基于cqt多分辨率的被試的腦電信號自適應(yīng)頻譜分析方法
【專利摘要】本發(fā)明公開了一種基于CQT多分辨率的被試的腦電信號自適應(yīng)頻譜分析方法，依次經(jīng)過對原始EEG信號進行預(yù)處理、通過EEG信號的諧波成分和精細結(jié)構(gòu)特性自動地找到被試的差異、基于CQT多分辨率的分析和計算各頻帶采樣帶寬。本發(fā)明可以根據(jù)原始腦波信號自適應(yīng)的找到被試差異特征，能夠更準確地提取腦電信號的頻譜特異性特征；基于多分辨率的頻譜分析方法，考慮了腦電信號頻帶長度差別的影響，提高了實用性；與經(jīng)典的CQT頻譜分析方法相比，降低了計算次數(shù)，效率顯著提高；本發(fā)明中采用可變分辨率則靈活得多，提高了特征提取的準確度和速度。
【專利說明】基于CQT多分辨率的被試的腦電信號自適應(yīng)頻譜分析方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及領(lǐng)域腦機接口領(lǐng)域以及腦波信號分析方法，特別是一種基于CQT多分 辨率的被試的腦電信號自適應(yīng)頻譜分析方法。

【背景技術(shù)】
[0002] 隨著腦機接口技術(shù)研究的深入，越來越多的腦電信號分析方法涌現(xiàn)出來。現(xiàn)階段 的腦機接口雖然已經(jīng)實現(xiàn)了一部分的控制功能，但這種控制還是比較原始的初級控制，還 有諸多的問題有待解決。腦機接口系統(tǒng)的目標是通過腦電實現(xiàn)直接、自然的控制模式。為 達到這一目標，關(guān)鍵是采集到能反映大腦思維意圖的特征腦電信號模式，并通過數(shù)據(jù)處理 模塊實現(xiàn)思維到控制的解碼。然而，由于腦波信號低信噪比和非平穩(wěn)隨機的特點，即使對于 同一個被試者，誘發(fā)的腦波信號也可能存在著一定的差異。針對被試之間的差異問題，尋找 行之有效的自適應(yīng)腦波信號差異識別技術(shù)具有重要的意義。
[0003] 目前腦電信號的處理方法主要以時域分析和頻域分析為主。由于腦電信號的時序 性，現(xiàn)有的腦電信號大都使用時域分析方法，如過零點分析、直方圖分析、方差分析、峰值檢 測等方法。時域分析主要是直接提取波形特征，直觀且物理意義明確。但是時域上點分析結(jié) 果往往依賴于采樣點的分布，而且EEG信號采樣比較分散，往往得不到很好的區(qū)分效果。因 此就有很多學者將時域EEG信號轉(zhuǎn)換到頻域，提取其頻域特征來進行分析、識別。如：Barry 和Chen分別使用EEG頻譜分析技術(shù)發(fā)現(xiàn)了閉眼（EyesClosed,EC)和睜眼（EyesOpen,E0) 的不同。在工程中，采用頻率譜估計提取腦電圖頻譜特征，區(qū)分不同的感覺、運動或認知活 動，實現(xiàn)腦機接口（brain-computerinterface，BCI)。著名的WadsworthBCI就是通過計 算感覺運動皮層的EEG的mu和beta頻帶特征來控制光標移動。目前在EEG分析中應(yīng)用較 多的是autoregressive(AR)模型譜估計技術(shù)。這種方法對被處理信號的線性、平穩(wěn)性及信 噪比要求較高，故不適合對長時的EEG數(shù)據(jù)進行分析處理。為提高頻譜估計性能，Bartlett 和Welch分別提出了以傅里葉變換為基礎(chǔ)的功率譜非參數(shù)估計方法。其將總長為N的長時 數(shù)據(jù)分成M段，每段長度為L，分別計算每一段功率譜密度后求平均。Welch的方法在此基礎(chǔ) 上進行了改進，數(shù)據(jù)段允許重疊，并對每個分段數(shù)據(jù)采用加窗，對原功率譜起到平滑作用。
