基于beamforming和CCA的稳态视觉诱发电位检出方法技术

本发明专利技术公开了基于beamforming和CCA的稳态视觉诱发电位检出方法，属于认知神经科学、自动化控制相交叉的技术领域。针对进一步提高基于稳态视觉诱发电位的脑机接口的分类精度的需求，本发明专利技术在初期利用典型相关分析作为系统的分类方法进行脑机接口输出，并将这一阶段的稳态视觉诱发电位数据作为波束形成的训练数据；当波束形成构建稳定的激活模板后，由波束形成和典型相关分析共同作为系统的分类方法进行脑机接口输出。本发明专利技术利用波束形成和典型相关分析的混合方式，充分发挥典型相关分析无需训练以及波束形成分类精度高的优点，可以实现无训练高检出率的脑机接口系统。

Detection of steady-state VEP based on beamforming and CCA

【技术实现步骤摘要】
基于beamforming和CCA的稳态视觉诱发电位检出方法
本专利技术公开了基于beamforming和CCA的稳态视觉诱发电位检出方法，尤其涉及利用稳态视觉诱发电位作为范式的脑机接口系统，属于认知神经科学、自动化控制相交叉的

技术介绍
稳态视觉诱发电位(Steady-StateVisualEvokedPotentials,SSVEP)是一种常用的脑机接口(Brain-ComputerInterface,BCI)范式。SSVEP信号是指用户注视某种固定频率闪烁的视觉刺激时在用户视觉皮层所激发的脑电(Electroencephalography,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。定义BCI用户每一次注视某个SSVEP刺激进行意图输出为一个试次。在某个试次内，当用户注视某一个固定频率fj闪烁的视觉刺激时，在SSVEP信号对应的频谱分布中，其基频fj及倍频(k*fj，k＝1,2...N，N表示倍频数)处会出现较大能量。因此，可以根据SSVEP信号呈现的频率分布特征来判断对应的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。用户就可以通过注视特定SSVEP刺激来实现意图的输出，从而实现BCI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用于SSVEP型BCI分类的基本原理如下：利用每个SSVEP刺激频率的基频和倍频的sin和cos函数构建对应该SSVEP刺激的频率模板，以从频率模板和SSVEP信号这两组变量中分别提取的具有代表性的多个变量的线性组合构成表征原来两组变量的两个新变量，利用新变量之间的相关关系来反映频率模板和SSVEP信号之间的整体相关性。现有的CCA算法采用SSVEP刺激频率的基频和倍频的sin和cos函数构建对应的频率模板，该种模板生成方式本质上只是基于模拟信号而非生理信号，生成的模板对EEG生理信号的刻画缺乏代表性，BCI系统的分类效果有待提高。波束形成(beamforming)是一种有效的SSVEP信号特征提取和分类方法(WittevrongelB.etal.,Frequency-andphaseencodedSSVEPusingspatiotemporalbeamforming,PlosOne,2016,11(8):e0159988)，其原理为：对于某一试次的SSVEP信号，将各种SSVEP刺激对应的周期(频率fj的倒数)作为窗宽进行数据切割，采用与SSVEP刺激周期相同的窗宽切割SSVEP信号时，SSVEP刺激对应的各通道信号振荡周期与切割窗宽相同，信号叠加后得到加强；而其它按照不等于SSVEP刺激周期进行数据切割的信号因切割窗宽与振荡周期不同且各分段间存在相位差，信号叠加后抵消减弱；由此，时空矩阵对应两类信号：一类是采用SSVEP刺激周期切割后的数据(叠加后构成激活模板)，另一类是非SSVEP刺激周期切割后的数据。对于训练数据，基于其对应的激活模板和时空矩阵构建时空间波束形成器，以经过该波束形成器后的两类信号差异最大为目标对波束形成器进行最优化设计，由此针对所有SSVEP刺激分别构建时空间波束形成器，形成时空间波束形成器组。对于测试信号，对其按照各个SSVEP刺激周期分别进行数据切割，再分别通过时空间波束形成器组进行滤波，最终选取滤波后最大输出值所对应的SSVEP刺激频率作为分类结果，从而实现SSVEP信号分类。现有的beamforming方法均需要利用一定数量的数据训练生成针对每个SSVEP刺激类别的时空间波束形成器，从而最终构成一个适用于所有SSVEP刺激类别的时空间波束形成器组。在构建完该时空间波束形成器组的基础之上，将测试数据的时空间组合向量与时空间波束形成器组经过计算得到各个SSVEP刺激类别对应的特征向量，从而完成对测试数据的特征提取，并将产生最大特征值对应的时空间波束形成器对应的SSVEP刺激类别作为SSVEP型BCI的分类输出。这种传统的beamforming方法必须经过一定数量的数据集训练后方可获得有效的时空间波束形成器组，无法满足即插即用的需求。并且一旦经训练获得时空间波束形成器组后，无法实现时空间波束形成器组的动态更新，若时空间波束形成器组效果不佳会一直影响后续系统的分类效果。综上，CCA方法中存在的模板对EEG生理信号的刻画缺乏代表性，导致分类效果有待提高；以及beamforming方法需经过训练后方可使用，且缺乏动态更新训练模型的能力导致分类效果有待提高。
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，提出了融合CCA和beamforming两种方法(以下简称为CCA-BF)的稳态视觉诱发电位检测方法，构建了SSVEP型数字键盘输入的BCI系统。利用CCA生成beamforming所需的时空间波束形成器组，根据CCA和beamforming的分类结果更新时空间波束形成器组，省去了beamforming的训练过程，提高了以SSVEP为范式的BCI系统的分类正确率。本专利技术为实现上述专利技术目的采用如下技术方案：基于beamforming和CCA的稳态视觉诱发电位检出方法，包括以下四大步骤。(一)采集SSVEP信号在被测人员头皮枕区的配置O3、Oz和O4三通道电极作为脑电信号获取模块，采集每个试次内被测人员注视稳态视觉诱发电位刺激图片时产生的SSVEP信号。(二)初始阶段采用典型相关分析法对每个试次内所采集的SSVEP信号进行分类以各稳态视觉诱发电位刺激图片闪烁频率的基频fj和二倍频2fj的sin和cos函数的线性组合为频率模板，具体为sin(2π*fj*t)，cos(2π*fj*t)，sin(2π*2fj*t)，cos(2π*2fj*t)，其中，t为时刻点。计算SSVEP信号与频率模板的典型相关系数，以最大典型相关系数所对应频率模板的基频为分类结果。(三)基于CCA分类结果构建时空间波束形成器组根据稳态视觉诱发电位刺激图片的闪烁频率对每个试次内的SSVEP信号分段得到各稳态视觉诱发电位刺激图片闪烁频率对应的SSVEP信号片段，共包含pj个SSVEP信号片段；组合各稳态视觉诱发电位刺激图片闪烁频率对应的SSVEP信号片段得到各稳态视觉诱发电位刺激图片闪烁频率对应的时空组合向量，对各稳态视觉诱发电位刺激图片闪烁频率对应的SSVEP信号片段中的各数值叠加后取平均值得到各稳态视觉诱发电位刺激图片闪烁频率对应的时空矩阵Sj，将各稳态视觉诱发电位刺激图片闪烁频率对应的时空矩阵按照采集通道顺序首尾链接后转置得到各本文档来自技高网...

