一种基于六分类运动想象脑电信号的文本输出方法技术

本发明专利技术公开了一种基于六分类运动想象脑电信号的文本输出方法，其步骤包括：1、采样六分类想象运动信号，2、将采集的信号数据滤波然使用改良的PCA

【技术实现步骤摘要】
一种基于六分类运动想象脑电信号的文本输出方法


[0001]本专利技术属于人工智能，生物信号处理相关
，具体涉及一种基于六分类运动想象脑电信号的文本输出方法。

技术介绍

[0002]脑电信号处理，无疑是当下的一个热门领域，对于想象运动来说，其本质是在动作没有发生的前提下做出预测和分析将要发生的行为。当一个人想象某种行为，而这种行为没有发生时，大脑会产生一个脑电图信号来执行这种行为，称之为运动想象脑电图信号。
[0003]传统通过脑电想象运动输出文本，主要通过基于p300的事件相关电位原理，是通过眼睛观看屏幕上闪烁的文本，通过不同频率的闪烁，在300微秒内采集到相应的频率，从而进行文本输出。但是这种方法是一种被动的输出范式，并且人体长时间盯着闪烁的屏幕，很容易产生疲劳。

技术实现思路

[0004]本专利技术为克服现有技术的不足之处，提出一种基于六分类运动想象脑电信号的文本输出方法，以期能有效地把握运动想象的行为意图，从而实现人与新的外部环境的有效沟通。
[0005]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0006]本专利技术一种基于六分类运动想象脑电信号的文本输出方法的特点是按如下步骤进行：
[0007]步骤1：利用多通道脑电信号采集设备采集被试者分别想象六种状态下的脑电信号，且每种状态共维持m秒，前n秒处于想象状态，后z秒处于平复状态，并重复K轮，从而得到K组样本的脑电信号集合；所述六种状态分别为左、右手运动状态，左、右脚运动状态，挥拳运动状态，以及静息状态；
[0008]步骤2：采用自适应滤波器去除所述脑电信号集合的频率干扰信号，再进行带通滤波和陷波，以及去除伪影的预处理，从而得到预处理后的脑电信号集合；
[0009]步骤3：对预处理后的脑电信号集合中的脑电信号进行时频分析，找出单组样本中α节律和β节律能量最高的k秒并进行截取，从而得到单组样本的有效动作信号；
[0010]步骤4：利用OVR
‑
CSP算法对单组样本的有效动作信号进行特征提取，得到单组样本中空间差异性最大的s组特征向量；
[0011]步骤5：基于序列前向选择算法对s组特征向量中的多通道特征进行筛选，找到分类效果最佳的若干个通道特征，并作为筛选后的s组特征向量；
[0012]步骤6：将筛选后的s组特征向量输入分类器中，得到六种状态下的分类结果；
[0013]步骤7：设置想象左手运动的分类结果为1，想象右手运动的分类结果为2，想象左脚运动的分类结果为3，想象右脚运动的分类结果4，想象挥拳运动的分类结果为5，静息态的分类结果为6；
[0014]步骤8：将六种状态下的分类结果进行两两组合后对应形成文字结果并输出。
[0015]与现有技术相比，本专利技术的有益效果在于：
[0016]1)本专利技术提出一种新的主动输出范式，克服了现有技术中被动的输出范式的缺点，使得输出方式更佳便捷有效。
[0017]2)本专利技术采用了改良的脑电预处理算法，更好的去除了脑电采集过程中产生的伪影，进一步提升了采集的信号的质量，从而达到了更高的脑电信号分类准确率，并提升了通过运动想象输出文本的效率。
[0018]3)本专利技术的文本结果包含常用的标点符号和一些常用句子，使得设计更加人性化。
附图说明
[0019]图1是本专利技术信号处理流程图；
[0020]图2是本专利技术信号能量随频率的变化关系图；
[0021]图3是本专利技术去除伪影前后对比图；
