子頻帶：

h′(n)＝h(n)·c_M(n)

求得各個子頻帶的功率：

計算每個頻帶下Fisher Ratio，并選出4個FR得分最高的頻帶：

原始數據分別通過4個頻帶下的濾波器，然后求其空間濾波器特征，步驟如下：

設X₁和X₂分別為兩分類想象運動任務下的多通道誘發響應時-空信號矩陣，

S₁和S₂分別代表兩種類型任務。S_M代表兩種類型任務下所共同擁有的源信號，

將X₁和X₂歸一化后的協方差矩陣R₁和R₂分別為：

X^T表示X矩陣的轉置，trace(X)表示矩陣對角線上元素的和，然后求混合空間協方差矩陣R:

R_i分別為任務實驗的平均協方差矩陣，對混合空間協方差矩陣R按式進行特征值分解：

R＝UλU^T

U是矩陣λ的特征向量矩陣，λ是對應的特征值構成的對角陣，將特征值進行降序排列，白化值矩陣為：

對R₁和R₂進行如下變換：

S₁＝PR₁P^T,S₂＝PR₂P^T

通過上面的式子可以證明矩陣S₁的特征向量和矩陣S₂的特征向量矩陣是相等的，即：

B₁＝B₂＝V

與此同時，兩個特征值的對角陣λ₁和λ₂之和為單位矩陣，即：

λ₁+λ₂＝I

由于兩類矩陣的特征值相加總是為1，則S₁的最大特征值所對應的特征向量使S₂有最小的特征值，反之亦然；把λ₁中的特征值按照降序排列，則λ₂中對應的特征值按升序排列，根據這點可以推斷出λ₁和λ₂具有下面的形式：

λ₁＝diag(I₁σ_M0),λ₂＝diag(0σ_MI₂)

白化EEG到與λ₁和λ₂中的最大特征值對應的特征向量的變換對于分離兩個信號矩陣中的方差是最佳的，投影矩陣W是所對應的空間濾波器為：

W＝B^TP

并用混合核函數SVM得到分類結果。