基于相关性的运动想象的导联选择方法及装置制造方法及图纸

本发明专利技术涉及一种基于相关性的运动想象的导联选择方法及装置。该运动想象的导联选择方法包括：步骤S1，预处理；步骤S2，数据划分，将用于记录步骤S1所获得的EEG信号的全部导联划分为目标参考导联集合和备选参考导联集合，所述目标参考导联集合包含电极位置C3、C4和Cz的目标导联，所述备选参考导联集合包含非电极位置C3、C4和Cz的备选导联；步骤S3，计算相关性；步骤S4，计算权重；步骤S5，排序选择。通过本发明专利技术提供的方案有助于选择出少量有效导联来提升运动想象任务的识别效率。运动想象任务的识别效率。运动想象任务的识别效率。

【技术实现步骤摘要】
基于相关性的运动想象的导联选择方法及装置


[0001]本专利技术涉及脑
‑
机接口(Brian Computer Interface，简称BCI)和医学康复领域，具体涉及一种基于运动想象的脑电波(Electroencephalogram，EEG)的导联选择方法及装置。

技术介绍

[0002]脑机接口技术是一种不依赖于常规的肌肉和神经而建立的直接通路，脑机接口技术已经应用医疗、军事、残疾人辅助和生活娱乐等各个方面。脑机接口系统通过分析采集到的脑电信息，识别出受试者的思维状态或运动意图，并进一步将其转化为控制命令用于对外部设备的控制。运动想象脑机接口系统是一种自发的、无需依赖外部刺激的脑机接口系统，使用者可以自主决定运动想象任务的开始和结束，灵活的控制外部的设备。
[0003]传统的脑机接口系统为了全面的记录下脑电信息，通常会采用较为大规模的密集导联分布的形式来采集EEG信号，但是随之而来的问题是采集的范围较为广泛，很有可能将过多的伪迹信息和噪声信息同时记录下来，这些伪迹和噪声信息将会对信号的分析产生不利影响，从而影响运动想象脑机接口系统的性能。通过进行导联选择可以将包含有用信息的导联选择出来，有效的剔除冗余导联，进而可以避免伪迹和噪声信息对运动想象脑机接口系统性能的影响。导联选择算法可以分为两种：1)滤波式选择，该类方法的主要通过构建导联的评价指标，根据评价指标快速的选择出目标导联组合，该方法的主要缺点是不能获取精确的导联组合；2)分类器方法，该类方法主要是通过遍历所有可能存在的导联组合，根据分类器得到的分类准确率来确定最优的导联组合，该方法的所需的计算时间较长，在导联数目较大的情况下不太适用。

