一种脑机交互中的脑电信号复原方法技术

本发明专利技术涉及脑机交互中的微弱头皮脑电信号的复原方法。现有的技术在当噪声增强、脑电信号微弱时，很难恢复头皮脑电信号。本发明专利技术步骤包括：（１）将检测到的头皮脑电信号转换为数字脑电信号序列，作为系统的输入信号进行处理得到恢复后的信号；（２）在输入脑电信号可以从次阈值信号转换为超阈值信号下，获得系统势垒高度对应的所有系统参数；（３）在步骤（２）范围内选择系统参数，使得数字脑电信号序列满足正负波形概率相等的要求；（４）以数字脑电信号序列的均值作为阈值对系统处理结果进行判别。本发明专利技术方法更有利于微弱脑电信号的检测和估计，可以通过系统输出信号的变化来实现信号的复原，复原结果更加接近于原信号。

【技术实现步骤摘要】

本专利技术涉及一种属于生物医学工程领域，涉及脑电信号的处理方法，具体是脑机交互中的微弱头皮脑电信号的复原方法。
技术介绍
脑机交互系统的性能很大程度上受到头皮脑电信号质量的影响。由于头皮脑电信号是隔着颅骨、肌肉和头皮等软组织引导出来的大脑皮层电活动，其中颅骨、头皮、血液均将减小脑电波的电位，因此头皮脑电信号具有信号微弱，易受噪声干扰等特点。目前广泛使用的头皮脑电信号复原方法能充分利用信号退化的先验知识来消除噪声，最终取得的复原结果能较好的逼近未被噪声污染的头皮脑电信号。但是这些方法都是把噪声作为脑电数据的一种干扰而加以消除。当噪声增强，脑电信号微弱时，由于方法本身消噪能力的限制，头皮脑电信号的恢复变得非常困难。
技术实现思路
本专利技术的目的是针对现有技术的不足，提供一种脑机交互中的微弱头皮脑电信号复原方法，以提高后续脑机交互系统的性能以及实用性。 本专利技术包括以下各步骤 1、将检测到的头皮脑电信号经放大和A/D转换，得到数字脑电信号序列(0和1非周期序列)，作为双稳态复原系统的输入信号进行处理得到恢复后的信号。 该系统表示为 其中，x为输出的恢复后的信号，a、b为系统参数，t为时间轴坐标，f(t)为输入信号，ξ(t)为输入噪声。设定输入噪声ξ(t)为均值为0的高斯白噪声，其自相关函数满足<ξ(t)ξ(0)>＝2Dδ(t)，D代表噪声强度，δ(t)代表冲激函数。 该系统势函数U(x)表示为 势垒高度为相应的稳态输出临界值Ac为 在处存在两个对称的势阱。 2、通过调整系统参数a、b值来调整系统势垒高度，在输入脑电信号可以从次阈值信号转换为超阈值信号状态下，系统势垒高度对应的所有系统参数a、b值作为系统参数a、b的取值范围。当输入信号f(t)的幅值x小于稳态输出临界值Ac时，输入信号为次阈值信号；当输入信号f(t)的幅值大于稳态输出临界值Ac时，输入信号为超阈值信号。 3、在系统参数a、b的取值范围内选择系统参数a、b值，使得数字脑电信号序列满足正负波形概率相等的要求。 4、以数字脑电信号序列的均值作为阈值对双稳态复原系统处理结果进行判别，如跃迁后的响应信号大于该阈值，则作为输出信号，并以此作为最终的输出结果。 本专利技术相对于现有技术具有以下特点 (1)通过参数调节对双稳态复原系统的势垒高度进行相应的设置，将次阈值信号转化为超阈值信号，从而使双稳态系统达到最佳响应状态，实现更佳的输出性能，更有利于微弱脑电信号的检测和估计； (2)当输入脑电信号含有随机噪声时，双稳态系统的状态会随之发生随机的变化，质点在外加驱动信号和噪声的综合影响下不断地改变着运动状态。各种外加因素如驱动信号幅值的变化以及外加噪声强度的变化都会迫使系统状态发生变化，而系统状态变化的外在表现就是系统输出信号的变化。因此可以通过系统输出信号的变化来实现信号的复原。 (3)传统的脑电信号滤波复原技术一般通过滤除噪声来达到恢复脑电的目的，但是对于受强噪声干扰的图像，噪声的消除很困难。而本方法利用噪声来实现系统状态在势垒中的迁移，达到复原脑电信号的目的，复原结果更加接近于原信号，另外对于噪声强度的变化具有较好的鲁棒性。 附图说明 图1是大脑头皮单导联脑电模拟信号波形图； 图2是0，1非周期序列脑电数字信号基本波形图； 图3是含强噪声的脑电数字信号波形图； 图4是复原得到的脑电数字信号波形图； 图5是系统参数变化对系统输出信号产生影响的示意图。 具体实施例方式 本专利技术提出的一种脑机交互中的微弱头皮脑电信号复原方法，其中图1为采样放大后的脑电模拟信号示意图，图2为未受噪声污染的脑电数字信号示意图。以经检测、放大以及A/D转换后的0，1非周期序列头皮脑电信号为对象，作为非线性双稳态复原系统的输入信号，如图3所示。 上述非线性双稳态复原系统模型可以由式(1)来描述 其中，系统参数a、b为正数，f(t)为输入信号，ξ(t)为输入噪声。不失一般性，在这里假设输入噪声ξ(t)为均值为0的高斯白噪声，其自相关函数满足<ξ(t)ξ(0)>＝2Dδ(t)，D代表噪声强度，δ(t)代表冲激函数。相应地，系统势函数可以表示为 该系统的势垒高度为 相应的稳态输出临界值Ac为 在处存在两个对称的势阱。 图5所示为系统参数变化对系统输出信号产生影响的示意图。图5(a)表示输入信号为幅值为1的二值双极性非周期信号，图5(b)表示加入高斯白噪声后的含噪信号，其中噪声强度D为4。由图5(c)可见，当系统具有大的势垒高度时，输出信号无法越过势垒在系统的稳态值之间进行切换，而只能在某个稳态值附近进行小幅的振荡，此时输出信号完全不能反映输入信号的变化过程。通过参数的调整，将系统的势垒高度逐渐减小，输出信号能够从一个稳态值跃迁到另一个稳态值，系统的响应速度也相应加快，输出信号逐渐能够跟上输入信号的变化，图5(d)-(e)可见，此时输出信号能够比较好地反映输入信号的波形，系统的输出性能得到了改善。图5(f)所示，如果继续调节系统参数，使势垒高度进一步减小，虽然势垒的减小使双稳态系统获得了很快的响应速度，但是输出信号的振荡很剧烈，输出波形变得杂乱无序而无法辨识，此时输出信号已经不能够正确反映输入信号的波形变化。由此可以看出，系统参数的改变将引起系统势垒高度的变化。 参数a、b的变化改变了系统的势垒高度，而势垒高度的变化则可以直接影响到系统的响应速度以及输出的稳定程度。在图5(c)中可以看到，当系统势垒较大时，系统输出信号要在两个稳态值之间进行跃迁比较困难，有时甚至根本不能发生跃迁，直接导致系统的响应速度变慢，输出信号无法及时准确地跟随输入信号的变化，而在5(d)及(e)可以看到，随着势垒高度的减小，系统输出信号的跃迁越来越容易，系统的响应速度也相应加快，输出信号逐渐能够跟上输入信号的变化。至于输出信号的稳定程度受系统势垒高度的影响则可以由系统输出概率密度反映出来。 随着势垒高度的增大，系统的输出稳态概率密度函数的峰值向两边移动，相应地，平均判断误差随之急剧减小。判断误差的减小表明处于某一稳定状态的系统输出跃迁到另一稳态值的概率正在减小，因此系统的稳态输出也将变得更加稳定。综上所述，系统势垒高度的减小导致了系统输出发生跃迁的概率变大，致使系统输出趋于杂乱无序、缺乏稳定性。 在次阈值响应处系统稳态输出的判断误差大都小于1％，接近于0，而在超阈值响应处，稳态输出的最小判断误差在2％左右，并且随着势垒高度的增加，误差急剧上升，但是这种判断误差的估计是在系统输出完全处于某一稳态的前提假设下得到的，现实情况是过大的势垒往往妨碍了输出信号的跃迁，引起信号的失真以及判断误差的急剧增大，另外在实际中，输出信号需要在系统两个稳态值之间进行频繁的跃迁，这一过程需要一定时间来完成，如果完成一次跃迁的时间越长，则相应的系统输出判断误差越大，反之，则输出判断误差越小。系统输出在响应速度及输出稳定性上的差异最终决定了超阈值最佳响应的性能优于次阈值最佳响应。采用自相关长度对非周期脑电响应速度进行量化，同时以互相关率和互信息熵作为性能指标来度量双稳态系统非周期脑电响应质量的优劣。 根据上述本文档来自技高网...

