本发明专利技术涉及一种双树复小波与共空间模式相结合的特征提取方法。本发明专利技术首先选取适当通道的脑电信号，然后根据双树复小波频率分段的特点，对原有频率进行上采样或者下采样，然后利用双树复小波多尺度分解，从而得到、、和四种节律波的频率范围对应的频段，并在该尺度下进行信号重构，得到相应频段下的多个重构信号，然后对各个适当通道进行相同的分解与重构，再将各个通道的各频段的重构信号联合起来输入到空间滤波器中，得到6维的特征向量，最后利用支持向量机来完成运动想象任务分类。本发明专利技术提出的方法不仅对运动想象脑电信号进行频率信息分析，还能有效的克服电极选取不足问题。
【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种双树复小波与共空间模式相结合的特征提取方法。本专利技术首先选取适当通道的脑电信号，然后根据双树复小波频率分段的特点，对原有频率进行上采样或者下采样，然后利用双树复小波多尺度分解，从而得到、、和四种节律波的频率范围对应的频段，并在该尺度下进行信号重构，得到相应频段下的多个重构信号，然后对各个适当通道进行相同的分解与重构，再将各个通道的各频段的重构信号联合起来输入到空间滤波器中，得到6维的特征向量，最后利用支持向量机来完成运动想象任务分类。本专利技术提出的方法不仅对运动想象脑电信号进行频率信息分析，还能有效的克服电极选取不足问题。【专利说明】
本专利技术属于脑电信号处理领域，涉及。
技术介绍
对于那些神经肌肉系统功能严重损伤的患者来说，急需一种新的与外界进行交流的方法。而脑机接口正是这样的一种方法，它不依赖脑外周围神经系统及肌肉组织，是一种在人脑和计算机或其他电子设备之间建立一种直接的信息交流和控制通道。目前，适用于脑机接口的脑电信号类型有很多种，其中运动想象脑电信号是应用最多的类型之一，因为运动想象脑电信号具有无需外界刺激，可实现异步通讯等优点，符合BCI技术的发展要求。到目前为止，人们仍对大脑思维的形成过程知之甚少，通过脑电读取人的各种思维活动还不现实。但脑电信号用于运动想象识别方面，已经取得了一定进展。比较典型的应用实例是德国图宾根大学的Niels Birbaurmer在1990年利用瘫痪病人的脑电信号成功控制了计算机光标移动。奥地利Graz科技大学的Pfurtscheller等研究表明，当人体作单边的肢体运动或想象运动时，大脑对侧产生事件相关去同步电位(ERD)，而大脑同侧产生事件相关同步电位(ERS)。Pfurtscheller的实验同时可以预测出左手还是右手的运动，分类正确率达85%。2000年，Graz研究小组进行了左右手两种运动想象分类的研究。目前，Pfurtscheller教授带领的研究小组成功建立了 GrazI和GrazII系统,首先,受试者通过想象左右手或者食指、右脚运动产生的脑电信号对系统进行控制，部分受试者通过训练后，两类的运动想象识别率获得 了高达85%的在线分辨率，然而，三类的识别率只有77%。美国Wadsworth中心进行的研究是通过记录大脑运动感觉皮层的脑电信号来控制指针的一维或二维运动。在其实验中首先要训练被试者学会自由控制P节律和β节律的幅度，从而通过这些节律的变化来实现光标移动、字母拼写和假肢控制等功能。德国Berlin工业大学Muller等研发了 Hex-O-Spell打字系统,受试者通过想象手脚的运动来进行打字的拼写。日本学者Yamawaki建立时频模型对于运动想象脑电信号进行分类研究，也取得了很好的分类效果。随后，基于公共空间模式(CSP)的特征提取方法，大大提高了脑电信号的信噪比。新加坡的Kai Keng Ang等人改进CSP方法，分别提出了空间滤波器组(FBCSP )、基于鲁棒性滤波器组的空间滤波(RFBCSP)、时频域滤波网络(OSSFN)等方法，逐步提高了模式分类的精确度，并在2008年的BCI竞赛中取得了优异的成绩。最近，美国Minnesota大学He等利用多任务想象运动脑电信号控制虚拟环境中的直升机来完成前进/后退、上升/下降、左/右旋转等运动，总体上三名受试者获得了大约85%正确率。国内，清华大学的脑电信号研究小组开展了基于运动想象的BCI光标移动、康复辅助训练等系统研究，三类运动想象任务的识别研究中取得了 79.48%的在线平均分类正确率和85%的离线平均分类正确率。另外西安交通大学郑崇勋等利用复杂度算法提取脑电信号，通过Mahalanobis距离判别式分析实现两类意识任务分类，获得了良好的效果。上海交通大学张丽清等研究了普通张量判别分析算法来提取单次的EEG样本的特征向量，再利用支持向量机进行分类，结果表明该算法提高了分类准确率。东南大学宋爱国等分别采用离散小波变换和AR模型对运动想象的脑电信号进行特征提取，两类任务运动想象识别率平均为89.5%。一般认为，BCI系统尽量采用少路数的通道，这样做的好处显而易见，所需的电极少，不仅缩短准备时间，而且少量数据需要小的信息处理代价。