一种对稳态视觉诱发电位脑-机接口目标的识别方法
【专利摘要】本发明公开了一种对稳态视觉诱发电位脑-机接口目标的识别方法，所述识别方法包括以下步骤：受试者依次注视若干个以不同频率同时闪烁的LED，通过脑电放大器采集脑电信号，并进行预处理；根据稳态视觉诱发电位特性，对预处理后的脑电信号进行周期截取，按截取与刺激是否一致分配1和-1标签；将得到的脑电波形片段作为特征，对线性判别分析分类器进行训练；用训练好的分类器计算决策值，对不同截取周期得到的决策值分别叠加平均，取最大决策值对应的截取周期作为识别结果输出。本方法充分利用了脑电中丰富的时域信息，有效提升了识别正确率和信息传输速率。本方法进行目标识别的BCI系统有望应用于多种场景，带来可观的社会和经济效益。
【专利说明】-种对稳态视觉诱发电位脑-机接口目标的识别方法
【技术领域】
[0001] 本发明设及稳态视觉诱发电位脑-机接口领域，尤其设及一种对稳态视觉诱发电 位脑-机接口目标的识别方法。
【背景技术】
[000引 脑-机接口炬rain-Computer Inte计ace, BCI)建立了一种不依赖于外周神经和 肌肉组织等常规大脑输出通路的信息通道。BCI通过传感器获取大脑信号，经处理提取反映 使用者意愿的特定信号特征，该些特征被转换成命令来操作设备。使用者必须培养并保持 信号特征与其意愿的相关性，而BCI必须选择并提取特征，转换为设备指令，让使用者能够 进行控制。
[0003] 目前，大部分脑-机接口系统通过测量脑电巧lectroence地alography, EEG)信号 获取大脑活动的信息，因为脑-机接口需要对使用者的意图做出足够快的识别和响应，该 就要求用于脑-机接口的大脑信号具有足够高的时间分辨率，而脑电恰好满足该一要求， 而且脑电信号测量成本相对较低，便携，对用户风险低。脑电应用于脑-机接口又产生了多 种不同的范式，最为常用的几种有；视觉诱发电位（Visual Evoke化tential，VE巧、慢皮层 电位（Slow Co;rtical Potential, SCP)，事件相关电位巧vent-Related Potential, ERP)， 感觉运动节律（Sensorimotor化ythms)。其中视觉诱发电位具有指令数多、无需训练和信 息传输速率高的特点，最有可能成为大规模指令集的脑-机接口范式。此外视觉诱发电位 需要的电极相对较少，甚至只需要单个电极就可W实现控制，因此更适宜于便携式脑-机 接口发展。
[0004] 根据视觉刺激的频率特性，视觉诱发电位可分为瞬态视觉诱发电位（Transient VEP，TVE巧和稳态视觉诱发电位（Steady-State VEP，SSVE巧。当刺激频率低于細Z时出现 TVEP，当刺激频率高于6化时，会诱发出周期性的脑电信号，称为SSVEP。SSVEP是一个类似 正弦的信号，且它的基频与刺激源（如闪烁）的频率相同，还可能出现基频的谐波频率成 分，SSVEP的频率成分的幅值和相位在很长时间内保持恒定。SSVEP因其具有稳定的频谱和 较高的信噪比（SNR)，被广泛用于脑机接口中，实现较大的指令集和较高的信息传输速率。 [000引在SSVEP-BCI中，系统呈现一系列W不同频率闪烁的目标（如图片，LED灯，棋盘 格等），每个目标代表某种指令（如上下左右），当使用者注意其中某一频率的闪烁时，通过 提取脑电信号中的SSVEP成分，识别出被试者正在注意的目标，从而转化为控制指令。其中 最重要一步是通过脑电对被试者注意的视觉刺激频率进行准确识别，传统的功率谱方法难 W得到理想效果，目前学者们提出了典型相关分析、最小能量组合、共同特征分析、经验模 态分解等方法，特别是典型相关分析方法得到了较好的效果，是目前最广泛采用的方法。 [0006] 但实验发现，SSVEP存在一定的个体差异，不同人对于同一个刺激频率产生的 SSVEP响应存在一定的偏差，部分被试者的SSVEP淹没在背景脑电中，导致识别正确率出现 明显下降，从而使SSVEP-BCI无法应用于该些SSVEP信号质量较差的人群，即"BCI文盲"现 象。此外，尽管脑电是一种时间分辨率较高的神经成像手段，但目前的目标识别方法多针对 SSVEP的频域特征，实验发现对部分受试者其识别正确率明显偏低，而且现有识别方法多需 要截取较长的数据才能够保证正确率，该限制了 SSVEP-BCI的应用推广和速度提升。
