一种检测不同脑力负荷水平下运动状态的脑电分析方法技术

本发明专利技术公开了一种检测不同脑力负荷水平下运动状态的脑电分析方法，所述方法包括以下步骤：采集不同脑力负荷水平下人体执行实际或想象动作的16通道脑电信号，对16通道脑电信号进行预处理；以FCz、Cz、C3、C4为导联中心对预处理后的脑电信号进行小拉普拉斯空间滤波，获取四通道特征优化中心导联；通过局部保持投影对优化导联在无运动状态下的对照特征矩阵及运动状态下的运动相关电位特征矩阵进行降维；运用线性判别分析对两类状态下的特征向量进行模式识别，进而完成是否执行实际或想象动作的运动状态检测。本发明专利技术实现了不同脑力负荷水平下的实际及想象动作检测，增强了运动识别脑‑机接口系统的鲁棒性，为实际场景下完成运动意图的高性能识别提供了一定理论依据和实践经验。

A method of electroencephalogram analysis for detecting motion state at different brain load levels

The invention discloses a motion detection of EEG under different mental workload level analysis method, the method comprises the following steps: 16 channel EEG signal acquisition under different mental workload level implementation of the human body real or imagined actions, on the 16 channel EEG signal preprocessing; FCz, Cz, C3, C4 is the lead center for small Laplasse spatial filtering of EEG signal preprocessing, feature acquiring center lead optimization of four channels; to optimize the lead control feature matrix and motion state in the absence of state of motion under the movement related potentials characteristic matrix to reduce the dimensionality by locality preserving projection using linear discriminant analysis; pattern recognition two kinds of feature vector under the condition of complete, whether real or imagined performing motion detection and motion. The invention realizes the real and imaginary movement of different mental workload level detection, robustness of the interface motion recognition brain machine, provides a certain theoretical basis and practical experience for the actual scene under high performance motion intention recognition.

