【技术实现步骤摘要】
一种基于FBCCA和USSR的脑电特征识别方法
[0001]本专利技术涉及生物医学工程中神经工程及脑
‑
机接口
,具体涉及一种基于
FBCCA
和
USSR
的脑电特征识别方法
。
技术介绍
[0002]脑机接口
(Brain Computer Interface,BCI)
是指在人或动物大脑与外部设备之间创建的直接连接通路,实现脑与设备的信息交换,其信号来自中枢神经系统,传播中不依赖于外周的神经与肌肉系统,常用于辅助
、
增强以及修复人体的感觉运动功能或提升人机交互能力
。
[0003]基于脑机接口技术的稳态视觉诱发电位
(Steady
‑
State Visual Evoked Potential,SSVEP)
是大脑对于视觉刺激的一种自然响应信号
。
当人体受到一个固定频率的闪烁或者变换模式的视觉刺激时,大脑皮层的电位活动将被调制,从而产生一个连续的
、
与刺激频率有关
(
刺激频率的基频或倍频处
)
的响应,这个响应具有和视觉刺激类似的周期性节律,即为
SSVEP。SSVEP
信号表现在
EEG
脑电信号中则是在功率谱中能在刺激频率或谐波上出现谱峰,通过分析和检测谱峰处对应的频率,即能检测到受试者视觉注视的刺激源,从而能识别受试者的意图
。
[0004]对< ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于
FBCCA
和
USSR
的脑电特征识别方法,其特征在于:先用共滤波器组对信号进行初步处理,再通过
CCA
降维并结合
USSR
模型的协同作用对滤波后子频带成分作特征增强,最后依据
MSI
识别模型提取出最大同步索引变量对应的特征频率
。2.
一种基于
FBCCA
和
USSR
的脑电特征识别方法,其特征在于,包括以下步骤:
1)
多通道
SSVEP
信号采集:对被试者进行多通道
SSVEP
信号采集,多通道
SSVEP
信号经过放大
、
滤波与数模转化的预处理;
2)
共滤波器组信号处理:用切比雪夫
I
型共滤波器组滤除步骤
1)
预处理后的多通道
SSVEP
信号的低频和高频噪声;
3)
多通道信号降维:采用典型相关分析
(CCA)
降维方法将步骤
2)
得到的子频带多通道信号转换成一维向量,得到子频带单通道信号;
4)
模型及计算参数初始化:设置
USSR
模型及初始参数;
5)USSR
模型处理:将步骤
3)
得到的子频带单通道信号送入步骤
4)
设计的
USSR
模型,利用噪声能量增强信号频率的能量和幅值以识别目标频率;
6)MSI
频率识别:将经过步骤
5)USSR
模型增强后的一维向量通过
MSI
识别模型识别出目标频率;
7)
频率匹配检测:将步骤
6)
识别的目标频率与所有刺激频率进行匹配,如果匹配成功,则目标频率被有效识别;如果匹配失败,则检测结束,进入下一次识别过程
。3.
根据权利要求2所述的方法,其特征在于:所述的步骤
1)
多通道
SSVEP
信号采集中使用
Neuracle NeuSen W
脑电采集系统记录
SSVEP
信号,并根据
10/20
电极系统设置电极,参考电极位于大脑前额
FPz
,接地电极位于左耳垂
A1
,
POz、PO3、PO4、PO5、PO6、Oz、O1
和
O2
共8个电极用于记录
SSVEP
信号,
SSVEP
信号以
1000Hz
技术研发人员:徐光华,陈瑞泉,张勋,田沛源,谢杰仁,李保玉,张四聪,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。