本發(fā)明涉及腦機(jī)接口異步ssvep系統(tǒng)，具體涉及一種用于ssvep信號異步控制態(tài)判別的方法。

背景技術(shù)：

1、穩(wěn)態(tài)視覺誘發(fā)電位(steady-state?visual?evoked?potential，ssvep)信號在許多應(yīng)用領(lǐng)域中都具有潛力，在腦機(jī)接口中，ssvep信號可以用于實(shí)現(xiàn)高速的、精確的神經(jīng)反饋交互，尤其在需要快速決策和響應(yīng)的任務(wù)中?；趕svep的bci系統(tǒng)又分為同步ssvep系統(tǒng)和異步ssvep系統(tǒng)，與同步ssvep系統(tǒng)不同，異步ssvep系統(tǒng)是一種更加自由和靈活的方法，用戶可以自主選擇關(guān)注的目標(biāo)，而不依賴特定頻率的刺激，這使得系統(tǒng)更加自然，用戶體驗(yàn)更好。

2、制約異步ssvep-bci系統(tǒng)的核心問題之一是關(guān)于異步系統(tǒng)中控制態(tài)(ic)與空閑態(tài)(nc)的識別。傳統(tǒng)對于ssvep信號異步控制態(tài)判別的方法主要采用基于ssvep信號本身特征，即從空間濾波器選擇、特征提取以及分類器挑選三個方面展開，該種實(shí)現(xiàn)方法不依靠其他生理信號，能夠滿足易用性要求和應(yīng)用場景的需要，但目前研究中所選ssvep信號特征不滿足特異性和一般性的要求，且多為線性特征。因此系統(tǒng)精度不能讓人滿意，需要設(shè)計(jì)新的信號特征，結(jié)合已有算法，提升系統(tǒng)精度。

技術(shù)實(shí)現(xiàn)思路

1、為了克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種用于ssvep信號異步控制態(tài)判別的方法，基于非線性動力學(xué)，構(gòu)建冒泡遞歸圖，提取遞歸圖量化特征，提高ssvep信號異步控制態(tài)判別準(zhǔn)確率。

2、為了達(dá)到上述目的，本發(fā)明采取的技術(shù)方案為：

3、一種用于ssvep信號異步控制態(tài)判別的方法，包括：對預(yù)處理后的ssvep信號基于多通道求平均，進(jìn)行相空間重構(gòu)；對重構(gòu)后的多維信號基于冒泡排序構(gòu)建冒泡遞歸圖；對遞歸圖提取遞歸率、確定性、平均對角線長度、香農(nóng)熵四種量化特征；最后通過支持向量機(jī)完成對控制態(tài)的判別。

4、一種用于ssvep信號異步控制態(tài)判別的方法，包括以下步驟：

5、步驟1)ssvep信號采集：采集被試枕區(qū)附近多通道ssvep信號，之后經(jīng)過放大、濾波與數(shù)模轉(zhuǎn)化處理；

6、步驟2)信號預(yù)處理；

7、步驟3)構(gòu)建ssvep信號冒泡遞歸圖模型；

8、步驟4)量化特征提??；

9、步驟5)訓(xùn)練支持向量機(jī)；

10、步驟6)利用支持向量機(jī)模型完成對測試ssvep信號的控制態(tài)判別。

11、所述步驟1)中基于被試頭部枕區(qū)布置6個測量電極：oz、o1、o2、po3、poz、po4，在其單側(cè)耳垂布置參考電極fpz，在其前額處布置地電極gnd，通過使用get.c腦電采集帽進(jìn)行腦電信號采集。

12、所述步驟2)中首先對采集到的信號進(jìn)行帶通濾波，然后對通道信號進(jìn)行求平均，最后對所得信號進(jìn)行去趨勢項(xiàng)和平滑處理。

13、所述步驟3)中首先對步驟2)所得一維信號進(jìn)行相空間重構(gòu)，對重構(gòu)多維信號通過冒泡排序構(gòu)建二值冒泡遞歸圖。

14、所述步驟4)中利用步驟3)中獲得的冒泡遞歸圖模型，提取遞歸圖遞歸率、確定性、平均對角線長度、香農(nóng)熵四種量化特征。

15、所述步驟5)中針對各個刺激頻率，選擇一組訓(xùn)練數(shù)據(jù)，基于訓(xùn)練數(shù)據(jù)獲得步驟4)中的遞歸圖量化特征，訓(xùn)練一個線性二分類支持向量機(jī)。

