[發明專利]一種結合多時段多頻段CSP算法的運動想象腦電解碼方法

在審

• 申請號: 202111054623.3
• 申請日: 2021-09-09
• 公開（公告）號: CN113780162A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 楊俊;高思恒;沈韜;馬正敏;吳俊會;鄭進港
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種結合多時段多頻段CSP算法的運動想象腦電解碼方法，屬于神經信息解碼領域。本發明在頻率特征基礎上，采用多個時段和多個頻段的特征提取策略，對原始的運動想象腦電信號進行滑動窗口截取，并分離出多個頻段的子帶信號，結合CSP算法，能夠獲取到信號在頻率域和時間域的全局特征和局部特征。將提取到的多個時間窗的多頻段CSP特征作為SVM分類器的輸入，得到的識別結果用于參與最終的決策。本發明提出的提取多頻段特征的策略可以細化頻帶信息，提取多時段特征的策略能捕捉到整個運動想象時段中的有效特征，從而顯著提高解碼精度。本發明提出的腦電解碼方法為在線腦機接口系統的實現提供了新的思路。

技術領域

本發明屬于神經信息解碼領域，具體涉及從低信噪比，非平穩的運動想象腦電中提取到有效特征，進行準確的識別分類。

背景技術

腦科學是以大腦為研究對象的多學科匯聚的新興研究領域，是公認的科技前沿。腦電(Electroencephalogram，EEG)用于記錄來自大腦皮層的電信息，從而反映部分大腦活動。通過分析EEG信號可以識別出被試的情緒，運動意圖，健康狀況等信息。腦機接口(BrainComputer Interface，BCI)技術是指在人腦與外界設備之間建立起一條不依賴于傳統神經中樞網絡的信息傳輸通道，從而通過人腦控制外界設備。目前，腦機接口已經越來越多的被應用于運動康復、神經干預、游戲娛樂等諸多領域。然而，EEG信號也存在局限性，即低空間分辨特性，低信噪比，非平穩。加之采集到的腦電信號常伴偽跡信息，采集過程困難，可用的公共數據有限。運動想象(Motor Imagery，MI)腦電解碼任務通過正確分析大腦信號模式(左手和右手等)，為在線腦機接口的實現做出了鋪墊。

在運動想象實驗范式中，選取有效的運動想象時間段是一個關鍵的步驟，在很多運動想象數據實驗范式中，被試進行運動想象的時間在3-5s，然而，一方面，實驗過程中被試的注意力和想象能力并不一定是持續集中的，另一方面，收到指令后不同被試的反應時間不同，同一被試在每次運動想象的反應時間也不同。因此，在對數據進行解碼前如何截取最大效益的運動想象時間段是一個關鍵的問題。提取有效的運動想象特征對進一步識別腦電信號有著至關重要的作用，有效時間窗的選擇以及多頻段的腦電分析可以最大化運動想象腦電信號在時間和頻率上的特征。其次，在分類決策方面，如何提高分類的準確性也是阻礙腦機接口系統發展的困難之一。科學的分類決策保證了信息的利用率，同時也提高了分類器的性能。圍繞這兩個問題，相關領域的研究人員展開了大量的工作。目前大部分研究致力于在頻域上找出單側肢體運動想象時，對側大腦產生的事件相關去同步特征，通過短時傅里葉變換為解碼提供更具辨識度的特征信息。目前基于MI-EEG解碼的主要挑戰有以下兩個方面：1、如何從低信噪比，非平穩的腦電信號中提取到有效的辨識特征；2、如何設計科學的解碼模型，使其能夠高效地利用有限數據量進行正確的腦電解碼。傳統的特征分析方法通過分析腦電信號的功率譜密度，或者疊加事件相關電位求平均來獲得需要的數據特征。這類方法在辨識特征提取上表現地并不理想，有很多深層特征和時間相關信息丟失。

發明內容

為了解決上述問題，本發明提供了結合多時段多頻段的CSP運動想象腦電特征提取方法。

具體技術方案為：

先利用MTF-CSP算法對運動想象腦電信號進行特征提取，再通過SVM分類器對提取到的特征進行分類識別，并對識別結果進行最終決策，具體步驟如下：

步驟一 在運動想象腦電數據上截取n個滑動時間窗信號，對每個時間窗信號分離出若干頻段的子帶信號；

步驟二 對步驟一中的n個滑動時間窗信號按時間順序進行特征提取得到n組特征值，具體利用CSP算法對每個時間窗信號的多個子帶信號進行特征提取；

步驟三 使用SVM分類器對步驟一和步驟二中MTF-CSP算法提取到的運動想象特征進行分類識別，并結合對應的決策方法得到最終識別結果。