一种基于CCA降维和USSR模型的特征增强方法技术

一种基于CCA降维和USSR模型的特征增强方法，先进行多通道SSVEP数据采集，使用3

【技术实现步骤摘要】
一种基于CCA降维和USSR模型的特征增强方法


[0001]本专利技术涉及生物医学工程中神经工程及脑
‑
机接口
，具体涉及一种基于CCA降维和USSR模型的特征增强方法。

技术介绍

[0002]脑机接口技术(BCI)是一种不依赖于外周神经和肌肉组成的正常输出通路系统，可以通过检测大脑意图并将其转换为计算机指令，从而直接将中枢神经活动转化为人工输出。
[0003]基于脑机接口系统的稳态视觉诱发电位(SSVEP)具有训练时间短、信噪比高、响应时间短的优点，在临床检测技术中得到了广泛应用。当施加恒定频率的外部视觉刺激时，与刺激频率或谐波分量一致的神经网络会产生共振，导致大脑的潜在活动在刺激频率或谐波分量上发生显著变化，从而产生SSVEP信号。SSVEP信号可以在功率谱中刺激频率或者谐波分量处呈现频谱峰值，通过分析和检测与频谱峰值相对应的频率，可以检测受试者视觉注视的刺激源，从而识别受试者的意图。SSVEP被认为是一种周期性电信号，由特定频率的视觉刺激诱发，主要分布在枕叶区域。
[0004]在传统的SSVEP脑机接口中，所有目标都以不同的频率闪烁，并且通过识别SSVEP频率来确定受试者注视的目标。在最近的研究中，有人提出了一种基于运动棋盘格的范式(申请号201810492261.8，名称：一种基于高刷新率呈现的运动视觉诱发电位脑机接口方法)，能有效地降低受试者的疲劳度，适合长时间的BCI应用系统。然而，尽管运动棋盘范式可以减少受试者的视觉疲劳，但由于其产生机制，几乎没有谐波成分，频率能量更集中，从而导致典型的无训练算法，如典型相关分析(CCA)和滤波器组典型互相关分析(FBCCA)，识别精度较低。

