一种基于稳态视觉诱发电位生理特性的脑机接口系统技术方案

本发明专利技术公开了一种基于稳态视觉诱发电位生理特性的脑机接口系统，属于认知神经科学、信息处理、自动化控制相交叉的技术领域。该脑机接口系统包括：延时反应模块、CCA模块、典型相关系数选择模块、输出模块，将SSVEP的延迟反应模型化，选取能够反映频谱能量变化的特征频率点作为SSVEP刺激的频率参考信号，线性组合频率参考信号的各成分得到频谱能量分布模型，在频率参考信号各成分占比的约束下优化CCA的分析结果，能够提高SSVEP信号质量并有效提取特征，改善CCA的分析能力，最终提高BCI系统的分类正确率。

A brain computer interface system based on physiological characteristics of steady-state visual evoked potentials

The invention discloses a brain machine interface system based on the physiological characteristics of steady state visual evoked potential, which belongs to the technical field of cognitive neuroscience, information processing, and automatic control. The brain machine interface system includes the delay response module, the CCA module, the typical correlation coefficient selection module and the output module, which model the delay reaction of the SSVEP, select the frequency reference signal that can reflect the spectral energy change as the SSVEP stimulus, and obtain the spectral energy of the linear combination frequency reference signal. The quantity distribution model optimizes the analysis results of CCA under the constraints of each component of frequency reference signal. It can improve the quality of SSVEP signal and extract the features effectively, improve the analysis ability of CCA, and finally improve the classification accuracy of the BCI system.

【技术实现步骤摘要】
一种基于稳态视觉诱发电位生理特性的脑机接口系统
本专利技术公开了一种基于稳态视觉诱发电位生理特性的脑机接口系统，具体涉及一种基于改进型相关分析的脑机接口系统，属于神经认知科学、信息处理、自动化控制相交叉的

