The invention discloses a feature extraction method of Bimo (EEG / NIR) brain computer interface system based on action intention task. For EEG, the characteristics of frequency domain, time domain and spatial pattern are considered respectively, and the spatial pattern features with the highest recognition rate are selected based on linear discriminant analysis. For near-infrared signals, the characteristics of variance, amplitude mean absolute value and peak value are considered respectively. Based on linear discriminant analysis, the average absolute value characteristic of the highest recognition rate is selected. The invention provides beneficial characteristics for the Bimo based on the action intention task.
【技术实现步骤摘要】
基于动作意图任务的双模特神经信号特征选择方法
本专利技术属于脑机接口(brain-computerinterfaces,BCI)领域,具体来说,涉及在动作意图任务中选取脑电信号和近红外信号的有效特征。
技术介绍
大脑是人类一切高级行为的物质基础,由大量神经细胞、突触和胶质细胞构成,这些神经细胞无时无刻不在进行着自发的、节律性的、综合性的电活动,产生的电场经容积导体传导后在头皮上形成电位分布,这种以时间为轴的电位信号即为脑电(electroencephalograph,EEG)信号。在大脑进行认知活动的过程中,激活脑区的血流所含有的氧会大幅度地提高,而氧的传输是利用血液里的血红蛋白,所以氧化血红蛋白(oxygenatedhemoglobin,HbO)浓度提高,脱氧血红蛋白(deoxygenatedhemoglobin,HbR)浓度降低。近红外光谱成像(near-infraredspectroscopy,NIRS)基于氧化血红蛋白与脱氧血红蛋白对于近红外光谱波段的吸收能力特点的差别,利用往大脑发出且吸收数类波长的红外光间接地呈现大脑的活动。在社会交流之中,当人们在观察别人行为的时候,不但会感知此行为的物理运动,而且能够按照周围的环境、以及行为主体与目标的关联自主地领会行为背后的意图,此类行为通常命名为意图读取(intentionreading)或者动作意图理解(intentionunderstanding)。使用一定的机器学习方法,可以将复杂脑电信号和近红外信号中与特定动作意图任务相关的特征提取出来,进而对相关的动作意图进行判别和应用。现存的大多数双模态特征提 ...
【技术保护点】
1.基于动作意图任务的脑电信号特征选择方法,其特征在于:包括以下步骤:步骤一、对脑电信号进行预处理;步骤二、提取脑电信号的频域特征;步骤三、提取脑电信号的时域特征;步骤四、提取脑电信号的空间模式特征;步骤五、脑电信号的特征选择。
【技术特征摘要】
1.基于动作意图任务的脑电信号特征选择方法,其特征在于:包括以下步骤:步骤一、对脑电信号进行预处理;步骤二、提取脑电信号的频域特征;步骤三、提取脑电信号的时域特征;步骤四、提取脑电信号的空间模式特征;步骤五、脑电信号的特征选择。2.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法,其特征在于:所述步骤一的具体方法是:利用独立成分分析(independentcomponentanalysis,ICA)方法,对脑电信号进行伪迹的滤除处理。3.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法,其特征在于:所述步骤二的具体方法是:根据动作意图具有的事件相关去同步/事件相关同步(event-relateddesynchronization/synchronization,ERD/ERS)现象,计算8~30Hz频带的功率谱,提取脑电信号的频域特征。4.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法,其特征在于:所述步骤三的具体方法是:对脑电信号做短时傅里叶变换(shorttimefouriertransform,STFT),获取不同时刻下的频谱分布,进而得到脑电信号的时频图谱特征。5.根据权利要求1所述的基于动作意图任务的脑电信号特征选择方法,其特征在于:所述步骤四的具体方法是:利用共同空间模式(commonspatial...
【专利技术属性】
技术研发人员:王海贤,李日成,王清赟,张友红,
申请(专利权)人:佛山科学技术学院,
类型:发明
国别省市:广东,44
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。