【发明内容】
[0007] 本发明提供了一种对稳态视觉诱发电位脑-机接口目标的识别方法，本发明有效 的提升了识别正确率和信息传输速率，详见下文描述：
[000引一种对稳态视觉诱发电位脑-机接口目标的识别方法，所述识别方法包括W下步 骤：
[0009] 受试者依次注视若干个W不同频率同时闪烁的LED,通过脑电放大器采集脑电信 号，并进行预处理；
[0010] 根据稳态视觉诱发电位特性，对预处理后的脑电信号进行周期截取，按截取与刺 激是否一致分配1和-1标签；
[0011] 将得到的脑电波形片段作为特征，对线性判别分析分类器进行训练；用训练好的 分类器计算决策值，对不同截取周期得到的决策值分别叠加平均，取最大决策值对应的截 取周期作为识别结果输出。
[0012] 所述通过脑电放大器采集脑电信号，并进行预处理具体为：
[001引采集第1通道01，第2通道Oz，第3通道02,第四通道A1的脑电信号，W右侧乳 突A2作为参考电极，前额处接地，对采集到的脑电信号进行变参考为第四通道A1、右侧乳 突A2平均参考的预处理。
[0014] 所述变参考为第四通道A1、右侧乳突A2平均参考的预处理具体为：
[0015] 将第1通道01，第2通道化，第3通道02的导联信号分别减去（A1+A2) /2,低通滤 波至40化。
[0016] 所述将得到的脑电波形片段作为特征，对线性判别分析分类器进行训练，用训练 好的分类器计算决策值，对不同截取周期得到的决策值分别叠加平均具体为：
[0017] 将所有得到的脑电片段与其对应的标签输入LDA分类器，训练分类器，得到最佳 投影向量，再利用分类面方程得到分类面偏移；
[001引取在线测试脑电信号，进行截取得到四种片段；
[0019] 将每种片段分别输入LDA分类器，每个片段得到一个决策值，对决策值叠加平均， 得到四个最终决策值。
[0020] 本发明提供的技术方案的有益效果是；本方法将脑电时域波形按周期截取后直接 输入线性分类器进行分类，再在决策层进行叠加平均，充分利用了脑电中丰富的时域信息。 有效提升了识别正确率和信息传输速率。该一方法可W用于SSVEP-BCI，也可W用于SSVEP 与其他范式组成的混合BCI，采用该一方法进行目标识别的BCI系统有望应用于多种场景， 带来可观的社会和经济效益。
【专利附图】
【附图说明】
[0021] 图1为一种对稳态视觉诱发电位脑-机接口目标的识别方法的流程图；
[0022] 图2为脑电采集导联的示意图；
[0023] 图3为脑电周期截取叠加方法的示意图；
[0024] 图4为投影方向示意图；
[0025] 图5为周期截取与LDA结合实现SSVEP目标刺激识别的示意图；
[0026] 图6为识别四个频率的示意图；
[0027] 图7为实验结果对比图。
【具体实施方式】
[002引为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步 地详细描述。
[0029] 一种对稳态视觉诱发电位脑-机接口目标的识别方法，参见图1，识别过程分为 两个过程，先进行离线实验，将获得的数据按刺激周期截取，按截取与刺激是否一致分配1 和-1标签，训练线性判别分析分类器；之后进行在线实验，按同样的方法截取信号，然后用 训练好的分类器计算决策值，对不同截取周期得到的决策值分别叠加平均，取最大决策值 对应的截取周期（频率）作为识别结果输出。该方法包括W下步骤：
[0030] 101 ;受试者依次注视若干个W不同频率同时闪烁的LED,通过脑电放大器采集脑 电信号，并进行预处理；
