一種雙樹復小波與共空間模式結合的腦電特征提取方法
【專利摘要】本發(fā)明涉及一種雙樹復小波與共空間模式相結合的特征提取方法。本發(fā)明首先選取適當通道的腦電信號，然后根據(jù)雙樹復小波頻率分段的特點，對原有頻率進行上采樣或者下采樣，然后利用雙樹復小波多尺度分解，從而得到、、和四種節(jié)律波的頻率范圍對應的頻段，并在該尺度下進行信號重構，得到相應頻段下的多個重構信號，然后對各個適當通道進行相同的分解與重構，再將各個通道的各頻段的重構信號聯(lián)合起來輸入到空間濾波器中，得到6維的特征向量，最后利用支持向量機來完成運動想象任務分類。本發(fā)明提出的方法不僅對運動想象腦電信號進行頻率信息分析，還能有效的克服電極選取不足問題。
【專利說明】一種雙樹復小波與共空間模式結合的腦電特征提取方法
【技術領域】
[0001]本發(fā)明屬于腦電信號處理領域，涉及一種雙樹復小波與共空間模式結合的腦電特征提取方法。
【背景技術】
[0002]對于那些神經(jīng)肌肉系統(tǒng)功能嚴重損傷的患者來說，急需一種新的與外界進行交流的方法。而腦機接口正是這樣的一種方法，它不依賴腦外周圍神經(jīng)系統(tǒng)及肌肉組織，是一種在人腦和計算機或其他電子設備之間建立一種直接的信息交流和控制通道。目前，適用于腦機接口的腦電信號類型有很多種，其中運動想象腦電信號是應用最多的類型之一，因為運動想象腦電信號具有無需外界刺激，可實現(xiàn)異步通訊等優(yōu)點，符合BCI技術的發(fā)展要求。
[0003]到目前為止，人們?nèi)詫Υ竽X思維的形成過程知之甚少，通過腦電讀取人的各種思維活動還不現(xiàn)實。但腦電信號用于運動想象識別方面，已經(jīng)取得了一定進展。比較典型的應用實例是德國圖賓根大學的Niels Birbaurmer在1990年利用癱瘓病人的腦電信號成功控制了計算機光標移動。奧地利Graz科技大學的Pfurtscheller等研究表明，當人體作單邊的肢體運動或想象運動時，大腦對側產(chǎn)生事件相關去同步電位(ERD)，而大腦同側產(chǎn)生事件相關同步電位(ERS)。Pfurtscheller的實驗同時可以預測出左手還是右手的運動，分類正確率達85%。2000年，Graz研究小組進行了左右手兩種運動想象分類的研究。目前，Pfurtscheller教授帶領的研究小組成功建立了 GrazI和GrazII系統(tǒng),首先,受試者通過想象左右手或者食指、右腳運動產(chǎn)生的腦電信號對系統(tǒng)進行控制，部分受試者通過訓練后，兩類的運動想象識別率獲得 了高達85%的在線分辨率，然而，三類的識別率只有77%。
[0004]美國Wadsworth中心進行的研究是通過記錄大腦運動感覺皮層的腦電信號來控制指針的一維或二維運動。在其實驗中首先要訓練被試者學會自由控制P節(jié)律和β節(jié)律的幅度，從而通過這些節(jié)律的變化來實現(xiàn)光標移動、字母拼寫和假肢控制等功能。德國Berlin工業(yè)大學Muller等研發(fā)了 Hex-O-Spell打字系統(tǒng),受試者通過想象手腳的運動來進行打字的拼寫。日本學者Yamawaki建立時頻模型對于運動想象腦電信號進行分類研究，也取得了很好的分類效果。隨后，基于公共空間模式(CSP)的特征提取方法，大大提高了腦電信號的信噪比。新加坡的Kai Keng Ang等人改進CSP方法，分別提出了空間濾波器組(FBCSP )、基于魯棒性濾波器組的空間濾波(RFBCSP)、時頻域濾波網(wǎng)絡(OSSFN)等方法，逐步提高了模式分類的精確度，并在2008年的BCI競賽中取得了優(yōu)異的成績。最近，美國Minnesota大學He等利用多任務想象運動腦電信號控制虛擬環(huán)境中的直升機來完成前進/后退、上升/下降、左/右旋轉等運動，總體上三名受試者獲得了大約85%正確率。
[0005]國內(nèi)，清華大學的腦電信號研究小組開展了基于運動想象的BCI光標移動、康復輔助訓練等系統(tǒng)研究，三類運動想象任務的識別研究中取得了 79.48%的在線平均分類正確率和85%的離線平均分類正確率。另外西安交通大學鄭崇勛等利用復雜度算法提取腦電信號，通過Mahalanobis距離判別式分析實現(xiàn)兩類意識任務分類，獲得了良好的效果。上海交通大學張麗清等研究了普通張量判別分析算法來提取單次的EEG樣本的特征向量，再利用支持向量機進行分類，結果表明該算法提高了分類準確率。東南大學宋愛國等分別采用離散小波變換和AR模型對運動想象的腦電信號進行特征提取，兩類任務運動想象識別率平均為89.5%。
