專利名稱：基于ssvep阻斷和p300雙特征的腦-機(jī)接口方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)療器械領(lǐng)域，尤其涉及醫(yī)療器械領(lǐng)域中采用的基于SSVEP阻斷和P300雙特征的腦-機(jī)接口方法。
背景技術(shù)：
第一次腦-機(jī)接口(Brain-Computer Interface, BCI)國(guó)際會(huì)議給出的BCI的定義是“BCI是一種不依賴于大腦外圍神經(jīng)與肌肉正常輸出通道的通訊控制系統(tǒng)。”目前的研究成果中，它主要是通過(guò)采集和分析不同狀態(tài)下人的腦電信號(hào)，然后使用一定的工程技術(shù)手段在人腦與計(jì)算機(jī)或其它電子設(shè)備之間建立起直接的交流和控制通道，從而實(shí)現(xiàn)一種全新的信息交換與控制技術(shù)，可以為殘疾人特別是那些喪失了基本肢體運(yùn)動(dòng)功能但思維正常的病人提供一種與外界進(jìn)行信息交流與控制的途徑。即可以不需語(yǔ)言或肢體動(dòng)作，直接通過(guò)控制腦電來(lái)表達(dá)意愿或操縱外界設(shè)備。因此，BCI技術(shù)也越來(lái)越受到重視。 近年來(lái)，混合范式的BCI (Hybrid BCI，HBCI)作為BCI系統(tǒng)發(fā)展的一個(gè)新方向而受到了廣泛的研究。HBCI系統(tǒng)是將一個(gè)子BCI系統(tǒng)與其他人-機(jī)接口系統(tǒng)結(jié)合，從而更快、更準(zhǔn)地輸出控制命令。純混合范式的BCI (Pure hybrid BCI，PHBCI)系統(tǒng)則是將多個(gè)子BCI系統(tǒng)結(jié)合在一起。目前存在的PHBCI系統(tǒng)大多結(jié)合SSVEP與ERD信號(hào)，或者結(jié)合P300與ERD信號(hào)。這類PHBCI系統(tǒng)將多種不同EEG信號(hào)平行處理，即把不同的EEG信號(hào)用來(lái)處理不同的任務(wù)。這種混合方式雖然能夠在多任務(wù)情況下提高執(zhí)行效率，但是無(wú)法改善單一任務(wù)的判斷正確率。同為視覺(jué)誘發(fā)的P300電位與SSVEP腦電信號(hào)的結(jié)合存在著天然的便利性。P300電位是認(rèn)知電位，而SSVEP是由外界刺激被動(dòng)產(chǎn)生的，因此兩者的出現(xiàn)不存在機(jī)制上的矛盾。另一方面，P300電位的產(chǎn)生區(qū)域與SSVEP信號(hào)的產(chǎn)生區(qū)域存在差別，這又避免了兩種特征信號(hào)在空間上的沖突。Panicker等人提出了一種基于SSVEP和P300信號(hào)的異步PHBCI系統(tǒng)。這種系統(tǒng)的優(yōu)勢(shì)是利用SSVEP特征信號(hào)作為受試者的狀態(tài)開關(guān)，然而對(duì)于提高任務(wù)的判斷正確率仍然是無(wú)益的。

發(fā)明內(nèi)容
本發(fā)明旨在克服現(xiàn)有技術(shù)的不足，能夠同時(shí)誘發(fā)SSVEP阻斷特征與P300特征，并且可以在空間和頻域上將兩者分離開來(lái)，這兩種不同特征信號(hào)的有效結(jié)合能夠明顯地提高BCI系統(tǒng)的單任務(wù)判斷正確率，為達(dá)到上述目的，本發(fā)明采取的技術(shù)方案是，基于SSVEP阻斷和P300雙特征的腦-機(jī)接口方法，包括下列步驟視覺(jué)刺激誘發(fā)雙特征，采集存儲(chǔ)所產(chǎn)生腦電信號(hào)并進(jìn)行預(yù)處理，提取相應(yīng)的SSVEP阻斷和P300特征信號(hào)，使用線性判別分析進(jìn)行分類，從而將這些特征應(yīng)用于實(shí)驗(yàn)任務(wù)的模式識(shí)別。