【技术保护点】
1.基于beamforming和CCA的稳态视觉诱发电位检出方法，其特征在于，采集每个试次内被测人员注视SSVEP刺激时产生的SSVEP信号；采用典型相关分析法对每个试次内所采集的SSVEP信号进行分类；根据SSVEP刺激的闪烁频率对每个试次内的SSVEP信号分段得到各SSVEP刺激闪烁频率对应的SSVEP信号片段，组合各SSVEP刺激闪烁频率对应的SSVEP信号片段得到各SSVEP刺激闪烁频率对应的时空组合向量，根据典型相关分析结果以及各SSVEP刺激闪烁频率对应的时空组合向量构建时空间波束形成器组；采用典型相关分析法以及波束形成法分别对新采集的SSVEP信号进行分类，输出波束形成法的分类结果，仅在典型相关分析法和波束形成法的分类结果相同时更新时空间波束形成器组。

【技术特征摘要】
1.基于beamforming和CCA的稳态视觉诱发电位检出方法，其特征在于，采集每个试次内被测人员注视SSVEP刺激时产生的SSVEP信号；采用典型相关分析法对每个试次内所采集的SSVEP信号进行分类；根据SSVEP刺激的闪烁频率对每个试次内的SSVEP信号分段得到各SSVEP刺激闪烁频率对应的SSVEP信号片段，组合各SSVEP刺激闪烁频率对应的SSVEP信号片段得到各SSVEP刺激闪烁频率对应的时空组合向量，根据典型相关分析结果以及各SSVEP刺激闪烁频率对应的时空组合向量构建时空间波束形成器组；采用典型相关分析法以及波束形成法分别对新采集的SSVEP信号进行分类，输出波束形成法的分类结果，仅在典型相关分析法和波束形成法的分类结果相同时更新时空间波束形成器组。2.根据权利要求1所述基于beamforming和CCA的稳态视觉诱发电位检出方法，其特征在于，组合各SSVEP刺激闪烁频率对应的SSVEP信号片段得到各SSVEP刺激闪烁频率对应的时空组合向量的方法为：从各SSVEP刺激闪烁频率对应的SSVEP信号片段中提取各SSVEP刺激闪烁频率对应的时空矩阵，将各SSVEP刺激闪烁频率对应的时空矩阵按照采集通道顺序首尾链接后转置得到各SSVEP刺激闪烁频率对应的时空组合向量。3.根据权利要求1所述基于beamforming和CCA的稳态视觉诱发电位检出方法，其特征在于，根据典型相关分析结果以及各SSVEP刺激闪烁频率对应的时空组合向量构建时空间波束形成器组的方法为：根据典型相关分析法对每个试次内所采集的SSVEP信号的分类结果，对每个试次内所采集SSVEP信号所属闪烁频率类别的时空组合向量的各分量叠加后取平均得到SSVEP信号所属闪烁频率类别的激活模板，再结合各SSVEP刺激闪烁频率对应的时空组合向量的协方差矩阵得到SSVEP信号所属闪烁频率类别的时空间波束形成器，wj为SSVEP信号所属闪烁频率类别的时空间波束形成器，aj为SSVEP信号所属闪烁频率类别的激活模板，∑j为各SSVEP刺激闪烁频率对应的时空组合向量的协方差矩阵。4.根据权利要求3所述基于beamforming和CCA的稳态视觉诱发电位检出方法，其特征在于，仅在典型相关分析法和波束形成法的分类结果相同时更新时空间波束形成器组的方法为：根据波束形成法的当前分类结果更新SSVEP信号所属闪烁频率类别的激活模板，再结合波束形成法得到的时空组合向量更新时空间协方差矩阵，由更新后的激活模板及时空间协方差矩阵更新SSVEP信号所属闪烁频率类别的时空间波束形成器。5.根据权利要求1所述基于beamforming和CCA的稳态视觉诱发电位检出方法，其特征在于，采用典型...

【专利技术属性】
技术研发人员：葛盛，江一川，刘慧，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32