[0022]图4是本专利技术各个分类器准确率对比图；
[0023]图5是本专利技术文本输出范式图。
具体实施方式
[0024]本实施例中，一种基于六分类运动想象脑电信号的文本输出方法，如图1所示，是按如下步骤进行：
[0025]步骤1：利用多通道脑电信号采集设备采集被试者分别想象六种状态下的脑电信号，且每种状态共维持m秒，前n秒处于想象状态，后z秒处于平复状态，并重复K轮，从而得到K组样本的脑电信号集合；六种状态分别为左、右手运动状态，左、右脚运动状态，挥拳运动状态，以及静息状态；
[0026]步骤2：脑电信号来源于头皮，其信号容易受到噪声污染，从而产生各种伪影，伪影是信号的一部分，来源于那些与所需信号不同的信号源，因此伪影也被称之为干扰或者噪声。首先对信号进行频域分析，绘制信号频谱图，如图2所示，图2显示了信号能量随频率的变化关系，频率的取值范围为0
‑
250Hz。图2中所示围绕50Hz周期性持续振荡，即为工频噪声，工频噪声可通过50Hz陷波进行去除。接着采用自适应滤波器去除脑电信号集合的频率干扰信号，再进行带通滤波和陷波，EEG可分为Delta(Δ)、Theta(θ)、Alpha(α)、Beta(β)、Gamma(γ)五种不同的类型，频率从0.1
‑
45Hz，因此对信号进行0.1
‑
45Hz带通滤波，进行频率筛选并防止低频漂移。再进行去除伪影的预处理，本实施例中，选用的是用PCA
‑
FastICA算法抑制信号中眼电伪影和心电伪影的影响，该FastICA算法是一种改进的ICA算法，思路流程为，设原始脑电数据为E，其维度为N
×
T，N代表通道数量，T代表每个通道的采样点，
[0027]首先利用式(1)计算脑电数据的空间协方差C：
[0028]C＝(EET)/(tr(EET))
ꢀꢀꢀ
(1)
[0029]然后分别计算两个类别的空间协方差矩阵，用C
l
和C
r
别表示，复合空间协方差矩阵C
C
就可以表示为式(2)：
[0030]C
C
＝C
l
+C
r
ꢀꢀꢀ
(2)
[0031]将C
C
利用式(3)进行分解，
[0032]C
C
＝U
C
λ
C
U
CT
ꢀꢀꢀ
(3)
[0033]式(3)中，U
C
是特征向量的矩阵，λ
C
是特征值的对角矩阵。在此过程中，特征值按降序排列。于是白化变换就可以表示为式(4)：
[0034][0035]然后利用白化矩阵P将协方差矩阵C
l
和C
r
转化为信的方差矩阵S
l
，S
r
如式(5)所示：
[0036]S
l
＝PC
l
P
T
,S
r
＝PC
r
P
T
ꢀꢀꢀ
(5)
[0037]S
l
，S
r
有着相同的特征向量，假设为向量B，那么有式(6)
[0038]S
l
＝Bλ
l...

【技术保护点】

【技术特征摘要】
1.一种基于六分类运动想象脑电信号的文本输出方法，其特征是按如下步骤进行：步骤1：利用多通道脑电信号采集设备采集被试者分别想象六种状态下的脑电信号，且每种状态共维持m秒，前n秒处于想象状态，后z秒处于平复状态，并重复K轮，从而得到K组样本的脑电信号集合；所述六种状态分别为左、右手运动状态，左、右脚运动状态，挥拳运动状态，以及静息状态；步骤2：采用自适应滤波器去除所述脑电信号集合的频率干扰信号，再进行带通滤波和陷波，以及去除伪影的预处理，从而得到预处理后的脑电信号集合；步骤3：对预处理后的脑电信号集合中的脑电信号进行时频分析，找出单组样本中α节律和β节律能量最高的k秒并进行截取，从而得到单组样本的有...

【专利技术属性】
技术研发人员：王玉成，冯卫奔，周永照，赵娜娜，叶晓东，孔令成，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：