【技术保护点】
一种脑机交互中的脑电信号复原方法，其特征在于该方法具体步骤包括：（１）将检测到的头皮脑电信号经放大和Ａ／Ｄ转换，得到数字脑电信号序列，作为双稳态复原系统的输入信号进行处理得到恢复后的信号，该系统表示为：ｄｘ／ｄｔ＝ａｘ－ｂｘ ↑［３］＋ｆ（ｔ）＋ξ（ｔ）（１）其中，ｘ为输出的恢复后的信号，ａ、ｂ为系统参数，ｔ为时间轴坐标，ｆ（ｔ）为输入信号，ξ（ｔ）为输入噪声；所述的输入噪声ξ（ｔ）为均值是０的高斯白噪声，其自相关函数满足〈ξ（ｔ）ξ（０）〉＝２Ｄδ （ｔ），Ｄ表示噪声强度，δ（ｔ）表示冲激函数；该系统势函数Ｕ（ｘ）表示为：Ｕ（ｘ）＝－１／２ａｘ↑［２］＋１／４ｂｘ↑［４］－ｘ（ｆ（ｔ）＋ξ（ｔ））（２）势垒高度为△Ｖ＝ａ↑［２］／４ｂ，相应的稳态输出临界值Ａ↓［ｃ］ 为＊，在＊处存在两个对称的势阱；（２）通过调整系统参数ａ、ｂ值来调整系统势垒高度，获得在输入脑电信号从次阈值信号转换为超阈值信号状态下，系统势垒高度对应的所有系统参数ａ、ｂ值；所述的次阈值信号和超阈值信号为：当输入信号ｆ（ｔ ）的幅值ｘ小于稳态输出临界值Ａ↓［ｃ］时，输入信号为次阈值信号；当输入信号ｆ（ｔ）的幅值大于稳态输出临界值Ａ↓［ｃ］时，输入信号为超阈值信号；（３）通过在步骤（２）获得系统参数ａ、ｂ值的范围内选择系统参数ａ、ｂ值，使得数字脑电信号序 列满足正负波形概率相等的要求；（４）以数字脑电信号序列的均值作为阈值对双稳态复原系统处理结果进行判别，如跃迁后的响应信号大于该阈值，则作为输出信号，并以此作为最终的输出结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：范影乐，李轶，周丽霞，张小鹏，郭浙伟，陈可，刘亚景，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：86[中国|杭州]