与之对应，德国Berlin工业大学Blankertz等学者指出，采用神经生理先验知识选择的少量通道并不一定产生比全通道采集更佳的结果，电极选取不足也会降低分类正确率。随后，Sannell1、Schroder、Barachant等对多名受试者想象左右手、脚部等运动的EEG数据进行研究，尤其是随意地选择部分通道来进行研究时，不同通道组合得到的分类精度差异较大。以最少的脑电数据获得最好的分类效果为目标，ArvaneKGao等学者进一步研究通道优化选择问题，结果表明采用CSP及其扩展算法、SVM递归通道排除法等方法都能够在某种选择判据下找到最适合特定受试者的通道位置，不仅减少电极数量，而且提高分类性能，同时也指出大量通道能提供更为丰富的信息。针对CSP算法需要大量的电极、缺乏频率信息分析的缺点，本专利技术主要是减少电极数，减少信息处理代价，与此同时增加频率信息分析，弥补CSP算法在脑电信号处理中的不足。
技术实现思路
本专利技术的目的就是针对CSP算法在脑电信号特征提取方面得到了广泛的应用，但是此方法需要大量的电极、缺乏频率信息分析，而提出的一种双树复小波与共空间模式相结合的特征提取方法。为了弥补了 CSP空间滤波缺乏频率信息的缺陷，提高了不同运动想象任务所对应的特征值的区分度，进而提高分类器的识别准确率。为了实现以上目的，本专利技术方法主要包括以下步骤:步骤(1)获 取适当通道的运动想象脑电信号。具体是，根据大脑进行不同的运动想象任务会激活大脑运动皮层上的不同区域，选择相对应的电极，从而得到此电极采集的运动想象脑电信号，其采样频率为又。步骤(2)求取适当的二次采样频率fs，保证步骤(3)重构得到的脑电信号的频率范围为O~30Hz。具体是，根据双树复小波多尺度分解得到的第I层小波系数的频率范围，求解合适的fs和1，即fjt ^ 30Hz(I)其中，30Hz为脑电信号β节律波的最大值。再根据fs对原有频率进行相应的上采样或下采样，最后得到的采样频率为fs。具体采样选择原则是若时，则进行上采样，反之进行下采样。步骤(3)对脑电信号进行双树复小波分解与重构。具体是，先将二次采样后的脑电信号进行双树复小波分解，然后选取S (0.5~4Ηζ)、Θ (4~8Ηζ)、α (8~14Hz)和β (14~30Hz) 4种节律波频率范围对应的频段，并将其重构。步骤(4)组合各通道的重构信号并进行CSP空间滤波。具体是，将各个适当通道的重构信号组合在一起，然后同时输入到CSP空间滤波器中进行滤波，滤波后的信号经过公式(2)得到分类器所需的特征向量fp。【权利要求】1.，其特征在于该方法包括如下步骤: 步骤(1)获取适当通道的运动想象脑电信号；具体是，根据大脑进行不同的运动想象任务激活大脑运动皮层上的不同区域，选择相对应的电极，从而得到此电极采集的运动想象脑电信号，其采样频率为Z; 步骤(2)求取适当的二次采样频率fs，保证步骤(3)重构得到的脑电信号的频率范围为O~30Hz本文档来自技高网...
【技术保护点】
一种双树复小波与共空间模式结合的脑电特征提取方法，其特征在于该方法包括如下步骤：步骤（1）获取适当通道的运动想象脑电信号；具体是，根据大脑进行不同的运动想象任务激活大脑运动皮层上的不同区域，选择相对应的电极，从而得到此电极采集的运动想象脑电信号，其采样频率为步骤（2）求取适当的二次采样频率fs，保证步骤（3）重构得到的脑电信号的频率范围为0～30Hz；具体是，根据双树复小波多尺度分解得到的第l层小波系数的频率范围，求解合适的fs和l，即fs/2l≈30Hz????????????????(1)其中，30Hz为脑电信号β节律波的最大值；再根据fs对原有频率进行相应的上采样或下采样，最后得到的采样频率为fs；具体采样选择原则是若时，则进行上采样，反之进行下采样；步骤（3）对脑电信号进行双树复小波分解与重构；具体是，先将二次采样后的脑电信号进行双树复小波分解，然后选取δ、θ、α和β四种节律波频率范围对应的频段，并将其重构，其中δ对应于0.5Hz～4Hz、θ对应于4Hz～8Hz、α对应于8Hz～14Hz、β对应于14Hz～30Hz；步骤（4）组合各通道的重构信号并进行CSP空间滤波；具体是，将各个适当通道的重构信号组合在一起，然后同时输入到CSP空间滤波器中进行滤波，滤波后的信号经过公式(2)得到分类器所需的特征向量fp；fp=lg(var(Zp)/Σi=12mvar(Zi)),p=1,...,2m---(2)]]>其中，var表示求向量的方差，m表示CSP滤波器的对数，lg表示自然对数运算，Zp表示CSP滤波后的特征向量。...
【技术特征摘要】
【专利技术属性】
技术研发人员：佘青山，昌凤玲，陈希豪，罗志增，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。