一種雙樹復(fù)小波與共空間模式結(jié)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(fù)小波與共空間模式相結(jié)合的特征提取方法。本發(fā)明首先選取適當(dāng)通道的腦電信號，然后根據(jù)雙樹復(fù)小波頻率分段的特點(diǎn)，對原有頻率進(jìn)行上采樣或者下采樣，然后利用雙樹復(fù)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(yīng)的頻段，并在該尺度下進(jìn)行信號重構(gòu)，得到相應(yīng)頻段下的多個重構(gòu)信號，然后對各個適當(dāng)通道進(jìn)行相同的分解與重構(gòu)，再將各個通道的各頻段的重構(gòu)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(jī)來完成運(yùn)動想象任務(wù)分類。本發(fā)明提出的方法不僅對運(yùn)動想象腦電信號進(jìn)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(fù)小波與共空間模式結(jié)合的腦電特征提取方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于腦電信號處理領(lǐng)域，涉及一種雙樹復(fù)小波與共空間模式結(jié)合的腦電特征提取方法。
【背景技術(shù)】
[0002]對于那些神經(jīng)肌肉系統(tǒng)功能嚴(yán)重?fù)p傷的患者來說，急需一種新的與外界進(jìn)行交流的方法。而腦機(jī)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(jī)或其他電子設(shè)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(jī)接口的腦電信號類型有很多種，其中運(yùn)動想象腦電信號是應(yīng)用最多的類型之一，因為運(yùn)動想象腦電信號具有無需外界刺激，可實(shí)現(xiàn)異步通訊等優(yōu)點(diǎn)，符合BCI技術(shù)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(shí)。但腦電信號用于運(yùn)動想象識別方面，已經(jīng)取得了一定進(jìn)展。比較典型的應(yīng)用實(shí)例是德國圖賓根大學(xué)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(jī)光標(biāo)移動。奧地利Graz科技大學(xué)的Pfurtscheller等研究表明，當(dāng)人體作單邊的肢體運(yùn)動或想象運(yùn)動時，大腦對側(cè)產(chǎn)生事件相關(guān)去同步電位(ERD)，而大腦同側(cè)產(chǎn)生事件相關(guān)同步電位(ERS)。Pfurtscheller的實(shí)驗同時可以預(yù)測出左手還是右手的運(yùn)動，分類正確率達(dá)85%。2000年，Graz研究小組進(jìn)行了左右手兩種運(yùn)動想象分類的研究。目前，Pfurtscheller教授帶領(lǐng)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(yùn)動產(chǎn)生的腦電信號對系統(tǒng)進(jìn)行控制，部分受試者通過訓(xùn)練后，兩類的運(yùn)動想象識別率獲得 了高達(dá)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(jìn)行的研究是通過記錄大腦運(yùn)動感覺皮層的腦電信號來控制指針的一維或二維運(yùn)動。在其實(shí)驗中首先要訓(xùn)練被試者學(xué)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(shí)現(xiàn)光標(biāo)移動、字母拼寫和假肢控制等功能。德國Berlin工業(yè)大學(xué)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(yùn)動來進(jìn)行打字的拼寫。日本學(xué)者Yamawaki建立時頻模型對于運(yùn)動想象腦電信號進(jìn)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(jìn)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(luò)(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(xué)He等利用多任務(wù)想象運(yùn)動腦電信號控制虛擬環(huán)境中的直升機(jī)來完成前進(jìn)/后退、上升/下降、左/右旋轉(zhuǎn)等運(yùn)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(xué)的腦電信號研究小組開展了基于運(yùn)動想象的BCI光標(biāo)移動、康復(fù)輔助訓(xùn)練等系統(tǒng)研究，三類運(yùn)動想象任務(wù)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(xué)鄭崇勛等利用復(fù)雜度算法提取腦電信號，通過Mahalanobis距離判別式分析實(shí)現(xiàn)兩類意識任務(wù)分類，獲得了良好的效果。上海交通大學(xué)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(jī)進(jìn)行分類，結(jié)果表明該算法提高了分類準(zhǔn)確率。東南大學(xué)宋愛國等分別采用離散小波變換和AR模型對運(yùn)動想象的腦電信號進(jìn)行特征提取，兩類任務(wù)運(yùn)動想象識別率平均為89.5%。