[0031] 其中，本方法利用脑电放大器采集脑电，带宽为0. 5-lOOHz，阻抗巧kQ，采样率为 lOOOHz，同时记录刺激器发出的刺激开始时刻的同步标签。
[0032] 在离线训练实验中，令受试者依次注视若干个W不同频率同时闪烁的LED,每个 L邸注视2s，循环20次。采集4个通道的脑电信号（第1通道01，第2通道化，第3通道 02,第四通道A1)，W右侧乳突（A2)作为参考电极，前额处接地（GND)，电极配置遵照国际 脑电协会规定的10-20电极放置系统，需要采集的导联如图2所示。采集到的脑电，利用 MTLAB邸化油工具箱进行预处理；变参考为A1、A2平均参考（即将01、0z、02导联信号分 别减去（Al+A2)/2)，低通滤波至40Hz。
[0033] 102;根据稳态视觉诱发电位特性，对预处理后的脑电信号进行周期截取，按截取 与刺激是否一致分配1和-1标签；
[0034] 其中，叠加平均是脑电研究中提取诱发电位的常用方法円。由于记录下来的脑电 信号x(t)是由实际诱发电位s(t)和噪声n(t)相加所组成，且噪声往往比响应更强，因此 通常将该种诱发实验重复多次，并把多次观察叠加平均，设每次的记录信号为
[003引 Xi(t)=Si(t)+ni(t)，i=l，2, . . .，N (1)
[0036] 各次记录的时间起点都取为刺激开始时刻。叠加必须在时间起点对齐后进行，该 时称为平均诱发响应。 N i=\
[0037] 可W证明，如果诱发电位Si(t)是各次相同的确定性过程s(t)，噪声rii(t)是非 平稳过程，均值E[rii(t)] = 0且各次独立，因此E[ni(t)rij(t)] = 0(i声j)，当i = j时， 巧，补)]=式的，巧舶为噪声的方差，则平均诱发响应巧)是s(t)的无偏估计。证明如下： [003引无偏性：
【权利要求】
1. 一种对稳态视觉诱发电位脑-机接口目标的识别方法，其特征在于，所述识别方法 包括以下步骤： 受试者依次注视若干个以不同频率同时闪烁的LED，通过脑电放大器采集脑电信号，并 进行预处理； 根据稳态视觉诱发电位特性，对预处理后的脑电信号进行周期截取，按截取与刺激是 否一致分配1和-1标签； 将得到的脑电波形片段作为特征，对线性判别分析分类器进行训练；用训练好的分类 器计算决策值，对不同截取周期得到的决策值分别叠加平均，取最大决策值对应的截取周 期作为识别结果输出。
2. 根据权利要求1所述的一种对稳态视觉诱发电位脑-机接口目标的识别方法，其特 征在于，所述通过脑电放大器采集脑电信号，并进行预处理具体为： 采集第1通道01，第2通道Oz，第3通道02,第四通道A1的脑电信号，以右侧乳突A2 作为参考电极，前额处接地，对采集到的脑电信号进行变参考为第四通道A1、右侧乳突A2 平均参考的预处理。
3. 根据权利要求2所述的一种对稳态视觉诱发电位脑-机接口目标的识别方法，其特 征在于，所述变参考为第四通道A1、右侧乳突A2平均参考的预处理具体为： 将第1通道01，第2通道0z，第3通道02的导联信号分别减去（A1+A2) /2,低通滤波至 40Hz。
4. 根据权利要求1所述的一种对稳态视觉诱发电位脑-机接口目标的识别方法，其特 征在于，所述将得到的脑电波形片段作为特征，对线性判别分析分类器进行训练，用训练好 的分类器计算决策值，对不同截取周期得到的决策值分别叠加平均具体为： 将所有得到的脑电片段与其对应的标签输入LDA分类器，训练分类器，得到最佳投影 向量，再利用分类面方程得到分类面偏移； 取在线测试脑电信号，进行截取得到四种片段； 将每种片段分别输入LDA分类器，每个片段得到一个决策值，对决策值叠加平均，得到 四个最终决策值。
【文档编号】G06K9/62GK104503580SQ201410822826
【公开日】2015年4月8日 申请日期:2014年12月25日 优先权日:2014年12月25日
【发明者】汤佳贝, 陈善广, 明东, 肖晓琳, 綦宏志, 何峰 申请人:天津大学