基于OA-WMNE脑源成像的运动想象脑电信号的解码方法技术

本发明专利技术基于OA‑WMNE脑源成像的运动想象脑电信号的解码方法，首先采用基线校正和时域上的叠加平均进行脑电信号的预处理，得到每种运动想象任务的叠加平均信号；进而，采用WMNE脑源成像算法将之逆变换到脑源空间，得到偶极子估计，并根据两种运动想象偶极子波形变化差异确定感兴趣时段区间(TOI)；再对所有单次运动想象脑电信号进行逆变换，并将TOI中每个采样点上所有的偶极子幅值构成特征向量，获得该采样点上的一组特征；然后将所有采样点上的特征构成特征样本集，对其进行零均值标准化处理，并采用单变量特征选择方法进行特征降维；最后利用支持向量机进行特征分类，获得最高平均解码精度，提高了脑电空间分辨率，有利于提高运动想象任务的解码精度。

【技术实现步骤摘要】
基于OA-WMNE脑源成像的运动想象脑电信号的解码方法
本专利技术属于脑电信号的脑源空间解码
，尤其涉及脑机接口(BrainComputerInterface,BCI)系统中从大脑偶极子源空间对运动想象脑电信号的解码方法，采用时域上的叠加平均(OverlappingAveraging,OA)和加权最小范数估计(WeightedMinimumNormEstimates,WMNE)脑源成像技术相结合的方法(记为OA-WMNE)对运动想象脑电信号在脑源空间域进行解码。
技术介绍
运动想象脑电信号(MotorImageryElectroencephalography,MI-EEG)隐藏着大脑运动感知皮层大量的生物学信息，头皮非侵入式记录的MI-EEG信号在传感器领域为大脑活动提供了重要参考，因具有较高的时频分辨率广泛应用于BCI系统研究和临床康复评价等领域，因此EEG信号的显著特征主要反应在信号的时频分析中。然而，为了研究更复杂的大脑神经活动，提高大脑运动感知皮层的空间可分性，基于传统传感器领域的EEG分析已经逐渐不能满足认知神经科学的需要，如何挖掘和利用脑源空间信息尤为重要。随着认知本文档来自技高网...

【技术保护点】
1.基于OA‑WMNE脑源成像的运动想象脑电信号的解码方法，其特征在于：步骤1，运动想象脑电信号预处理；步骤1.1，根据运动想象任务类别的标签ID，选取每种任务同一时间段的多导脑电信号作为一次Epoch信号，记为

【技术特征摘要】
1.基于OA-WMNE脑源成像的运动想象脑电信号的解码方法，其特征在于：步骤1，运动想象脑电信号预处理；步骤1.1，根据运动想象任务类别的标签ID，选取每种任务同一时间段的多导脑电信号作为一次Epoch信号，记为其中，T＝{a,b}表示任务类别，n＝{1,2,…,nT}，nT代表T类任务Epoch信号的数量；j表示导联数量，k为采样点数，t＝{t1，t2…tk}；步骤1.2，截取运动想象前1s的脑电信号对MI-EEG信号进行基线校正，以克服原始脑电信号采集过程中因采集设备、外部环境噪音的干扰所引起的基线漂移问题，实现基线校正；步骤1.3，对基线校正后同类运动想象任务的所有Epoch信号进行时域上的叠加平均得到相应的Evoked信号表示为下式：步骤2，由于覆盖在脑皮层上的离散等效电流偶极子有7498个，远远大于头皮层电极数量，采用WMNE源成像方法进行脑电逆变换，公式如下：式中，表示得到的7498个偶极子源估计；G∈R7498×j为导联场矩阵，通过多层头模型的体积传导效应和头皮电极位置分布计算得到；λ代表正则化参数，利用吉洪诺夫正则化的L曲线方法求得；W为权值矩阵，是通过导联场矩阵G构建起来的一个对角矩阵，定义为(3)式：W＝diag(||g1||，||g2||…||gi||，…||g7498||)(3)其中，||gi||是导联场矩阵G中第i列向量的欧几里得范数，1≤i≤7498；步骤3，对步骤1.3中两类任务的Evoked信号和采用步骤2中的WMNE脑源成像方法进行逆变换即式(2)，得到相应运动...

【专利技术属性】
技术研发人员：李明爱，王一帆，孙炎珺，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11