視覺(jué)刺激誘發(fā)SSVEP阻斷和P300雙特征，當(dāng)計(jì)算機(jī)屏幕上某一字符作為刺激即處于event時(shí)期，除該字符外，其他所有字符都亮暗交替呈現(xiàn)在屏幕上，處于event時(shí)期的字符亮度不變，但是字體形狀發(fā)生變化，交替呈現(xiàn)的頻率在6Hz以上，當(dāng)受試者接受非target刺激時(shí)，能夠誘發(fā)其產(chǎn)生SSVEP特征腦電；當(dāng)受試者接受target刺激時(shí)，SSVEP信號(hào)將受到阻斷，與此同時(shí)將產(chǎn)生P300電位。預(yù)處理包括將參考點(diǎn)轉(zhuǎn)換成左右乳突，且對(duì)各導(dǎo)聯(lián)信號(hào)進(jìn)行1-30HZ帶通濾波并降采樣至200Hz，然后再進(jìn)行信號(hào)分段，根據(jù)事件代碼將所分的信號(hào)數(shù)據(jù)段分為非目標(biāo)刺激和目標(biāo)刺激兩類；預(yù)處理之后，提取P300特征和SSVEP阻斷的特征。采用相干疊加平均提取P300特征多個(gè)實(shí)測(cè)信號(hào)樣本與時(shí)間基準(zhǔn)點(diǎn)對(duì)齊，再將與同一時(shí)間對(duì)應(yīng)的各樣本數(shù)據(jù)求和平均，即可確定誘發(fā)響應(yīng)的估值曲線，將按照目標(biāo)和非目標(biāo)事件代碼所對(duì)應(yīng)的分段數(shù)據(jù)進(jìn)行疊加平均，疊加方法如下=UnfjI-!■(；,,k=l其中，i =0或1，1代表目標(biāo)，0代表非目標(biāo)，n代表疊加的數(shù)據(jù)段個(gè)數(shù)，即疊加次數(shù)。SSVEP阻斷特征的提取步驟具體為在Oz等導(dǎo)聯(lián)處誘發(fā)了與閃爍頻率一致的SSVEP信號(hào)，而該SSVEP信號(hào)的能量又在target刺激發(fā)生時(shí)受到了抑制，這種信號(hào)被稱為SSVEP阻斷特征，采用AR模型參數(shù)計(jì)算對(duì)腦電信號(hào)做功率譜密度Power SpectralDensity, PSD估計(jì)，觀察信號(hào)功率譜密度PSD變化曲線，選用Burg方法和改進(jìn)的協(xié)方差進(jìn)行計(jì)算，在對(duì)于AR模型的階數(shù)進(jìn)行選擇時(shí),是先選擇一個(gè)稍大的k值,使用Levinson-Durbin遞推算法并計(jì)算FPE (k)的最小值，從而得到最為合適的階數(shù)k，并將這一參數(shù)應(yīng)用于功率譜估計(jì)當(dāng)中。本發(fā)明的技術(shù)特點(diǎn)及效果本發(fā)明所采用的兩種信號(hào)特征誘發(fā)機(jī)制不同，避免了機(jī)制上的矛盾；兩種信號(hào)的產(chǎn)生區(qū)域不同又避免了其空間上的沖突，并且可以在空間和頻域上將兩者分離開來(lái)，而這兩種不同特征信號(hào)的有效結(jié)合能夠明顯的提高BCI系統(tǒng)的單任務(wù)判斷正確率，可以得到完善的腦機(jī)接口系統(tǒng)，有望獲得可觀的社會(huì)效益和經(jīng)濟(jì)效益。


圖I新范式預(yù)期系統(tǒng)的結(jié)構(gòu)框圖。圖2P300_Speller 范式圖3P300-SSVEP_Speller 范式圖4P300_Speller 時(shí)序圖與 P300-SSVEP_Speller 時(shí)序圖(a)傳統(tǒng)范式時(shí)序圖(b)新范式時(shí)序5時(shí)域波形和15Hz的PSD變化曲線。(a) Cz導(dǎo)聯(lián)，(b) Oz導(dǎo)聯(lián)。圖6傳統(tǒng)范式與新型范式字符正確率平均結(jié)果對(duì)比