[0006]一般認(rèn)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(zhǔn)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(yīng)，德國Berlin工業(yè)大學(xué)Blankertz等學(xué)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(jié)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(yùn)動的EEG數(shù)據(jù)進(jìn)行研究，尤其是隨意地選擇部分通道來進(jìn)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(biāo)，ArvaneKGao等學(xué)者進(jìn)一步研究通道優(yōu)化選擇問題，結(jié)果表明采用CSP及其擴(kuò)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(diǎn)，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(bǔ)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(yīng)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(fù)小波與共空間模式相結(jié)合的特征提取方法。為了彌補(bǔ)了 CSP空間濾波缺乏頻率信息的缺陷，提高了不同運(yùn)動想象任務(wù)所對應(yīng)的特征值的區(qū)分度，進(jìn)而提高分類器的識別準(zhǔn)確率。
[0009]為了實(shí)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(dāng)通道的運(yùn)動想象腦電信號。具體是，根據(jù)大腦進(jìn)行不同的運(yùn)動想象任務(wù)會激活大腦運(yùn)動皮層上的不同區(qū)域，選擇相對應(yīng)的電極，從而得到此電極采集的
運(yùn)動想象腦電信號，其采樣頻率為又。
[0011]步驟(2)求取適當(dāng)?shù)亩尾蓸宇l率fs，保證步驟(3)重構(gòu)得到的腦電信號的頻率范圍為O~30Hz。具體是，根據(jù)雙樹復(fù)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(jìn)行相應(yīng)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(jìn)行上采樣，反之進(jìn)行下采樣。
[0014]步驟(3)對腦電信號進(jìn)行雙樹復(fù)小波分解與重構(gòu)。具體是，先將二次采樣后的腦電信號進(jìn)行雙樹復(fù)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(yīng)的頻段，并將其重構(gòu)。
[0015]步驟(4)組合各通道的重構(gòu)信號并進(jìn)行CSP空間濾波。具體是，將各個適當(dāng)通道的重構(gòu)信號組合在一起，然后同時輸入到CSP空間濾波器中進(jìn)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(quán)利要求】
1.一種雙樹復(fù)小波與共空間模式結(jié)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(dāng)通道的運(yùn)動想象腦電信號；具體是，根據(jù)大腦進(jìn)行不同的運(yùn)動想象任務(wù)激活大腦運(yùn)動皮層上的不同區(qū)域，選擇相對應(yīng)的電極，從而得到此電極采集的運(yùn)動想象腦電信號，其采樣頻率為Z; 步驟(2)求取適當(dāng)?shù)亩尾蓸宇l率fs，保證步驟(3)重構(gòu)得到的腦電信號的頻率范圍為O~30Hz ;具體是，根據(jù)雙樹復(fù)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(jìn)行相應(yīng)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(jìn)行上采樣，反之進(jìn)行下采樣； 步驟(3)對腦電信號進(jìn)行雙樹復(fù)小波分解與重構(gòu)；具體是，先將二次采樣后的腦電信號進(jìn)行雙樹復(fù)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(yīng)的頻段，并將其重構(gòu)，其中δ對應(yīng)于0.5Hz~4Ηζ、Θ對應(yīng)于4Hz~8Ηζ、α對應(yīng)于8Hz~14Ηζ、β對應(yīng)于 14Hz ~30Hz ； 步驟(4)組合各通道的重構(gòu)信號并進(jìn)行CSP空間濾波；具體是，將各個適當(dāng)通道的重構(gòu)信號組合在一起，然后同時輸入到CSP空間濾波器中進(jìn)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(quán)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(xué)