一种运动想象脑电波解析方法技术

本发明专利技术涉及一种运动想象脑电波解析方法，属生物医学领域。本发明专利技术包括首先将采集到的脑电信号利用自适应陷波算法剔除线电干扰，然后将得到的信号丢弃污染严重的脑电片段，接着去除基线漂移，再剔除眼电、肌电伪迹成分和非运动参数想象相关神经信号伪迹，此时即可得到干净的脑信号，利用共同空间模式对干净的脑信号进行特征提取，并得到特征提取之后得到的脑电特征向量；通过支持向量机对脑电特征向量进行分类，最终识别出脑电信号相对应的不同含义，本发明专利技术有效解决了现有脑信号消噪算法不能很好消除脑信号中噪声、识别效果不佳、识别率不高的缺点，运算量小、算法收敛快、信号的分离精度高，并且受参数影响小，从而很大程度上提高了分类准确率。

【技术实现步骤摘要】

本专利技术涉及，属于生物医学

技术介绍
基于运动想象（Motorimagery，MI)脑电的BCI是一类非常重要的BCI，该类BCI 可直接由脑信号重建运动控制，可以战略性地用于军事目的，也可为严重运动残疾人和正 常人提供辅助控制，从而改善他们的生活质量。脑电信号的相关研宄已广泛用于神经科学、 认知科学、认知心理学和心理生理等，最近几十年，脑电信号已用于新型人机接口 一脑机 交互，该研宄成为国际重大前沿研宄热点。 虽然如此，目前，基于运动想象的BCI正面临巨大的挑战，其中挑战之一是工程实 现时脑电信号的处理问题，主要是脑电信号的信噪比低，空间分辨率低，伪迹很强。因此，本 专利技术结合一种新的基于运动参数想象脑电范式的BCI，研宄其中脑电信号处理的问题。 其次，脑电信号存在非平稳性且包括大量的噪声，现有的脑电信号消噪算法不能 很好消除脑电信号中的噪声，从而影响后继的脑电信号处理和分析；识别效果不佳，识别率 不高，而且现有的脑电信号消噪算法大多不是自适应的，其缺点是：运算量大、算法收敛慢、 信号的分离精度（即稳态性能）差，并且针对不同的被试，都要相应的调整算法中的参数， 受参数影响非常大，很不实用。 综上所述，针对现有的脑电信号消噪算法存在的缺点，本专利技术设计的基于运动想 象脑电波的解析方法，能获取信噪比相对高，相对干净的脑电信号，很大程度上提高了分类 准确率，可以为推动该类BCI系统走向实际运用打下坚实的基础。因此，具有潜在的实用价 值和经济意义。
技术实现思路
本专利技术提供了，以用于解决现有识别方法识别效果 不佳、识别率不高、以及没有自适应功能的问题；本方法能获取信噪比相对高，相对干净的 脑电信号，很大程度上提高了分类准确率，为BCI系统中运动想象脑电信号特征提取和分 类提供了新的思路。 本专利技术运动想象脑电波解析方法是这样实现的：首先将采集到的想象左右手运动 的脑电信号利用自适应陷波算法剔除线电干扰，然后将得到的信号利用自适应阈值剔除算 法丢弃污染严重的脑电片段，接着利用四阶巴特沃兹高通滤波器去除基线漂移，再采用自 动独立分量分析算法自动剔除眼电、肌电伪迹成分和非运动参数想象相关神经信号伪迹， 此时即可得到干净的脑信号，利用共同空间模式对干净的脑信号进行特征提取，并得到特 征提取之后得到的脑电特征向量；通过支持向量机对脑电特征向量进行分类，最终识别出 脑电信号相对应的不同含义。 所述运动想象脑电波解析方法的具体步骤如下： Stepl、首先将采集到的想象左右手运动的脑电信号X(t)利用自适应陷波算法剔 除50Hz工频干扰得到信号X(t) 1;St印2、将剔除工频干扰的信号X(t)jlj用自适应阈值剔除算法丢弃污染严重的脑 电片段，得到信号X(t)2; 其中，信号X(t)i的幅值超过±100yV时，信号X(t):看作噪声，那么直接把信号 X(t)Jij除； St印3、接着利用四阶巴特沃兹高通滤波器对信号X(t)2去除基线漂移，得到信号 X(t)3;St印4、再采用自动独立分量分析算法ICA自动剔除眼电、肌电伪迹成分和非运动 参数想象相关神经信号伪迹；此时即可得到干净的脑信号Y(t);St印5、利用共同空间模式CSP对脑信号Y(t)进行特征提取，并得到特征提取之后 得到的脑电特征向量Mk;Step6、通过支持向量机对脑电特征向量Mk进行模式分类，最终识别出脑电信号相 对应的不同含义。 