具體實(shí)施例方式本發(fā)明設(shè)計(jì)了一種基于SSVEP阻斷和P300雙特征的腦-機(jī)接口范式。正常人在受到不同頻率(一般大于6Hz)的閃爍刺激時(shí)，對(duì)應(yīng)的腦電里會(huì)出現(xiàn)和刺激頻率或其諧波一致的響應(yīng)，該響應(yīng)就是所謂的穩(wěn)態(tài)視覺(jué)誘發(fā)電位；P300則是在靶概率目標(biāo)刺激后300ms左右在腦電中出現(xiàn)的一個(gè)正峰；SSVEP阻斷則是在SSVEP和P300融合的新范式中出現(xiàn)的SSVEP信號(hào)的能量在目標(biāo)刺激發(fā)生時(shí)受到抑制的現(xiàn)象。基于雙特征范式設(shè)計(jì)的腦-機(jī)接口將SSVEP的阻斷特征和P300特征有效得結(jié)合起來(lái)對(duì)字符進(jìn)行識(shí)別，以期提高BCI系統(tǒng)的單任務(wù)判斷正確率。其技術(shù)流程是設(shè)計(jì)新范式實(shí)驗(yàn)，搭建好實(shí)驗(yàn)所需的腦電信號(hào)采集裝置，然后在實(shí)驗(yàn)系統(tǒng)指導(dǎo)下，采集操作者腦電信號(hào)數(shù)據(jù)，將其存儲(chǔ)后再進(jìn)行一定的預(yù)處理，最后使用線性判別分析進(jìn)行分類，以得到更高的正確率。本發(fā)明的主旨是提出一種新的誘發(fā)范式能同時(shí)誘發(fā)SSVEP阻斷和P300特征并將兩者結(jié)合起來(lái)來(lái)實(shí)現(xiàn)對(duì)字符的識(shí)別。該項(xiàng)發(fā)明所涉 及的兩種信號(hào)特征誘發(fā)機(jī)制不同，避免了機(jī)制上的矛盾；兩種信號(hào)的產(chǎn)生區(qū)域不同又避免了其空間上的沖突。進(jìn)一步研究可以得到完善的腦-機(jī)接口系統(tǒng)，有望獲得可觀的社會(huì)效益和經(jīng)濟(jì)效益。圖I為新范式預(yù)期系統(tǒng)的結(jié)構(gòu)示意圖。該設(shè)計(jì)包括腦電電極和腦電放大器等腦電采集系統(tǒng)和計(jì)算機(jī)等部分，其中計(jì)算機(jī)部分又包括EEG分析程序的設(shè)計(jì)和用戶界面主要是刺激誘發(fā)界面的設(shè)計(jì)。使用Neuroscan公司生產(chǎn)的腦電數(shù)字采集系統(tǒng)采集腦電，采集多通道的腦電數(shù)據(jù)，在原始腦電信號(hào)采集過(guò)程中，腦電采集裝置原始的參考點(diǎn)就位于Cz和Pz導(dǎo)聯(lián)的中間，大腦頂葉的中央位置(這是由腦電采集裝置確定的)。受試者安靜地坐于距屏幕約Im的靠椅上，注視計(jì)算機(jī)屏幕上的刺激范式的閃爍，閃爍過(guò)程中心中默數(shù)目標(biāo)字符閃爍的次數(shù)(有利于集中受試者精力)。在此過(guò)程中受試者腦電會(huì)產(chǎn)生相應(yīng)的變化腦電信號(hào)在大腦皮層產(chǎn)生，由腦電電極探測(cè)后經(jīng)過(guò)腦電放大器放大、濾波后輸入計(jì)算機(jī)。采集到得腦電數(shù)據(jù)再經(jīng)過(guò)后續(xù)的數(shù)據(jù)處理提取相應(yīng)的SSVEP阻斷和P300特征信號(hào)，從而將這些特征應(yīng)用于實(shí)驗(yàn)任務(wù)的模式識(shí)別。本發(fā)明要點(diǎn)在于視覺(jué)刺激誘發(fā)方案的設(shè)計(jì)及模式識(shí)別等技術(shù)環(huán)節(jié)。I視覺(jué)刺激誘發(fā)方案的設(shè)計(jì)傳統(tǒng)P300-Speller設(shè)計(jì)基于Farwell字符矩陣實(shí)驗(yàn)，如圖2所示。在計(jì)算機(jī)屏幕上顯示3X3的字符矩陣，字符按時(shí)間順序隨機(jī)閃爍，給予受試者相應(yīng)的刺激。在一個(gè)刺激組(round)內(nèi)，所有字符不重復(fù)閃爍(event)—次，即受試者能夠接受9種不同的視覺(jué)刺激。當(dāng)受試者所關(guān)注的目標(biāo)字符(target)閃爍時(shí)，即受試者接受target刺激時(shí)，可誘發(fā)其腦電產(chǎn)生P300成分。