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 ...
【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
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。