技术介绍
脑机接口(Brain-ComputerInterface,BCI)是人类大脑与外部环境之间建立的一种控制方式。BCI系统可以实现通过大脑意识操控外部机电设备的功能。对脑信号进行有效的特征提取和分类是提高BCI系统性能指标的关键技术。考虑到设备的便携性和经济性，目前的BCI系统主要采用脑电图(Electroencephalography,EEG)信号。非侵入式BCI系统可由多种范式构成，其中，稳态视觉诱发电位(Steady-StateVisualEvokedPotentials,SSVEP)是最常用的一种BCI系统范式。SSVEP信号是指大脑视觉皮层被某种固定频率闪烁的视觉刺激时所激发的EEG信号。SSVEP诱发范式由多个不同频率闪烁的视觉刺激(以下简称为SSVEP刺激)构成。当BCI用户注视某一个固定频率f闪烁的视觉刺激时，在其视觉区采集的SSVEP信号频谱分布中，基频f及倍频(k*f，k＝1,2...N，表示倍频数)处会出现较大能量分布，利用这种对应关系，可以根据SSVEP信号中呈现的频率分布特征来反推出SSVEP刺激的种类。在SSVEP型BCI系统中，事先构建不同SSVEP刺激与特定的意图之间的对应关系，由此，BCI用户就可以通过选择注视特定的SSVEP刺激来实现某种特定意图的输出，从而实现BCI的功能。目前，对于在SSVEP型BCI系统，普遍采用典型相关分析(CanonicalCorrelationAnalysis,CCA，参见BinG.Y.etal.,.Anonlinemulti-channelSSVEP-basedbrain-computerinterfaceusingacanonicalcorrelationanalysismethod.JournalofNeuralEngineering,2009,6(4):1771-1779)来分析各个SSVEP刺激与SSVEP信号之间的相关性，选取与SSVEP信号相关性最高的一个SSVEP刺激的作为BCI的输出结果。CCA的基本原理如下：为了衡量两组变量X和Y之间的相关性，在两组变量中分别提取具有代表性的多个变量的线性组合，分别构成两个新变量X1和Y1来表征原来的两组变量，利用新变量X1和Y1之间的相关关系来反映原来两组变量之间的整体相关性。CCA的应用极大地提高了SSVEP型BCI的分类效果，但由于现有的SSVEP型BCI系统中没有充分考虑SSVEP信号所具有的生理特性，在分析过程中没有利用生理特性作为约束条件对分析过程进行优化，影响了BCI系统的分类效果。
技术实现思路
本专利技术的专利技术目的是针对上述
技术介绍
的不足，提供了一种基于稳态视觉诱发电位生理特性的脑机接口系统，通过模型化稳态视觉诱发电位延迟反应和稳态视觉诱发电位频谱能量分布，提高了稳态视觉诱发电位信号的质量，实现了特征的有效提取并改善了CCA的分析能力，解决了没有充分考虑稳态视觉诱发电位信号生理特性的脑机接口系统的分类正确率有待提高的这一技术问题。本专利技术为实现上述专利技术目的采用如下技术方案：一种基于稳态视觉诱发电位生理特性的脑机接口系统，包括：延时反应模块，对采集的稳态视觉诱发电位信号进行延时处理，输出稳态视觉诱发电位的延时信号至CCA模块，CCA模块，对稳态视觉诱发电位刺激的频率参考信号以及稳态视觉诱发电位的延时信号进行相关性分析，输出典型相关系数至典型相关系数选择模块，典型相关系数选择模块，根据稳态视觉诱发电位信号频谱分布特性模型筛选出稳态视觉诱发电位刺激的基频参考信号占比最大时对应的典型相关系数，输出典型相关系数的筛选结果至输出模块，及，输出模块，输出典型相关系数筛选结果所对应的稳态视觉诱发电位刺激信号。作为基于稳态视觉诱发电位生理特性的脑机接口系统的进一步优化方案，延时反应模块对采集的稳态视觉诱发电位信号进行延时处理的具体方法为：采用在时间轴上有固定延时的矩阵函数作为延时开关函数，稳态视觉诱发电位信号与延时开关函数相乘得到稳态视觉诱发电位的延时信号。作为基于稳态视觉诱发电位生理特性的脑机接口系统的进一步优化方案，稳态视觉诱发电位刺激的频率参考信号包含稳态视觉诱发电位刺激对应的基频参考信号、稳态视觉诱发电位刺激对应的一倍频参考信号。作为基于稳态视觉诱发电位生理特性的脑机接口系统的进一步优化方案，稳态视觉诱发电位信号频谱分布特性模型为：X＝V*F，F为稳态视觉诱发电位刺激的频率参考信号，F＝[sin(2π*f),cos(2π*f),sin(2π*2f),cos(2π*2f)]T，sin(2π*f)、cos(2π*f)分别为稳态视觉诱发电位刺激对应的基频的sin函数、cos函数，sin(2π*2f)、cos(2π*2f)分别为稳态视觉诱发电位刺激对应的一倍频的sin函数、cos函数，V为系数矩阵，V＝[ν1,ν2,ν3,ν4]，ν1、ν2、ν3、ν4分别为sin(2π*f)、cos(2π*f)、sin(2π*2f)、cos(2π*2f)的系数，X为表示稳态视觉诱发电位刺激频率参考信号各成分线性组合的时域信号。作为基于稳态视觉诱发电位生理特性的脑机接口系统的更进一步优化方案，典型相关系数选择模块根据稳态视觉诱发电位信号频谱分布特性模型筛选出稳态视觉诱发电位刺激的基频参考信号占比最大时对应的典型相关系数的具体方法为：对典型相关系数按照从大到小的顺序进行筛选，在当前典型相关系数对应的稳态视觉诱发电位刺激基频参考信号的系数的绝对值均大于稳态视觉诱发电位刺激其它频率参考信号的系数的绝对值时，当前典型相关系数即为筛选结果。作为基于稳态视觉诱发电位生理特性的脑机接口系统的进一步优化方案，稳态视觉诱发电位信号通过采集使用者观察稳态视觉诱发电位刺激信号时所激发的EEG信号获取。作为基于稳态视觉诱发电位生理特性的脑机接口系统的进一步优化方案，稳态视觉诱发电位刺激信号由具有不同闪烁频率和相位的视觉刺激所激发。本专利技术采用上述技术方案，具有以下有益效果：有效解决了SSVEP型BCI系统未考虑SSVEP生理特性导致的分类正确率有待提高的问题，将SSVEP的延迟反应模型化，选取能够反映频谱能量变化的特征频率点作为SSVEP刺激的频率参考信号，线性组合频率参考信号的各成分得到频谱能量分布模型，在频率参考信号各成分占比的约束下优化CCA的分析结果，能够提高SSVEP信号质量并有效提取特征，改善CCA的分析能力，最终提高BCI系统的分类正确率。附图说明图1为本专利技术BCI系统的信号处理流程图。图2(a)、图2(b)为SSVEP刺激配置的示意图。图3为BCI系统单次试次的时间序列图。图4为SSVEP信号延时反应模型的示意图。图5(a)为SSVEP刺激对应的SSVEP信号的原始波形图，图5(b)为图5(a)所示SSVEP信号对应的频谱分布图。图6为基于频谱能量分布模型进行SSVEP分类的示意图。图7为传统CCA和改进型CCA平均分类正确率的对比图。具体实施方式下面结合附图对专利技术的技术方案进行详细说明。本发本文档来自技高网...