而其他字符對(duì)受試者的刺激，即接受nontarget刺激時(shí)，不能誘發(fā)其產(chǎn)生P300電位。因此，該BCI系統(tǒng)可以通過(guò)判斷P300電位的有無(wú)來(lái)確定受試者的目標(biāo)字符。提出的P300-SSVEP_Speller在Farwell字符矩陣實(shí)驗(yàn)的基礎(chǔ)上做了改進(jìn)，如圖3所示。每個(gè)字符不再以閃爍方式刺激受試者，而是通過(guò)改變字體刺激其產(chǎn)生P300電位。與此同時(shí)，其他字符以一定頻率穩(wěn)定閃爍。當(dāng)字符5作為刺激時(shí)，圖3a和圖3b分別在計(jì)算機(jī)屏幕上交替呈現(xiàn)，其頻率為15Hz。因此，當(dāng)受試者接受非target刺激時(shí)，能夠誘發(fā)其產(chǎn)生SSVEP特征腦電；當(dāng)受試者接受target刺激時(shí)，SSVEP信號(hào)將受到阻斷，與此同時(shí)將產(chǎn)生P300電位。Target刺激就是受試者所關(guān)注的字符發(fā)生了動(dòng)作變化，如果受試者現(xiàn)在關(guān)注著字符2，那么只有字符2改變字體才是target刺激。圖4a是傳統(tǒng)P300-speller范式的單個(gè)字符閃爍時(shí)序圖。可以發(fā)現(xiàn)，在字符發(fā)生event外，其他時(shí)間都是空白期，即該字符不產(chǎn)生任何動(dòng)作。圖4b是筆者提出的P300-SSVEP-Speller范式的單個(gè)字符閃爍時(shí)序圖。與傳統(tǒng)范式相比，新范式將原有的空白期換成閃爍期，即在發(fā)生event外，該字符一直以某個(gè)固定的頻率閃爍。 2腦電數(shù)據(jù)的特征提取通常認(rèn)為P300電位在Cz導(dǎo)聯(lián)處最明顯，而SSVEP在Oz導(dǎo)聯(lián)處最易觀察。因此通過(guò)分析Cz和Oz導(dǎo)聯(lián)處的數(shù)據(jù)來(lái)分析新范式下誘發(fā)的腦電特征。在對(duì)信號(hào)做處理之前首先要對(duì)信號(hào)做預(yù)處理，包括變參考，去噪，降采樣和信號(hào)分段等。其中，將參考點(diǎn)轉(zhuǎn)換成左右乳突，且對(duì)各導(dǎo)聯(lián)信號(hào)進(jìn)行1-30HZ帶通濾波并降采樣至200Hz。在數(shù)據(jù)中找到各事件代碼，并截取事件代碼之前400ms到該代碼之后IOOOms的數(shù)據(jù)為一個(gè)數(shù)據(jù)段。并按目標(biāo)刺激與非目標(biāo)刺激進(jìn)行分類。2. 1P300 特征提取由于P300信號(hào)與自發(fā)腦電呈加性關(guān)系，而且是與刺激呈鎖時(shí)關(guān)系，加上良好的實(shí)驗(yàn)數(shù)據(jù)，實(shí)驗(yàn)中將采用相干疊加平均來(lái)對(duì)P300信號(hào)做特征提取。 多個(gè)實(shí)測(cè)信號(hào)樣本與時(shí)間基準(zhǔn)點(diǎn)對(duì)齊，再將與同一時(shí)間對(duì)應(yīng)的各樣本數(shù)據(jù)求和平均，即可確定誘發(fā)響應(yīng)的估值曲線，這種估計(jì)方法稱為相干疊加平均技術(shù)。它隱藏了 2個(gè)重要的前提I自發(fā)腦電可以看作是零均值、方差確定的平穩(wěn)隨機(jī)信號(hào)，對(duì)于每一次刺激它們之間都是互不相關(guān)的。2 一次實(shí)驗(yàn)中，使用相同的刺激條件，可以將P300近似認(rèn)為是一個(gè)確定性的信號(hào)，并且該信號(hào)與自發(fā)腦電是相互獨(dú)立的。實(shí)驗(yàn)中，將按照目標(biāo)和非目標(biāo)事件代碼所對(duì)應(yīng)的分段數(shù)據(jù)進(jìn)行疊加平均。疊加方法如下廠人丫=I/" X 肌;,.』.