16、所述步驟6)中利用步驟5)中所獲得的支持向量機(jī)模型完成對測試ssvep信號控制態(tài)的判別。

17、和現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：本發(fā)明針對現(xiàn)有識別方法對ssvep信號異步控制態(tài)判別準(zhǔn)確率較低、成本較高等問題，從非線性動力學(xué)角度出發(fā)，提出了一種基于冒泡遞歸圖的異步ssvep信號控制態(tài)判別方法，為提高異步ssvep信號控制態(tài)的判別提供新方法和新思路，其具有如下優(yōu)越性：

18、(1)由于本發(fā)明所用方法不需要借助其他生理信號的輔助，降低使用成本，所以為異步ssvep系統(tǒng)應(yīng)用提供了前景。

19、(2)由于本發(fā)明中所構(gòu)建的冒泡遞歸圖模型不依靠于閾值，所以提供了將來此方法用于跨被試遷移的可能性。

20、(3)由于本發(fā)明采用方法實(shí)現(xiàn)簡單，方便在各種基于ssvep的系統(tǒng)中布置使用。與基于深度學(xué)習(xí)方法相比，本方法所需訓(xùn)練模板較少，并且具備較高準(zhǔn)確率。

技術(shù)特征：

1.一種用于ssvep信號異步控制態(tài)判別的方法，其特征在于，包括：對預(yù)處理后的信號基于多通道求平均，進(jìn)行相空間重構(gòu)；對重構(gòu)后的多維信號基于冒泡排序構(gòu)建冒泡遞歸圖；對遞歸圖提取遞歸率、確定性、平均對角線長度、香農(nóng)熵四種量化特征；最后通過支持向量機(jī)完成對控制態(tài)的判別。

2.一種用于ssvep信號異步控制態(tài)判別的方法，其特征在于，包括以下步驟：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟1)中基于被試頭部枕區(qū)布置6個測量電極：oz、o1、o2、po3、poz、po4，在其單側(cè)耳垂布置參考電極fpz，在其前額處布置地電極gnd，通過使用get.c腦電采集帽進(jìn)行腦電信號采集。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，、所述步驟2)中首先對采集到的信號進(jìn)行帶通濾波，然后對通道信號進(jìn)行求平均，最后對所得信號進(jìn)行去趨勢項(xiàng)和平滑處理。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟3)中首先對步驟2)所得一維信號進(jìn)行相空間重構(gòu)，對重構(gòu)多維信號通過冒泡排序構(gòu)建二值冒泡遞歸圖。

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟4)中利用步驟3)中獲得的冒泡遞歸圖模型，提取遞歸圖遞歸率、確定性、平均對角線長度、香農(nóng)熵四種量化特征。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟5)中針對各個刺激頻率，選擇一組訓(xùn)練數(shù)據(jù)，基于訓(xùn)練數(shù)據(jù)獲得步驟4)中的遞歸圖量化特征，訓(xùn)練一個線性二分類支持向量機(jī)。

8.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟6)中利用步驟5)中所獲得的支持向量機(jī)模型完成對測試ssvep信號控制態(tài)的判別。

技術(shù)總結(jié)
一種用于SSVEP信號異步控制態(tài)判別的方法，包括：對預(yù)處理后的信號基于多通道求平均，進(jìn)行相空間重構(gòu)；對重構(gòu)后的多維信號基于冒泡排序構(gòu)建冒泡遞歸圖；對遞歸圖提取遞歸率、確定性、平均對角線長度、香農(nóng)熵四種量化特征；最后通過支持向量機(jī)完成對控制態(tài)的判別；本發(fā)明基于非線性動力學(xué)，提高SSVEP信號異步控制態(tài)判別準(zhǔn)確率。

技術(shù)研發(fā)人員：徐光華,郭曉冰,白淑文,謝杰仁,李輝,江翰立,潘雷俊
受保護(hù)的技術(shù)使用者：西安交通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19