【技术实现步骤摘要】
一种检测不同脑力负荷水平下运动状态的脑电分析方法
本专利技术涉及脑电分析及脑-机接口应用领域，尤其涉及一种检测不同脑力负荷水平下运动状态的脑电分析方法。
技术介绍
脑-机接口(Brain-ComputerInterface，BCI)是通过计算机或者其他电子设备在大脑与外界环境之间建立一条不依赖于肌肉组织和外周神经而直接实现对外交流和控制的独立通路。经过数十年的深入研究以及不断发展，该技术的成熟度逐渐升高，应用场景也越来越广泛。特别是针对人体运动信息识别的脑-机接口系统已在神经康复、军事控制以及休闲娱乐等领域表现出巨大的发展潜力和实用价值。然而，目前基于运动检测的脑-机接口技术仍处于实验室条件下，即实验任务单一且无其他因素干扰，与实际应用场景十分不符。在日常作业中，使用者往往面临更复杂多变的外界环境以及多种并发的信息处理进程，这势必导致使用者脑力负荷的持续增长，认知资源受到竞争，无法将全部注意力投入到脑-机接口任务中。可以认为，脑力负荷的升高是实际作业任务中难以规避的问题。脑力负荷是与身体负荷对应存在的概念，是指执行任务所需要的信息处理能力或认知资源分配能力。大量研究证实，随脑力负荷水平的不断增加，执行者的业绩水平呈现负向趋势，并且在脑力负荷达到某一超负荷区域后，人的认知以及信息处理过程表现出较为明显的单线程处理模式，使操作者对事件的响应时间延长，对外周环境中的随机信号或事件的识别正确率下降，产生控制相关作业绩效下降等不良影响。大量研究证明，脑力负荷的增长会显著影响BCI系统的性能：KeY等人通过同步执行n-back工作记忆任务或计算任务诱发BCI使用者产生脑力负荷，其结果直接导致P300-BCI的识别正确率下降，通过分析产生该现象的原因在于脑力负荷对认知资源产生一定程度占用，致使P300电位幅值降低，特征弱化，识别性能下降。由此可见，一种适用于不用脑力负荷水平下的高性能高鲁棒性脑-机接口系统，将有助于BCI技术的实际应用。目前尚无一种用于检测不同脑力负荷水平下运动状态的脑电分析方法。
技术实现思路
本专利技术提供了一种检测不同脑力负荷水平下运动状态的脑电分析方法，本专利技术提高了运动检测正确率，缩短识别时间，增强系统鲁棒性，为实际场景下应用运动检测系统完成识别提供一定理论依据和实践经验，详见下文描述：一种检测不同脑力负荷水平下运动状态的脑电分析方法，所述方法包括以下步骤：采集不同脑力负荷水平下人体执行实际或想象动作的16通道脑电信号，对16通道脑电信号进行预处理；以FCz、Cz、C3、C4为导联中心对预处理后的脑电信号进行小拉普拉斯空间滤波，获取四通道特征优化中心导联；通过局部保持投影对优化导联在无运动状态下的对照特征矩阵及运动状态下的运动相关电位特征矩阵进行降维；运用线性判别分析对两类状态下的特征向量进行模式识别，进而完成是否执行实际或想象动作的运动状态检测。所述对16通道脑电信号进行预处理具体为：对16通道脑电信号进行200Hz降采样、运用巴特沃斯三阶带通滤波器进行0.05-3Hz滤波，采用独立成分分析去除眼动伪迹。所述通过局部保持投影对四通道优化中心导联在无运动状态下的数据及运动开始后的数据进行特征降维具体为：通过局部保持投影对四通道优化中心导联在无运动状态下的0.5s数据及运动开始后的0.3s-0.8s数据进行特征降维。所述运用线性判别分析对两类状态下的特征向量进行模式识别具体为：将由局部保持投影降维的特征矩阵作为训练线性判别分析的输入参数，并以是否进行运动的二分类结果为输出，经过训练得到基于不同脑力负荷状态下的运动分类模型，然后进行运动状态的二分类检测。本专利技术提供的技术方案的有益效果是：1、通过基于FCz、Cz、C3、C4四中心优化导联的运动相关电位的提取与分类，实现运动意图识别为运动检测提供了新思路；2、本方法不仅能标识实际或想象动作后运动资源的使用，更可表征人体为实施运动而调用相关资源的运动准备过程，这一特性使识别系统可以更早检测出运动意图信号，从而降低系统延迟；3、在增强系统应用鲁棒性的同时，提升系统识别性能，进一步拓宽基于运动检测脑-机接口控制系统的使用场景，降低使用要求，为实际应用带来便捷。附图说明图1为检测不同脑力负荷水平下运动状态的脑电分析方法的流程图；图2为16通道信号采集导联分布图；图3为小拉普拉斯空间滤波器示意图；图4为局部保持投影示意图；图5为三种脑力负荷水平下实际动作平均识别正确率示意图；图6为三种脑力负荷水平下想象动作平均识别正确率示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。为了解决
技术介绍
中存在的问题，本专利技术实施例提出基于人体执行想象或实际动作时产生的运动相关电位(Movement-RelatedCorticalPotential，MRCP)作为主要特征，通过特征提取与降维识别完成运动状态的高效检测。研究表明，运动相关皮质电位是人体在执行提示性或自主性运动时调用大脑中与运动相关的认知资源时所产生的负值低频电位，其产生需调用大脑皮层与运动相关各功能区的资源，即大脑要在不同时间进程按计划激活与运动相关的不同空间皮质区域，从而通过运动意图实现控制外周神经与骨骼肌肉动作等精细复杂指令。该特征可有效表征运动意图及运动执行信息，且具有较严格的锁时及锁相性，同时因其早期成分特征明显，适用于快速高效的运动识别。Niazi等人通过提取健康人与中风患者执行踝关节背屈的想象和实际动作时运动相关电位完成运动意图的早期检测。此外，Jochumsen等人利用运动相关电位实现了不同速度以及不同收缩力的运动参数解析。上述研究均表明运动相关电位与人体执行实际或想象动作时调用运动及认知资源密切相关，通过解析MRCP在不同脑力负荷水平下特征变化并进行有效提取分类，将有助于提高实际应用场景下运动检测脑-机接口的系统性能。实施例1本专利技术实施例提供了一种检测不同脑力负荷水平下运动状态的脑电分析方法，参见图1，该方法包括以下步骤：101：采集不同脑力负荷水平下人体执行实际或想象动作的16通道脑电信号(Electroencephalography,EEG)，对16通道脑电信号进行200Hz降采样、运用巴特沃斯三阶带通滤波器进行0.05-3Hz滤波，采用独立成分分析(IndependentComponentAnalysis,ICA)去除眼动伪迹；102：以FCz、Cz、C3、C4为导联中心对预处理后的脑电信号进行小拉普拉斯空间滤波，获取四通道优化中心导联；其中，FCz、Cz、C3、C4为导联。通过该步骤的处理提高了信噪比，去除了冗余信息。103：通过局部保持投影(LocalityPreservingProjection,LPP)对四通道优化中心导联在无运动状态下的0.5s数据及运动开始后的0.3s-0.8s数据进行特征降维，运用线性判别分析(LinearDiscriminantAnalysis,LDA)对两类状态下的特征向量进行模式识别，进而完成是否执行实际或想象动作的运动状态检测。综上所述，本专利技术实施例通过上述步骤101-步骤103可有效避免脑力负荷增长对运动识别系统的性能恶化，提高运动检测正确率，增强系统鲁棒性；为实际场景下应用运动检测系统完成识别提供一本文档来自技高网...

【技术保护点】
一种检测不同脑力负荷水平下运动状态的脑电分析方法，其特征在于，所述方法包括以下步骤：采集不同脑力负荷水平下人体执行实际或想象动作的16通道脑电信号，对16通道脑电信号进行预处理；以FCz、Cz、C3、C4为导联中心对预处理后的脑电信号进行小拉普拉斯空间滤波，获取四通道特征优化中心导联；通过局部保持投影对优化导联在无运动状态下的对照特征矩阵及运动状态下的运动相关电位特征矩阵进行降维；运用线性判别分析对两类状态下的特征向量进行模式识别，进而完成是否执行实际或想象动作的运动状态检测。

【技术特征摘要】
1.一种检测不同脑力负荷水平下运动状态的脑电分析方法，其特征在于，所述方法包括以下步骤：采集不同脑力负荷水平下人体执行实际或想象动作的16通道脑电信号，对16通道脑电信号进行预处理；以FCz、Cz、C3、C4为导联中心对预处理后的脑电信号进行小拉普拉斯空间滤波，获取四通道特征优化中心导联；通过局部保持投影对优化导联在无运动状态下的对照特征矩阵及运动状态下的运动相关电位特征矩阵进行降维；运用线性判别分析对两类状态下的特征向量进行模式识别，进而完成是否执行实际或想象动作的运动状态检测。2.根据权利要求1所述的一种检测不同脑力负荷水平下运动状态的脑电分析方法，其特征在于，所述对16通道脑电信号进行预处理具体为：对16通道脑电信号进行200Hz降采样、运用巴特沃斯三阶带通滤波器进...

【专利技术属性】
技术研发人员：顾斌，明东，陈善广，陈龙，王仲朋，周伊婕，于海情，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12