k=l其中，i = 0或I (I代表目標(biāo)，0代表非目標(biāo))，n代表疊加的數(shù)據(jù)段個(gè)數(shù)，即疊加次數(shù)。EEGi—當(dāng)i=0時(shí)，為分段的非目標(biāo)刺激對(duì)應(yīng)的腦電信號(hào)經(jīng)相干疊加平均后所得的腦電數(shù)據(jù)。當(dāng)i=l時(shí)，為分段的目標(biāo)刺激對(duì)應(yīng)的腦電信號(hào)經(jīng)相干疊加平均后所得的腦電數(shù)據(jù)。EEGik—當(dāng)i=0時(shí)，為非目標(biāo)刺激對(duì)應(yīng)的腦電數(shù)據(jù)中，第k個(gè)數(shù)據(jù)段。k與疊加次數(shù)n有關(guān)，k(l，2，…，n)。當(dāng)i=l時(shí)，為目標(biāo)刺激對(duì)應(yīng)的腦電數(shù)據(jù)中，第k個(gè)數(shù)據(jù)段。k與疊加次數(shù)n有關(guān)，k (1,2,…，n)。2. 2SSVEP阻斷的特征提取新范式在保證不影響原有P300信號(hào)產(chǎn)生的同時(shí)，在Oz等導(dǎo)聯(lián)處誘發(fā)了與閃爍頻率一致的SSVEP信號(hào)。而該SSVEP信號(hào)的能量又在target刺激發(fā)生時(shí)受到了抑制，這種信號(hào)被稱為SSVEP阻斷特征。腦電信號(hào)屬于隨機(jī)信號(hào)，可以用功率譜密度來(lái)表征它的統(tǒng)計(jì)平均譜特性。經(jīng)典譜估計(jì)中最常使用的是韋爾奇(Welch)方法，現(xiàn)代譜估計(jì)多以自回歸(Auto-Regressive,簡(jiǎn)稱AR)模型參數(shù)計(jì)算求解EEG的功率譜密度,其頻率分辨性能優(yōu)于經(jīng)典譜估計(jì)。這里用AR模型參數(shù)計(jì)算對(duì)腦電信號(hào)做功率譜密度(Power Spectral Density,PSD)估計(jì)，觀察信號(hào)功率譜密度(PSD)變化曲線，選用了 Burg方法和改進(jìn)的協(xié)方差進(jìn)行計(jì)算，在對(duì)于AR模型的階數(shù)進(jìn)行選擇時(shí)，是先選擇一個(gè)稍大的值，在遞推過(guò)程中確定。使用Levinson-Durbin遞推算法并計(jì)算FPE (k)的最小值,從而得到最為合適的階數(shù)k (實(shí)驗(yàn)中得到的k為10)，并將這一參數(shù)應(yīng)用于功率譜估計(jì)當(dāng)中。AR-自回歸模型(Auto-Regressive)。FPE-最小最終預(yù)報(bào)誤差準(zhǔn)則(Final Prediction Error)。圖4中，blank——空白，無(wú)動(dòng)作，表示范式?jīng)]有變化；flash——閃爍，范式中各字符亮暗交替呈現(xiàn)，呈現(xiàn)頻率在6Hz以上；eVent——事件，指刺激，即某一字符亮度不變，但是字體形狀發(fā)生變化。圖5中，amplitude-幅度，指信號(hào)的振幅；PSD-功率譜密度；target-目
