基于csp和互相关的运动想象脑电信号分类方法
【技术领域】
[0001] 本发明属于信息技术领域，更一步涉及左手、右手、脚和舌头这四类运动想象脑电 信号分类方法，可用于自动轮椅等具有运动想象脑-机接口 BCI在线系统的脑电产品控制。
【背景技术】
[0002] 根据神经解剖学可知，人类大脑的表层称为大脑皮层。大脑皮层可以分为若干个 功能区域，不同区域掌管和调控身体的不同功能和机制。根据空间位置，大脑皮层被分为几 个叶，有额叶、顶叶、枕叶、颞叶等。其中，额叶主要决定性格、控制情感和辨别对错；顶叶能 感受触觉并掌控肢体活动，还兼具会话沟通的能力；枕叶用来掌管视觉；颞叶负责听力和 瞬间记忆。其中与运动想象相关的区域主要有躯体运动区和躯体感觉区，我们把这些区域 称为运动感觉区。
[0003] 想象运动，是指人们在大脑中想象而实际没有执行的运动，如想象要动左手或动 右手，但还未开始动。想象运动及实际运动的准备和执行会使人的大脑皮层的功能性连接 发生变化，从而导致大脑中能量分布发生改变。当想象或实际执行左手或右手运动时，大脑 的对侧运动感觉区mu节律和beta节律的脑电信号能量减弱，这种现象被称为事件相关去 同步现象ERD。与此同时，在大脑的同侧运动感觉区mu节律和beta节律的脑电信号能量增 强，这种现象被称为事件相关同步现象ERS。ERD或ERS现象是判别左右手指运动想象脑电 信号最根本的特征。而想象脚的运动会在大脑的中央顶区产生ERD现象；想象舌头的运动 则会在大脑的中央顶区产生ERS现象。
[0004] 共空间模式CSP算法被认为是提取运动想象脑电信号特征十分有效的方法。该 算法利用代数上矩阵同时对角化理论，寻找一组空间滤波器对待处理信号进行滤波，使得 经过滤波后的信号中一类的方差达到最大，同时另一类的方差达到最小，从而达到提取 特征的目的。然而，正如文献"LI Ming-Ai Lin Lin Yang Jin-Fu，'Adaptive Feature Extraction of Four-Class Motor Imagery EEG Based on Best Basis of Wavelet Packet and CSP^Electric Information and Control Engineering (ICEICE)，International Conference，3918-3921 (2011)"所述，然而这种共空间模式CSP算法存在以下不足：1.对噪 声敏感，即在噪声比较大的时候，提取的特征向量的质量会有较大幅度的下降，导致分类正 确率下降；2.对不同个体不能适应其个体差异性，由于每个个体做相同的想象运动其脑电 信号都是不同的，具有差异性，而共空间模式CSP并不能很好的适应这种差异性，表现为对 部分个体的分类正确率较低。
【发明内容】
[0005] 本发明的目的在于针对上述已有技术的不足，提出一种基于CSP和互相关的运动 想象脑电信号分类方法，以提高分类正确率。
[0006] 本发明技术方案是这样实现的：
[0007] - ·技术原理
[0008] 神经解剖学研宄表明，人在完成几乎所有的动作时都要同时有躯体运动区和躯体 感觉区的参与和协作。也就是说人类大脑的不同脑区之间存在信息的交流。这种信息交流 的关键特征之一就是信号的同步性，其反映的是时间上的信息，是不同于能量变化的新的 信息。根据同步性分析方法的知识可知，互相关函数CC是分析同步性的一种有效方法，它 给出的是时域两变量间相关程度的一个度量。现有的共空间模式CSP算法是以滤波后的信 号的方差构造特征向量，而信号的方差是能量大小的体现，其包含的是能量信息，并不包含 不同脑区之间的同步性信息。因此，本发明基于共空间模式CSP和互相关函数CC所提取的 特征包含不同的信息这一特性，将这两种方法结合在一起作分别提取受试者运动想象脑电 信号的能量特征与同步性特征，并将这两个特征进行加权特征连接，使得特征向量中包含 有更多的分类信息，以减小个体差异对分类结果的影响，提高分类正确率。
[0009] 二·技术方案
[0010] 根据上述原理，本发明的技术方案包括如下步骤：
[0011] ⑴获取脑电信号：通过受试者佩戴的电极帽上的左电极C3、中电极Cz和右电极 C4以及这三个电极各自周围的8个电极，采集受试者想象左手、右手、脚和舌头四类想象运 动时的脑电信号，并将采集的原始脑电信号依次经过放大、模/数转换、空间滤波、基线校 正和带通滤波，得到滤波后的脑电信号，并将该滤波后的脑电信号随机分为训练集O 1和测 试集Φ2;
[0012] ⑵提取训练集（^的训练特征向量f esp-cc:
[0013] (2a)计算训练集应类别c的投影矩阵W。，其中，下标c表示想象运动的类 另ij，c e {l，r，f，t}，l、r、f、t分别表示想象左手、右手、脚、舌头；
[0014] (2b)根据投影矩阵W。计算训练集Φ i的共空间特征向量f esp;
[0015] (2c)利用互相关函数CC提取训练集O1的互相关特征向量f。。：
[0016] (2cl)计算训练集％的左电极C3与中电极Cz的互相关函数值c3z，左电极C3与 右电极C4的互相关函数值C 34，右电极C4与中电极Cz的互相关函数值c4z:
【主权项】
1.基于CSP和互相关的运动想象脑电信号分类方法，包括如下步骤： (1)获取脑电信号：通过受试者佩戴的电极帽上的左电极C3、中电极Cz和右电极C4以 及这三个电极各自周围的8个电极，采集受试者想象左手、右手、脚和舌头四类想象运动时 的脑电信号，并将采集的原始脑电信号依次经过放大、模/数转换、空间滤波、基线校正和 带通滤波，得到滤波后的脑电信号，并将该滤波后的脑电信号随机分为训练集? JP测试集 ①2; ⑵提取训练集O1的训练特征向量f\sp_。。： (2a)计算训练集应类别c的投影矩阵W。，其中，下标c表示想象运动的类别， c G {l，r，f，t}，l、r、f、t分别表示想象左手、右手、脚、舌头； (2b)根据投影矩阵W。计算训练集? i的共空间特征向量f\sp; (2c)利用互相关函数CC提取训练集O1的互相关特征向量f。。： (2cl)计算训练集左电极C3与中电极Cz的互相关函数值c3z，左电极C3与右电 极C4的互相关函数值C34，右电极C4与中电极Cz的互相关函数值c4z:
其中，C3(i)，Cz(i)，C4⑴分别表示训练集％的左电极C3、中电极