基于小波变换和BP神经网络的脑电特征提取方法技术

本发明专利技术是脑机接口系统想象动作脑电信号特征的提取方法，特别是基于小波变换和ＢＰ神经网络的脑电特征提取方法。本发明专利技术是以想象动作思维引起的能量变化作为区分左右手想象运动的特征，按照平均功率公式分别计算出想象左右手动作从Ｃ３、Ｃ４通道获取的脑电信号（以下简称左右手Ｃ３、Ｃ４）在０～９ｓ内所有采样点对应的平均功率。设置时间窗，对加窗段的数据进行离散二进小波变换，选取第六尺度上的逼近信号ａ６，作为信号特征；以ＢＰ神经网络作为分类器进行分类。本文采用离散小波变换和ＢＰ神经网络提取想象运动电位的方法有助于提高想象动作电位的信噪比和识别正确率；另外，小波变换是一种线性变换，计算速度快，适合于在线分析。

【技术实现步骤摘要】

本专利技术涉及脑机接口(brain-computer interface，BCI)系统想象动作脑电信号特征的提取方法，特别涉及利用离散小波变换和BP神经网络提取想象动作脑电特征的方法。
技术介绍
脑-机接口(brain-computer interface，BCI)是指一种不依赖于脑的正常输出通路(即外周神经和肌肉)的脑-机(计算机或其它装置)通讯系统，它是一种全新的通讯和控制方法。BCI系统通常由四个部分组成：即信号采集系统、信号处理系统、模式识别系统和控制装置系统，如图1所示。信号分析和处理环节是每个BCI系统的核心部分，其功能是将输入的脑电信号转换成控制外界装置的输出信号。想象运动是在动作未发生的情况下，对将要发生的动作的一种预测。当人们想象单侧肢体运动时，大脑对侧的运动感觉区的mu节律和beta节律能量减小，而同侧的运动感觉区mu节律和beta节律能量增大，这是大脑神经元突触后电位相互削弱和增强的结果。这种现象也被称为事件相关去同步和事件相关同步。也就是说，这两种现象反映了特定频率段上的脑电信号，在能量上的减小或增加变化。它成为判断左右手想象运动最根本的依据。但是利用现有技术，如叠加平均法、快速傅立叶变换法，自回归模型谱估计，独立分量分析等方法，从含有大量噪声的脑电信号中提取出特征信号，存在着低信-->噪比、识别准确率不高，识别速度慢等缺点。
技术实现思路
为了改善现有技术的不足，本专利技术的目的是以想象动作思维引起的能量变化作为区分左右手想象运动的特征，提供一种基于离散小波变换和BP神经网络相结合的方法，对含有大量噪声的原始脑电信号进行特征提取及脑电分类，以提高信噪比，分类准确率和通讯速度。为了实现上述目的，本专利技术采用了如下技术方案：通过电极帽采集脑电信号，受试者进行N次想象动作试验，分别包含想象左手动作和想象右手动作试验各次。数据由差分电极从国际标准的10～20导联系统的C3，C4通道获得(如图1所示)。采集到的脑电信号经过放大，模数(A/D)转换等前置处理后传送到计算机中，并以信号电压幅值形式存储于存储器中。利用计算机实现小波变换和BP神经网络相结合组成的小波神经网络对脑电信号进行特征提取和分类。N的取值范围是140～300；该方法依次包括下列步骤：1.脑电信号预处理1)计算想象左手动作的平均功率按照平均功率公式P(j)‾=1NΣi=1Nxf(i,j)2]]>计算次想象左手动作从C3、C4通道获取的脑电信号(以下简称左手C3和左手C4)在0～9s内所有采样点对应的平均功率PLC3、PLC4，式中为第j个脑电数据所有次试验的平均功率，N为实验次数，xf(i，j)2为第i次第j个脑电数据。对求出的平均功率设置3.5～8s-->的时间窗；处理过程如图3所示。2)计算想象右手动作的平均功率 同理，按照平均功率公式P(j)‾=1NΣi=1Nxf(i,j)2]]>，计算次想象右手动作从C3、C4通道获取的脑电信号(以下简称右手C3和右手C4)在0～9s内所有采样点对应的平均功率PRC3、PRC4。对求出的平均功率设置3.5～8s的时间窗。处理过程如图4所示。2.离散小波变换1)左手C3、C4的离散小波变换对左手C3、C4在加窗段内的平均功率进行离散二进小波变换。选用Daubechies类db5小波，采用6层分解。分解结果如图5所示，可以看出左手C3在尺度6上的逼近信号L3a6高于左手C4在尺度6上的逼近信号L4a6。2)右手C3、C4的离散小波变换同理，对右手C3、C4在加窗段内的平均功率进行离散二进小波变换。同样选用Daubechies类db5小波，采用6层分解。分解结果如图6所示，可以看出右手C3在尺度6上的逼近信号R3a6低于右手C4在尺度6上的逼近信号R4a6。经上述分析可知，对于尺度6上的逼近信号a6，左右手存在明显差异。该差异表现为左手C3在尺度6上的逼近信号L3a6高于左手C4在尺度6上的逼近信号L4a6，而右手C3在尺度6上的逼近信号R3a6则低于右手C4在尺度6上的逼近信号R4a6。因此需要按照公式La6＝L3a6-L4a6，Ra6＝R3a6-R4a6计算出左右手C3、C4在尺度6上的逼近信号a6的差值La6和Ra6。选取La6和Ra6作为区分-->左右手的特征量。其中，所述的离散二进小波变换，一维快速分解与重建算法为：Aj+1df=Σkh(k-2n)AjdfDj+1f=Σkg(k-2n)Ajdf---(1)]]>Ajdf=Σkh(n-2k)Aj+1df+Σkg(n-2k)Djf---(2)]]>上式中h(n)和g(n)称为共轭镜像滤波器组，分别对应于低通和高通滤波器的单位脉冲响应。式(1)为小波分解公式，信号f(t)可从j尺度到j+1尺度进行逐步分解。原始信号f(t)=A0df]]>，其小波分解为{AJdf，(Djf)1≤j≤J本文档来自技高网...

