一种基于混合函数相关向量机的混合脑机接口系统技术方案

本发明专利技术公开了一种基于便携式EEG设备的非侵入式混合范式脑‑机接口的决策模型的核函数优化方法。考虑到将几种脑‑机接口范式相结合的混合范式脑‑机接口，混合范式脑‑机接口可以满足多指令输出，而且具有较高分类准确率。该决策方法使用了基于稀疏贝叶斯的相关向量机分类器，需要更稀疏的相关向量，训练时间更短，同时该模型的测试时间也很短。模型参数自动确定。核函数选择上不受mercer定理的限制，可以任意构造新的核函数。

A hybrid brain computer interface system based on hybrid function correlation vector machine

【技术实现步骤摘要】
一种基于混合函数相关向量机的混合脑机接口系统
本专利技术涉及一种非侵入式的基于EEG的混合范式脑-机接口的决策模型的核函数优化方法，属于脑-机接口

技术介绍
脑-机接口是一种可以实现人的大脑和外部环境(计算机或者外部设备)直接进行通讯的新型交互方式。通过采集人的大脑的头皮电位活动信息，反映出不同自发式的大脑电位活动或者由外部刺激诱发的大脑电位活动。脑-机接口在教育、医疗康复、疾病诊断等方面具有潜在的应用价值。脑-机接口中常用的脑电图(Electroencephalogram，EEG)因其采集方便、成本较低，成为非侵入式脑-机接口研究中广泛使用的方法。脑-机接口通常是在单一范式下进行实验和分析，常用的脑-机接口范式有：(1)基于运动想象的脑-机接口；(2)基于P300的脑-机接口；(3)基于稳态视觉诱发电位(steady-statevisualevokedpotential，SSVEP)的脑-机接口。单一范式的脑-机接口可以完成有限任务的控制指令的输出，由于决策任务类别数少，分类准确率低，从而导致了信息传输率较低。但是为本文档来自技高网...

【技术保护点】
1.一种非侵入式混合范式脑-机接口的决策模型的核函数优化方法。/n其特征在于：将几种脑-机接口范式相结合的混合范式脑-机接口，混合范式脑-机接口可以满足多指令输出，而且具有较高分类准确率。/n第一步：信号特征提取：针对脑电信号通道少，包含有用信息不充分的问题，提出了将相空间重构法对少通道的一维EEG时间序列进行重构；/n第二步：将一维EEG信号重构到高维的相空间，在相空间中观察到更丰富的动力学特征信息。同时增加信号的维度和通道数。/n

【技术特征摘要】
1.一种非侵入式混合范式脑-机接口的决策模型的核函数优化方法。
其特征在于：将几种脑-机接口范式相结合的混合范式脑-机接口，混合范式脑-机接口可以满足多指令输出，而且具有较高分类准确率。
第一步：信号特征提取：针对脑电信号通道少，包含有用信息不充分的问题，提出了将相空间重构法对少通道的一维EEG时间序列进行重构；
第二步：将一维EEG信号重构到高维的相空间，在相空间中观察到更丰富的动力学特征信息。同时增加信号的维度和通道数。


2.根据权利要求1所述的模型函数优化方法，其特征在于：
第一步：信号分类：采用了相关向量机分类器作为分类器，RVM是一种基于稀疏贝叶斯的机器学习模型。
第二步：自动确定参数，测试时间短，得出二值分类结果的同时获得概率输出，与SVM相比，RVM更稀疏，因而测试时间更短。
第三步：通过RVM提高泛化能力使得好于SVM。
第四步：通过RVM的缩短模型训练时间更短...

【专利技术属性】
技术研发人员：王晓岸，卢树强，周凯瑞，
申请(专利权)人：北京脑陆科技有限公司，
类型：发明
国别省市：北京;11