標(biāo)，受試者所關(guān)注和想要輸出的字符；n0ntarget——非目標(biāo)，相對(duì)于目標(biāo)而言，所有不是目標(biāo)的均為非目標(biāo)字符。有益效果按照以上我們?cè)O(shè)計(jì)的基于SSVEP阻斷和P300雙特征的混合范式以及實(shí)驗(yàn)程序進(jìn)行字符選擇任務(wù)的實(shí)驗(yàn)，并以傳統(tǒng)的P300-Speller實(shí)驗(yàn)作為對(duì)照。對(duì)采集到的所有數(shù)據(jù)進(jìn) 行預(yù)處理并提取特征，得到了有效且明顯的SSVEP阻斷和P300特征，如圖4所示，從時(shí)域波形上看，當(dāng)大腦在接受新范式的target刺激時(shí),仍然能夠在Cz和Oz導(dǎo)聯(lián)處產(chǎn)生明顯的P300電位，而在nontarget刺激的情況下不產(chǎn)生P300電位。另外，Oz導(dǎo)聯(lián)處的信號(hào)在沒(méi)有target刺激的情況下，存在穩(wěn)定的15Hz振蕩。這可以從15Hz的PSD變化曲線上獲得驗(yàn)證，即大腦在接受target刺激時(shí)，Oz導(dǎo)聯(lián)處的PSD要明顯低于nontarget刺激處的PSD。對(duì)12位受試者分別使用P300_Speller和P300-SSVEP_Speller的判斷正確率進(jìn)行了比較。其中，ERP特征采用0. I-IOHz的時(shí)域波形表示，SSVEPB特征采用15Hz的時(shí)域波形表示，采樣率為30Hz。利用9折交叉驗(yàn)證的SWLDA對(duì)其分類。從所有受試者的平均結(jié)果來(lái)看(如圖5所示)，新范式在不同選擇次數(shù)下的正確率均高于傳統(tǒng)范式，最高可達(dá)99. 63%。利用配對(duì)t檢驗(yàn)對(duì)上述結(jié)果進(jìn)行分析，發(fā)現(xiàn)新范式的字符識(shí)別正確率顯著性的高于傳統(tǒng)范式的字符識(shí)別正確率(p_value〈0. 05)。實(shí)驗(yàn)結(jié)果說(shuō)明利用融合了 SSVEP阻斷和P300特征的新范式所做的Speller系統(tǒng)的識(shí)別正確率要比傳統(tǒng)的P300-Speller的識(shí)別正確率高。本發(fā)明設(shè)計(jì)了一種基于SSVEP阻斷和P300雙特征的腦-機(jī)接口范式，以實(shí)現(xiàn)不同特征融合在腦-機(jī)接口技術(shù)中的應(yīng)用研究。進(jìn)一步研究可以得到完善的腦機(jī)接口系統(tǒng)，有望獲得可觀的社會(huì)效益和經(jīng)濟(jì)效益。
權(quán)利要求
1.一種基于SSVEP阻斷和P300雙特征的腦-機(jī)接口方法，其特征是，包括下列步驟視覺(jué)刺激誘發(fā)雙特征，采集存儲(chǔ)所產(chǎn)生腦電信號(hào)并進(jìn)行預(yù)處理，提取相應(yīng)的SSVEP阻斷和P300特征信號(hào)，使用線性判別分析進(jìn)行分類，從而將這些特征應(yīng)用于實(shí)驗(yàn)任務(wù)的模式識(shí)別。
2.如權(quán)利要求I所述的基于SSVEP阻斷和P300雙特征的腦-機(jī)接口方法，其特征是，視覺(jué)刺激誘發(fā)SSVEP阻斷和P300雙特征當(dāng)計(jì)算機(jī)屏幕上某一字符作為刺激即處于event時(shí)期，除該字符外，其他所有字符都亮暗交替呈現(xiàn)在屏幕上，處于event時(shí)期的字符亮度不變，但是字體形狀發(fā)生變化，交替呈現(xiàn)的頻率在6Hz以上，當(dāng)受試者接受非target刺激時(shí)，能夠誘發(fā)其產(chǎn)生SSVEP特征腦電；當(dāng)受試者接受target刺激時(shí)，SSVEP信號(hào)將受到阻斷，與此同時(shí)將產(chǎn)生P300電位。
