基于迁移学习的稳态视觉诱发电位脑机接口信号解码方法技术

一种基于迁移学习的稳态视觉诱发电位脑机接口信号解码方法，包括以下步骤：1)对目标受试者和源受试者的脑电信号进行带通滤波等预处理；2)使用基于分类精度的受试者选择算法筛选与目标受试者相似的源受试者；3)利用目标受试者和被选源受试者的数据构造受试者内和受试者间的典型相关分析算法，估计三个空域滤波器和两个模板信号；4)使用三个空域滤波器分别对测试信号和两个模板信号进行滤波，计算滤波的测试信号和每个模板信号的相关系数，并将其变换为特征信号；5)使用模板匹配法对测试信号进行频率识别，将取得最大特征值的模板的频率判决为测试信号的频率。本发明专利技术能够减少目标受试者的训练要求，促进脑机接口的实际应用。促进脑机接口的实际应用。促进脑机接口的实际应用。

【技术实现步骤摘要】
基于迁移学习的稳态视觉诱发电位脑机接口信号解码方法


[0001]本专利技术涉及脑科学及计算机
更具体地说，本专利技术涉及脑机接口技术与脑电信号处理技术。

技术介绍

[0002]脑机接口(Brain
‑
Computer Interface,BCI)，是指在大脑与具有信息处理能力的设备之间，创建用于信息交换的连接通路，实现信息的交换或对设备的控制。由于BCI技术可以实现大脑与外部设备的交互，跨越常规的大脑信息输出通路，因此在医疗健康等领域有广阔的应用前景。同时，随着现代医学对大脑结构和功能的不断探索，人类已经对运动、视觉、听觉、语言等大脑功能区有了较为深入的了解，通过BCI获取大脑区域信息并对其进行分析，在神经系统疾病的诊断、筛查、治疗与康复等领域将有广泛的应用。
[0003]稳态视觉诱发电位(Steady
‑
State Visual Evoked Potential,SSVEP)是一种由外部刺激诱导产生的节律性信号。当人眼受到一个固定频率的闪烁或者变化模式的视觉刺激时，大脑皮层的电活动将被调制，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的稳态视觉诱发电位脑机接口信号解码方法，其特征是包括以下步骤：(1)数据预处理：对目标受试者和所有源受试者连续的EEG信号进行通道提取、降频、数据截取以及带通滤波；(2)源受试者选择：基于典型相关分析CCA算法，使用基于分类精度的受试者选择ASS算法，筛选与目标受试者脑电信号相似的最优源受试者子集；(3)空域滤波器和模板估计：基于受试者内和受试者间CCA算法，使用目标受试者、被选源受试者以及两者的训练数据分别估计三个空域滤波器，使用目标受试者和被选源受试者的训练数据分别估计两个模板信号；(4)特征提取：使用三个空域滤波器分别对目标受试者单次实验的测试信号和两个模板信号进行空域滤波，对滤波后的测试信号和每个模板信号做Pearson相关分析，将产生的六个相关系数变换为一个特征信号，用于测试信号的频率识别；(5)频率识别：使用模板匹配法对测试信号的刺激频率进行识别，在所有刺激目标的模板信号中，产生最大特征信号的模板对应的刺激频率，被判决为该测试信号的刺激频率；给定一个刺激目标i，一个单次实验的测试信号对应的刺激目标的频率f
t
，使用下式进行识别：2.根据权利要求1所述的一种基于迁移学习的稳态视觉诱发电位脑机接口信号解码方法，其特征是所述的步骤(1)包括以下具体步骤：(1.1)从原始的记录通道中提取位于枕部区域的对视觉刺激最敏感的少量电极通道的EEG数据；(1.2)将连续的EEG数据分割为单次实验的数据，即截取从任务提示开始在时间窗[ls,(l+d)s]的一段数据，其中l包括目光转移的时间和视觉系统的潜伏期延迟时间，d为用于频率识别的数据长度；(1.3)如果原始EEG数据采样频率过高，则需要将其下采样到250Hz左右，以降低数据处理的复杂性；(1.4)使用带通滤波器将单次试验的EEG数据在8
‑
88Hz频带进行滤波，提取包含刺激频率的基波及其谐波的EEG信号，滤除与频率检测无关的噪声。3.根据权利要求1所述的一种基于迁移学习的稳态视觉诱发电位脑机接口信号解码方法，其特征是所述的步骤(2)包括以下具体步骤：(2.1)以单个源受试者有标签的数据作为训练数据，以目标受试者的训练数据作为测试数据，计算每个源受试者的分类精度；按照分类精度的高低，将所有源受试者进行降序排列，产生一个源受试者的性能排列表；(2.2)将排序表中第一个源受试者作为被选的源受试者，从第二个源受试者开始，逐步增加一个源受试者，将该源受试者和被选的源受试者作为一个子集，并将该子集的数据合在一起作为训练数据，对测试数据进行分类，计算该子集的分类精度；(2.3)如果这个源受试者子集的精度高于被选的源受试者子集的精度，则将该源受试者作为一个被选的源受试者保留在排列表中；否则，从源受试者排列表中删除该源受试者；
然后，在排序表中选择下一个源受试者，将其与其前面所有被选的源受试者构成一个新的子集，重复上面的分类步骤，直到所有源受试者都被用于构造新的子集为止；(2.4)在最...

【专利技术属性】
技术研发人员：魏庆国，张祎鑫，屈昊旻，
申请(专利权)人：南昌大学，
类型：发明
国别省市：