所述步骤Step6中，支持向量机利用核函数参数k和误差惩罚因子c对脑电特征 向量Mk进行分类，核函数参数k和误差惩罚因子c的最佳取值分别为1. 2982和0. 4851。 所述步骤St印3中，采用的四阶巴特沃兹高通滤波器通带截止频率为0. 5Hz和 30Hz。 本专利技术的有益效果是： ⑴本专利技术设计的脑电波解析方法能够很好的去除心电、眼电、肌电等干扰信号， 提高信噪比，增强空间分辨率，得到干净的脑电信号。并且本方法中采用的自适应陷波算 法、自适应阈值剔除算法、自动独立分量分析算法的实时性好，符合在线BCI系统的需求； (2)本专利技术设计的脑电波特征提取和模式分类方法，利用CSP算法利用矩阵同时 对角化技术，能够方便地构造出适用于分类的空间滤波器，从而提高最终的分类效率。通过 支持向量机对脑电特征信号进行分类，采用一种核函数参数和误差惩罚因子C的最佳寻优 方法，并用互信息（MI)准则对支持向量机进行评判。经过实验验证，该方法与其他运动想 象脑电特征识别方法相比较，得到的比特率和分类精度更高，适合于各类BCI系统。【附图说明】 图1为本专利技术流程图； 图2为本专利技术原始脑电波形； 图3为本专利技术利用自适应陷波算法剔除线电干扰的脑电波形； 图4为本专利技术利用自适应阈值剔除算法丢弃污染严重的脑电片段的脑电波形； 图5为本专利技术利用四阶巴特沃兹高通滤波去基线漂移的脑电波形； 图6为本专利技术利用自动独立分量分析算法剔除眼电等伪迹的脑电波形。【具体实施方式】 实施例1 :如图1-6所示，，首先将采集到的想象左 右手运动的脑电信号利用自适应陷波算法剔除线电干扰，然后将得到的信号利用自适应阈 值剔除算法丢弃污染严重的脑电片段，接着利用四阶巴特沃兹高通滤波器去除基线漂移， 再采用自动独立分量分析算法自动剔除眼电、肌电伪迹成分和非运动参数想象相关神经信 号伪迹，此时即可得到干净的脑信号，利用共同空间模式对干净的脑信号进行特征提取，并 得到特征提取之后得到的脑电特征向量；通过支持向量机对脑电特征向量进行分类，最终 识别出脑电信号相对应的不同含义。 所述运动想象脑电波解析方法的具体步骤如下：Stepl、首先将采集到的想象左右手运动的脑电信号X(t)利用自适应陷波算法剔 除50Hz工频干扰得到信号X(t) 1; St印2、将剔除工频干扰的信号X(t)4U用自适应阈值剔除算法丢弃污染严重的脑 电片段，得到信号x(t)2; 其中，信号X(t)i的幅值超过±100yV时，信号X(t):看作噪声，那么直接把信号 X(t)Jij除；St印3、接着利用四阶巴特沃兹高通滤波器对信号X(t)2去除基线漂移，得到信号 X(t)3;St印4、再采用自动独立分量分析算法ICA自动剔除眼电、肌电伪迹成分和非运动 参数想象相关神经信号伪迹；此时即可得到干净的脑信号Y(t);St印5、利用共同空间模式CSP对脑信号Y(t)进行特征提取，并得到特征提取之后 得到的脑电特征向量Mk;Step6、通过支持向量机对脑电特征向量Mk进行模式分类，最终识别出脑电信号相 对应的不同含义。 所述步当前第1页1 2 本文档来自技高网...

【技术保护点】
一种运动想象脑电波解析方法，其特征在于：首先将采集到的想象左右手运动的脑电信号利用自适应陷波算法剔除线电干扰，然后将得到的信号利用自适应阈值剔除算法丢弃污染严重的脑电片段，接着利用四阶巴特沃兹高通滤波器去除基线漂移，再采用自动独立分量分析算法自动剔除眼电、肌电伪迹成分和非运动参数想象相关神经信号伪迹，此时即可得到干净的脑信号，利用共同空间模式对干净的脑信号进行特征提取，并得到特征提取之后得到的脑电特征向量；通过支持向量机对脑电特征向量进行分类，最终识别出脑电信号相对应的不同含义。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨秋红，伏云发，孙会文，刘传伟，余正涛，郭剑毅，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南;53