【技术保护点】
一种基于稳态视觉诱发电位生理特性的脑机接口系统，其特征在于，包括：延时反应模块，对采集的稳态视觉诱发电位信号进行延时处理，输出稳态视觉诱发电位的延时信号至CCA模块，CCA模块，对稳态视觉诱发电位刺激的频率参考信号以及稳态视觉诱发电位的延时信号进行相关性分析，输出典型相关系数至典型相关系数选择模块，典型相关系数选择模块，根据稳态视觉诱发电位信号频谱分布特性模型筛选出稳态视觉诱发电位刺激的基频参考信号占比最大时对应的典型相关系数，输出典型相关系数的筛选结果至输出模块，及，输出模块，输出典型相关系数筛选结果所对应的稳态视觉诱发电位刺激信号。

【技术特征摘要】
1.一种基于稳态视觉诱发电位生理特性的脑机接口系统，其特征在于，包括：延时反应模块，对采集的稳态视觉诱发电位信号进行延时处理，输出稳态视觉诱发电位的延时信号至CCA模块，CCA模块，对稳态视觉诱发电位刺激的频率参考信号以及稳态视觉诱发电位的延时信号进行相关性分析，输出典型相关系数至典型相关系数选择模块，典型相关系数选择模块，根据稳态视觉诱发电位信号频谱分布特性模型筛选出稳态视觉诱发电位刺激的基频参考信号占比最大时对应的典型相关系数，输出典型相关系数的筛选结果至输出模块，及，输出模块，输出典型相关系数筛选结果所对应的稳态视觉诱发电位刺激信号。2.根据权利要求1所述一种基于稳态视觉诱发电位生理特性的脑机接口系统，其特征在于，所述延时反应模块对采集的稳态视觉诱发电位信号进行延时处理的具体方法为：采用在时间轴上有固定延时的矩阵函数作为延时开关函数，稳态视觉诱发电位信号与延时开关函数相乘得到稳态视觉诱发电位的延时信号。3.根据权利要求1所述一种基于稳态视觉诱发电位生理特性的脑机接口系统，其特征在于，所述稳态视觉诱发电位刺激的频率参考信号包含稳态视觉诱发电位刺激对应的基频参考信号、稳态视觉诱发电位刺激对应的一倍频参考信号。4.根据权利要求1所述一种基于稳态视觉诱发电位生理特性的脑机接口系统，其特征在于，所述稳态视觉诱发电位信号频谱分布特性模型为：X＝V*F，F为稳态视觉诱发电位刺激的频率参考信号，F＝[sin(2π*f),cos(2π*...

【专利技术属性】
技术研发人员：葛盛，刘慧，孙高鹏，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32