[0006]一般認為，BCI系統(tǒng)盡量采用少路數(shù)的通道，這樣做的好處顯而易見，所需的電極少，不僅縮短準備時間，而且少量數(shù)據(jù)需要小的信息處理代價。與之對應，德國Berlin工業(yè)大學Blankertz等學者指出，采用神經(jīng)生理先驗知識選擇的少量通道并不一定產(chǎn)生比全通道采集更佳的結果，電極選取不足也會降低分類正確率。隨后，Sannell1、Schroder、Barachant等對多名受試者想象左右手、腳部等運動的EEG數(shù)據(jù)進行研究，尤其是隨意地選擇部分通道來進行研究時，不同通道組合得到的分類精度差異較大。以最少的腦電數(shù)據(jù)獲得最好的分類效果為目標，ArvaneKGao等學者進一步研究通道優(yōu)化選擇問題，結果表明采用CSP及其擴展算法、SVM遞歸通道排除法等方法都能夠在某種選擇判據(jù)下找到最適合特定受試者的通道位置，不僅減少電極數(shù)量，而且提高分類性能，同時也指出大量通道能提供更為豐富的信息。
[0007]針對CSP算法需要大量的電極、缺乏頻率信息分析的缺點，本發(fā)明主要是減少電極數(shù)，減少信息處理代價，與此同時增加頻率信息分析，彌補CSP算法在腦電信號處理中的不足。

【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的就是針對CSP算法在腦電信號特征提取方面得到了廣泛的應用，但是此方法需要大量的電極、缺乏頻率信息分析，而提出的一種雙樹復小波與共空間模式相結合的特征提取方法。為了彌補了 CSP空間濾波缺乏頻率信息的缺陷，提高了不同運動想象任務所對應的特征值的區(qū)分度，進而提高分類器的識別準確率。
[0009]為了實現(xiàn)以上目的，本發(fā)明方法主要包括以下步驟:
[0010]步驟(1)獲 取適當通道的運動想象腦電信號。具體是，根據(jù)大腦進行不同的運動想象任務會激活大腦運動皮層上的不同區(qū)域，選擇相對應的電極，從而得到此電極采集的
運動想象腦電信號，其采樣頻率為又。
[0011]步驟(2)求取適當?shù)亩尾蓸宇l率fs，保證步驟(3)重構得到的腦電信號的頻率范圍為O~30Hz。具體是，根據(jù)雙樹復小波多尺度分解得到的第I層小波系數(shù)的頻率范圍，求解合適的fs和1，即
[0012]fjt ^ 30Hz(I)
[0013]其中，30Hz為腦電信號β節(jié)律波的最大值。再根據(jù)fs對原有頻率進行相應的
上采樣或下采樣，最后得到的采樣頻率為fs。具體采樣選擇原則是若時，則進行上采樣，反之進行下采樣。
[0014]步驟(3)對腦電信號進行雙樹復小波分解與重構。具體是，先將二次采樣后的腦電信號進行雙樹復小波分解，然后選取S (0.5~4Ηζ)、Θ (4~8Ηζ)、α (8~14Hz)和β (14~30Hz) 4種節(jié)律波頻率范圍對應的頻段，并將其重構。
[0015]步驟(4)組合各通道的重構信號并進行CSP空間濾波。具體是，將各個適當通道的重構信號組合在一起，然后同時輸入到CSP空間濾波器中進行濾波，濾波后的信號經(jīng)過公式(2)得到分類器所需的特征向量fp。
[0016]
【權利要求】
1.一種雙樹復小波與共空間模式結合的腦電特征提取方法，其特征在于該方法包括如下步驟: 步驟(1)獲取適當通道的運動想象腦電信號；具體是，根據(jù)大腦進行不同的運動想象任務激活大腦運動皮層上的不同區(qū)域，選擇相對應的電極，從而得到此電極采集的運動想象腦電信號，其采樣頻率為Z; 步驟(2)求取適當?shù)亩尾蓸宇l率fs，保證步驟(3)重構得到的腦電信號的頻率范圍為O~30Hz ;具體是，根據(jù)雙樹復小波多尺度分解得到的第I層小波系數(shù)的頻率范圍，求解合適的fs和1，即 fs/21≈30Hz(1) 其中，30Hz為腦電信號β節(jié)律波的最大值；再根據(jù)fs對原有頻率進行相應的上采樣或下采樣，最后得到的采樣頻率為fs ;具體采樣選擇原則是若</；時，則進行上采樣，反之進行下采樣； 步驟(3)對腦電信號進行雙樹復小波分解與重構；具體是，先將二次采樣后的腦電信號進行雙樹復小波分解，然后選取δ、θ、α和β四種節(jié)律波頻率范圍對應的頻段，并將其重構，其中δ對應于0.5Hz~4Ηζ、Θ對應于4Hz~8Ηζ、α對應于8Hz~14Ηζ、β對應于 14Hz ~30Hz ； 步驟(4)組合各通道的重構信號并進行CSP空間濾波；具體是，將各個適當通道的重構信號組合在一起，然后同時輸入到CSP空間濾波器中進行濾波，濾波后的信號經(jīng)過公式(2)得到分類器所需的特征向量fp ;
【文檔編號】G06F3/01GK103735262SQ201310433905
【公開日】2014年4月23日 申請日期:2013年9月22日 優(yōu)先權日:2013年9月22日
【發(fā)明者】佘青山, 昌鳳玲, 陳希豪, 羅志增 申請人:杭州電子科技大學