[0004] 但是現(xiàn)有的的頻譜分析是通過等間隔均勻采樣計算得到一系列等間隔的頻率的 方法。然而，腦電信號的頻帶間隔卻是不相等的，如我們常使用的頻帶劃分方法定義如下： S(〇? 5 ?4Hz)，0 (4 ?8Hz)，a(8 ?13Hz)，P(13 ?20Hz)，以及Y(30 ?50Hz)。如果 我們采用等間隔方法計算頻帶能量，Y頻帶由于跨度較大，其頻率范圍遠遠超過S和0頻 帶。這種等間隔劃分頻譜分析方法忽略了頻帶長度差別，勢必會造成一定誤差。此外，以腦 電信號為代表的各種認知信號，均具有相當復(fù)雜的諧波成分和精細結(jié)構(gòu)，各種背景噪聲和 不同類型的認知信號其諧波成分和精細結(jié)構(gòu)各不相同但具有一定的規(guī)律性，不同人同一類 信號的也具有其個人特點。目前的頻譜分析方法都沒有考慮到被試之間的差異問題。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是針對上述基于等間隔劃分頻譜分析方法的不足以及被試之間差 異大的問題，提出一種基于CQT多分辨率的被試的腦電信號自適應(yīng)頻譜分析方法，克服單 一分辨率分析方法的不足，可以有效地提取腦波信號的頻譜特異性特征。
[0006] 為達到上述目的，本發(fā)明是按照以下技術(shù)方案實施的：
[0007] -種基于CQT多分辨率的被試的腦電信號自適應(yīng)頻譜分析方法，包括下述步驟：
[0008] 1)對原始EEG信號進行預(yù)處理：
[0009] a.采用單側(cè)乳突作為參考電極，對EEG信號進行雙側(cè)乳突作為參考電 極的參考轉(zhuǎn)換，假設(shè)左側(cè)乳突為Ml電極，右側(cè)乳突為M2電極，轉(zhuǎn)換公式如下：

【權(quán)利要求】
1. 一種基于CQT多分辨率的被試的腦電信號自適應(yīng)頻譜分析方法，其特征在于包括下 述步驟： 1) 對原始EEG信號進行預(yù)處理： a. 采用單側(cè)乳突作為參考電極，對EEG信號進行雙側(cè)乳突作為參考電極 的參考轉(zhuǎn)換，假設(shè)左側(cè)乳突為Ml電極，右側(cè)乳突為M2電極，轉(zhuǎn)換公式如下：
b. 對每一維EEG信號進行分段，段長為2s，各段之間沒有交疊，將每段中任意一個點的 數(shù)值大于80 μ V，將整段舍棄，排除眨眼偽跡和肌電偽跡的干擾； 2) 通過EEG信號的諧波成分和精細結(jié)構(gòu)特性自動地找到被試的差異： a. 首先假設(shè)被試EEG信號為維（m為電極個數(shù)，η為采樣個數(shù)），從信號中隨 機取出一維，并取出長為L的一段計算平均功率譜P1和頻率序列，計算公式如下：
其中頻率序列 I fi FS(J = QX…N-V) ， iv b. 使用樣條插值法在的基礎(chǔ)上提高頻率分辨率，并將EEG信號劃分為5段， δ (〇· 5 ?4Ηζ)，Θ (4 ?8Ηζ)，α (8 ?13Ηζ)，β (13 ?20Hz)，以及 Y (30 ?50Hz); c. 求出各段頻率能量最大值時頻率的位置作為被試差異特征； 3) 分析和計算各頻帶采樣帶寬： a. 基于CQT估計中心頻率，計算公式如下： >
式中Nk是計算第k條頻率fk的CQ變換 時所對應(yīng)的窗長度，wNk(η)是長度為Nk的窗函數(shù)，Q是CQ變換中的常數(shù)因子，k是序列CQ 譜的頻率下標； b. 計算相鄰譜線的間隔（帶寬）Bk，計算公式為Bk=fk+1-f k; c. 計算各頻帶采樣帶寬Nk，計算公式為Nk=Fs / Bk。
【文檔編號】G01R23/16GK104515905SQ201310450516
【公開日】2015年4月15日 申請日期:2013年9月29日 優(yōu)先權(quán)日:2013年9月29日
【發(fā)明者】李海峰, 薄洪健, 李嵩, 高暢, 張瑋, 馬琳, 吳明權(quán), 楊大易, 房春英 申請人:哈爾濱工業(yè)大學