【技术保护点】
基于小波变换和ＢＰ神经网络的脑电特征提取方法，通过电极帽采集脑电信号，受试者进行Ｎ次想象动作试验，分别包含想象左手动作和想象右手动作试验各１／２Ｎ次；采集到的脑电信号经过放大，模数转换前置处理后传送到计算机中，并以信号电压幅值形式存储于存储器中；其特征在于，所述的Ｎ的取值范围是１４０～３００；依次包括下列步骤：　　　　１）脑电信号预处理　　　　ｉ）计算想象左手动作的平均功率　　　　按照平均功率公式＊↓［（ｊ）］＝１／Ｎ＊ｘ↓［ｆ（ｉ，ｊ）］↑［２］计算１／２Ｎ次想象左手动作从Ｃ３、Ｃ４通道获取的脑电信号在０～９ｓ内所有采样点对应的平均功率ＰＬＣ３、ＰＬＣ４，式中＊↓［（ｊ）］为第ｊ个脑电数据所有次试验的平均功率，Ｎ为实验次数，ｘ↓［ｆ（ｉ，ｊ）］↑［２］为第ｉ次第ｊ个脑电数据；对ＰＬＣ３、ＰＬＣ４设置３．５～８ｓ的时间窗；记加窗后左手Ｃ３、Ｃ４通道对应的平均功率分别为ＰＬＣ３′、ＰＬＣ４′；　　　　ｉｉ）计算想象右手动作的平均功率　　　　按照平均功率公式＊↓［（ｊ）］＝１／Ｎ＊ｘ↓［ｆ（ｉ，ｊ）］↑［２］，计算１／２Ｎ次想象右手动作从Ｃ３、Ｃ４通道获取的脑电信号在０～９ｓ内所有采样点对应的平均功率ＰＲＣ３、ＰＲＣ４；对ＰＲＣ３、ＰＲＣ４设置３．５～８ｓ的时间窗；加窗后右手Ｃ３、Ｃ４对应的平均功率分别为ＰＲＣ３′、ＰＲＣ４′；　　　　２）离散小波变换　　　　ｉ）左手Ｃ３、Ｃ４的离散小波变换　　　　对左手Ｃ３、Ｃ４在加窗段内的平均功率ＰＬＣ３′、ＰＬＣ４′进行离散二进小波变换；选用Ｄａｕｂｅｃｈｉｅｓ类ｄｂ５小波，采用六层分解；　　　　ｉｉ）右手Ｃ３、Ｃ４的离散小波变换　　　　对右手Ｃ３、Ｃ４在加窗段内的平均功率ＰＲＣ３′、ＰＲＣ４′分别进行离散二进小波变换；同样选用Ｄａｕｂｅｃｈｉｅｓ类ｄｂ５小波，采用六层分解；　　　　按照公式Ｌａ６＝Ｌ３ａ６－Ｌ４ａ６，Ｒａ６＝Ｒ３ａ６－Ｒ４ａ６计算出左右手Ｃ３、Ｃ４在尺度６上的逼近信号ａ６的差值Ｌａ６和Ｒａ６；其中：Ｌ３ａ６、Ｌ４ａ６分别为左手Ｃ３、Ｃ４在尺度６上的逼近信号，Ｒ３ａ６、Ｒ４ａ６分别为右手Ｃ３、Ｃ４在尺度６上的逼近信号；选取Ｌａ６和Ｒａ６作为区分左右手的特征量；　　　　３）利用ＢＰ神经网络对特征量进行分类　　　　按照建立ＢＰ神经网络、对特征量进行训练、仿真的步骤来完成这一过程。...

【技术特征摘要】
1.基于小波变换和BP神经网络的脑电特征提取方法，通过电极帽采集脑电信号，受试者进行N次想象动作试验，分别包含想象左手动作和想象右手动作试验各次；采集到的脑电信号经过放大，模数转换前置处理后传送到计算机中，并以信号电压幅值形式存储于存储器中；其特征在于，所述的N的取值范围是140～300；依次包括下列步骤：1)脑电信号预处理i)计算想象左手动作的平均功率按照平均功率公式P(j)‾=1NΣi=1Nxf(i,j)2]]>计算次想象左手动作从C3、C4通道获取的脑电信号在0～9s内所有采样点对应的平均功率PLC3、PLC4，式中为第j个脑电数据所有次试验的平均功率，N为实验次数，xf(i，j)2为第i次第j个脑电数据；对PLC3、PLC4设置3.5～8s的时间窗；记加窗后左手C3、C4通道对应的平均功率分别为PLC3′、PLC4′；ii)计算想象右手动作的平均功率按照平均功率公式P(j)‾=1NΣi=1Nxf(i,j)2]]>，计算次想象右手动作从C3、C4通道获取...

【专利技术属性】
技术研发人员：李明爱，王蕊，刘净瑜，阮晓钢，郝冬梅，左国玉，孙亮，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：11[中国|北京]