技术实现思路

[0005]为了克服上述现有技术的缺点，本专利技术的目的在于提供一种基于CCA降维和USSR模型的特征增强方法，利用CCA降维技术与SSVEP信号节律的高匹配性，并结合USSR模型的协同作用和抗噪性来有效地保留并增强SSVEP信号的特征，从而实现特征频率的高精度识别。
[0006]为了达到上述目的，本专利技术采取的技术方案是：
[0007]一种基于CCA降维和USSR模型的特征增强方法，先用CCA降维技术将多通道的SSVEP信号转换成一维信号，然后通过USSR模型利用噪声能量去增强特征频率的幅值和能量，最后基于SSVEP识别模型功率谱密度分析(PSDA)作快速傅里叶变换(FFT)提取出特征频率。
[0008]一种基于CCA降维和USSR模型的特征增强方法，包括以下步骤：
[0009]1)多通道SSVEP信号采集：对被试者进行多通道EEG信号采集；多通道EEG信号经过放大、滤波与数模转化处理；
[0010]2)信号预处理：用巴特沃斯带通滤波器滤除低频和高频噪声；
[0011]3)多通道信号降维：采用典型相关分析(CCA)降维技术将多通道信号转换成单通道一维信号；
[0012]4)模型及计算参数初始化：设置USSR模型及初始参数；
[0013]5)USSR模型处理：将预处理且降维后的单通道一维信号送入USSR模型，利用噪声能量增强信号频率的能量和幅值以识别目标频率；
[0014]6)目标频率识别：将经过USSR模型增强后的单通道一维信号通过功率谱密度分析(PSDA)作快速傅里叶变换(FFT)提取出识别频率；
[0015]7)频率匹配检测：将识别频率与所有刺激频率进行匹配，如果匹配成功，则目标频率被有效识别；如果匹配失败，则检测结束，进入下一次识别过程。
[0016]所述的步骤1)多通道SSVEP信号采集中使用g.USBamp(g.tec Inc.，Austria)脑电采集系统记录SSVEP信号，并根据10/20电极系统设置电极，参考电极位于大脑前额FPz，接地电极位于左耳垂A1，POz、PO3、PO4、PO5、PO6、Oz、O1和O2共8个电极用于记录SSVEP信号，SSVEP信号以1000Hz频率采样，经50Hz陷波滤波器滤波，经0.1
‑
100Hz带通滤波器滤波；电极与脑电采集系统的输入连接，经过放大、滤波与数模转化处理，脑电采集系统输出脑电信号数据。
[0017]所述的步骤2)多通道SSVEP信号在3
‑
40Hz之间通过巴特沃斯滤波器进行滤波，通带纹波设置为6，阻带纹波设置为8。
[0018]所述的步骤3)由于USSR模型微分方程的性质，其输入信号必须为一维向量，相比于典型的维度降低方法中，CCA降维技术能最大限度地保留原始多通道SSVEP信号的特征。
[0019]所述的步骤4)中USSR模型的二阶微分方程表示为：
[0020][0021]式中：0<β<1为阻尼系数，a和b是系统参数，满足a，b∈R
+
，s(t)是非周期激励输入，x是USSR系统的输出信号；n(t)是高斯白噪声，平均值为零，自相关函数满足<n(t1)n(t2)>＝2Dδ(t1‑
t2)；<.>计算总平均值；D表示噪声强度，δ(t)表示单位脉冲函数，采用定步长的四阶Runge
‑
Kutta方法来求解微分方程。
[0022]本专利技术的有益效果为：
[0023](1)对比了六种典型的维度降低方法，本专利技术采用的CCA降维技术将多通道SSVEP信号转换成单通道一维信号的同时能最大限度地保留原始信号的特征，从而提高了识别准确率和信息传输率。
[0024](2)本专利技术采用了欠阻尼二阶随机共振模型(USSR)，其考虑了惯性和阻尼因子对系统输出的影响，所以加强了对噪声的抑制，得到的信号更加平滑。
[0025](3)本专利技术利用欠阻尼随机共振的协同作用和抗噪性，利用噪声能量有效地增加了目标频率的能量和幅值，从而提高了方法的鲁棒性和识别精度。
附图说明
[0026]图1是本专利技术的流程图。
[0027]图2是实施例SSVEP数据的棋盘格范式35个目标界面。
[0028]图3是实施例实验过程流程图。
[0029]图4是实施例CCA、LDA
‑
USSR、LLE
‑
USSR、CCA
‑
USSR四种方法的系数谱。
[0030]图5是实施例基于PSDA的快速傅里叶变换的平均准确率和信息传输率。
具体实施方式
[0031]以下结合附图对本专利技术进一步的详细说明。
[0032]参照图1，一种基于CCA降维和USSR模型的特征增强方法，包括以下步骤：
[0033]1)多通道SSVEP信号采集：对被试者进行多通道EEG信号采集；多通道EEG信号经过放大、滤波与数模转化处理；
[0034]采集中使用g.USBamp(g.tec Inc.，Austria)脑电采集系统记录SSVEP信号，并根据10/20电极系统设置电极，参考电极位于大脑前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CCA降维和USSR模型的特征增强方法，其特征在于：先用CCA降维技术将多通道的SSVEP信号转换成一维信号，然后通过USSR模型利用噪声能量去增强特征频率的幅值和能量，最后基于SSVEP识别模型功率谱密度分析(PSDA)作快速傅里叶变换(FFT)提取出特征频率。2.一种基于CCA降维和USSR模型的特征增强方法，其特征在于，包括以下步骤：1)多通道SSVEP信号采集：对被试者进行多通道EEG信号采集；多通道EEG信号经过放大、滤波与数模转化处理；2)信号预处理：用巴特沃斯带通滤波器滤除低频和高频噪声；3)多通道信号降维：采用典型相关分析(CCA)降维技术将多通道信号转换成单通道一维信号；4)模型及计算参数初始化：设置USSR模型及初始参数；5)USSR模型处理：将预处理且降维后的单通道一维信号送入USSR模型，利用噪声能量增强信号频率的能量和幅值以识别目标频率；6)目标频率识别：将经过USSR模型增强后的单通道一维信号通过功率谱密度分析(PSDA)作快速傅里叶变换(FFT)提取出识别频率；7)频率匹配检测：将识别频率与所有刺激频率进行匹配，如果匹配成功，则目标频率被有效识别；如果匹配失败，则检测结束，进入下一次识别过程。3.根据权利要求2所述的方法，其特征在于：所述的步骤1)多通道SSVEP信号采集中使用g.USBamp(g.tec Inc.,Austria)脑电采集系统记录SSVEP信号，并根据10/20电极系统设置电极，...

【专利技术属性】
技术研发人员：徐光华，陈瑞泉，张勋，裴晋举，李保玉，张四聪，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：