3.如權(quán)利要求I所述的基于SSVEP阻斷和P300雙特征的腦-機(jī)接口方法，其特征是，預(yù)處理包括將參考點(diǎn)轉(zhuǎn)換成左右乳突，且對(duì)各導(dǎo)聯(lián)信號(hào)進(jìn)行1-30HZ帶通濾波并降采樣至200Hz，然后再進(jìn)行信號(hào)分段，根據(jù)事件代碼將所分的信號(hào)數(shù)據(jù)段分為非目標(biāo)刺激和目標(biāo)刺激兩類；預(yù)處理之后，提取P300特征和SSVEP阻斷的特征。
4.如權(quán)利要求I所述的基于SSVEP阻斷和P300雙特征的腦-機(jī)接口方法，其特征是，采用相干疊加平均提取P300特征 多個(gè)實(shí)測(cè)信號(hào)樣本與時(shí)間基準(zhǔn)點(diǎn)對(duì)齊，再將與同一時(shí)間對(duì)應(yīng)的各樣本數(shù)據(jù)求和平均，即可確定誘發(fā)響應(yīng)的估值曲線，將按照目標(biāo)和非目標(biāo)事件代碼所對(duì)應(yīng)的分段數(shù)據(jù)進(jìn)行疊加平均，疊加方法如下 其中，i = 0或1，I代表目標(biāo)，0代表非目標(biāo)，n代表疊加的數(shù)據(jù)段個(gè)數(shù)，即疊加次數(shù)。
SSVEP阻斷特征的提取步驟具體為在Oz等導(dǎo)聯(lián)處誘發(fā)了與閃爍頻率一致的SSVEP信號(hào)，而該SSVEP信號(hào)的能量又在target刺激發(fā)生時(shí)受到了抑制，這種信號(hào)被稱為SSVEP阻斷特征，采用AR模型參數(shù)計(jì)算對(duì)腦電信號(hào)做功率譜密度Power Spectral Density, PSD估計(jì)，觀察信號(hào)功率譜密度PSD變化曲線，選用Burg方法和改進(jìn)的協(xié)方差進(jìn)行計(jì)算，在對(duì)于AR模型的階數(shù)進(jìn)行選擇時(shí)，是先選擇一個(gè)稍大的k值,使用Levinson-Durbin遞推算法并計(jì)算FPE (k)的最小值，從而得到最為合適的階數(shù)k，并將這一參數(shù)應(yīng)用于功率譜估計(jì)當(dāng)中。
全文摘要
本發(fā)明涉及醫(yī)療器械領(lǐng)域。為能夠同時(shí)誘發(fā)SSVEP阻斷特征與P300特征，并且可以在空間和頻域上將兩者分離開來(lái)，這兩種不同特征信號(hào)的有效結(jié)合能夠明顯地提高BCI系統(tǒng)的單任務(wù)判斷正確率，為達(dá)到上述目的，本發(fā)明采取的技術(shù)方案是，基于SSVEP阻斷和P300雙特征的腦-機(jī)接口方法，包括下列步驟視覺(jué)刺激誘發(fā)雙特征，采集存儲(chǔ)所產(chǎn)生腦電信號(hào)并進(jìn)行預(yù)處理，提取相應(yīng)的SSVEP阻斷和P300特征信號(hào)，使用線性判別分析進(jìn)行分類，從而將這些特征應(yīng)用于實(shí)驗(yàn)任務(wù)的模式識(shí)別。本發(fā)明主要應(yīng)用于醫(yī)療器械的設(shè)計(jì)制造。
文檔編號(hào)G06F3/01GK102778949SQ20121019557
公開日2012年11月14日 申請(qǐng)日期2012年6月14日 優(yōu)先權(quán)日2012年6月14日
發(fā)明者萬(wàn)柏坤, 明東, 李南南, 柯余峰, 綦宏志, 許敏鵬, 陳龍 申請(qǐng)人:天津大學(xué)