技术实现思路

[0004]本专利技术要解决的技术问题是提供基于相关性的运动想象的导联选择方法及装置，通过选择出少量有效导联来提升运动想象任务的识别效率。
[0005]为解决上述技术问题，本专利技术提供了一种基于相关性的运动想象的导联选择方法，包括：
[0006]步骤S1，预处理，对原始获取的EEG信号利用巴特沃斯滤波器进行滤波，得到0.5～30Hz的EEG信号；
[0007]步骤S2，数据划分，将用于记录步骤S1所获得的EEG信号的全部导联划分为目标参考导联集合和备选参考导联集合，所述目标参考导联集合包含电极位置C3、C4和Cz的目标导联，所述备选参考导联集合包含非电极位置C3、C4和Cz的备选导联；
[0008]步骤S3，计算相关性，遍历每一个所述备选导联，分别计算其与每一个所述目标导联的相关性，得到每一个备选导联与目标导联的相关性；
[0009]步骤S4，计算权重，根据所述相关性计算对应的权重，根据所述权重计算组合相关性指标；
[0010]步骤S5，排序选择，根据所述组合相关性指标对所述备选导联进行排序，选择排序靠前的设定数量的所述备选导联，与所述目标导联合并成目标导联集合。
[0011]根据本专利技术的一个实施例，所述导联选择方法还包括：
[0012]步骤S6，特征提取，采用共空间模式算法对所述目标导联集合进行特征提取；
[0013]步骤S7，分类，采用支持向量机进行分类。
[0014]根据本专利技术的一个实施例，在步骤S3中，定义所述目标参考导联集合Y＝{y1,y2,y3}，y1,y2,y3分别对应电极位置C3、C4和Cz，每一个y
i
代表每一个导联记录的EEG信号，维度为1T，T为采样点个数，定义所述备选参考导联集合X={x1,x2,
…
,x
n
}，维度为1T，T为采样点个数，对于每一个所述备选导联x
i
，计算其与所述目标导联y
i
之间的相关性；
[0015]定义所述相关性为每一个分量的计算公式为：
[0016][0017]y
p
表示的是第p个目标参考导联变量，I代表互信息计算，对于每一对需要计算互信息的导联(x
i
,y
p
)，其中每一个导联记录下的采样点都为T，)，其中每一个导联记录下的采样点都为T，互信息计算的公式为：
[0018][0019]在公式2中，是当前x
i
和y
p
的联合概率密度分布函数，是x
i
的边缘概率密度函数。
[0020]根据本专利技术的一个实施例，在步骤S4中，对于所述相关性计算权重，得到一个加权组合互信息δ
i
，计算公式为：
[0021][0022][0023]其中M代表电极位置的数量，M＝3，代表备选导联x
i
与第m个目标参考导联之间的相关性。
[0024]根据本专利技术的一个实施例，在步骤S5中，若整体导联数量小于设定值，则所述设定数量为整体导联数量的50％，若整体导联数量大于等于设定值，则所述设定数量为整体导联数量的23％～27％；整体导联数量为所述目标参考导联集合和备选参考导联之和。
[0025]根据本专利技术的一个实施例，在步骤S1中，采用五阶的巴特沃斯滤波器对原始获取的EEG信号进行滤波。
[0026]本专利技术还提供了一种基于相关性的运动想象的导联选择装置，包括：
[0027]预处理模块，适于对原始获取的EEG信号利用巴特沃斯滤波器进行滤波，得到0.5～30Hz的EEG信号；
[0028]数据划分模块，适于将所述预处理模块处理后获得的EEG信号的全部导联划分为目标参考导联集合和备选参考导联集合，所述目标参考导联集合包含电极位置C3、C4和Cz的目标导联，所述备选参考导联集合包含非电极位置C3、C4和Cz的备选导联；
[0029]相关性计算模块，适于遍历每一个所述备选导联，分别计算其与每一个所述目标导联的相关性，得到每一个备选导联与目标导联的相关性；
[0030]权重计算模块，适于根据所述相关性计算对应的权重，根据所述权重计算组合相关性指标；
[0031]排序模块，适于根据所述组合相关性指标对所述备选导联进行排序，选择排序靠前的设定数量的所述备选导联，与所述目标导联合并成目标导联集合。
[0032]根据本专利技术的一个实施例，导联选择装置还包括评价模块，所述评价模块适于采用共空间模式算法对所述目标导联集合进行特征提取，并采用支持向量机进行分类。
[0033]本专利技术还提供了一种计算机可读介质，其上存储有计算机指令，所述计算机指令运行时执行前述导联选择方法的步骤。
[0034]本专利技术还提供了一种导联选择系统，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行前述导联选择方法的步骤。
[0035]本专利技术提供的一种基于相关性的运动想象的导联选择方法及装置、计算机可读介质、导联选择系统，计算导联之间相关性权重，并根据权重排序，构建目标导联集合，从而选择出有效导联来提升运动想象任务的识别效率。
附图说明
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于相关性的运动想象的导联选择方法，包括：步骤S1，预处理，对原始获取的EEG信号利用巴特沃斯滤波器进行滤波，得到0.5～30Hz的EEG信号；步骤S2，数据划分，将用于记录步骤S1所获得的EEG信号的全部导联划分为目标参考导联集合和备选参考导联集合，所述目标参考导联集合包含电极位置C3、C4和Cz的目标导联，所述备选参考导联集合包含非电极位置C3、C4和Cz的备选导联；步骤S3，计算相关性，遍历每一个所述备选导联，分别计算其与每一个所述目标导联的相关性，得到每一个备选导联与目标导联的相关性；步骤S4，计算权重，根据所述相关性计算对应的权重，根据所述权重计算组合相关性指标；步骤S5，排序选择，根据所述组合相关性指标对所述备选导联进行排序，选择排序靠前的设定数量的所述备选导联，与所述目标导联合并成目标导联集合。2.如权利要求1所述的导联选择方法，其特征在于，还包括：步骤S6，特征提取，采用共空间模式算法对所述目标导联集合进行特征提取；步骤S7，分类，采用支持向量机进行分类。3.如权利要求1所述的导联选择方法，其特征在于，在步骤S3中，定义所述目标参考导联集合Y＝{y1,y2,y3}，y1,y2,y3分别对应电极位置C3、C4和Cz，每一个y
i
代表每一个导联记录的EEG信号，维度为1T，T为采样点个数，定义所述备选参考导联集合X＝{x1,x2,
…
,x
n
}，维度为1T，T为采样点个数，对于每一个所述备选导联x
i
，计算其与所述目标导联y
i
之间的相关性；定义所述相关性为每一个分量的计算公式为：y
p
表示的是第p个目标参考导联变量，I代表互信息计算，对于每一对需要计算互信息的导联(x
i
,y
p
)，其中每一个导联记录下的采样点都为T，)，其中每一个导联记录下的采样点都为T，互信息计算的公式为：在公式2中，是当前x
i
和y
p
的联合概率密度分布函数，是x
i
的边缘概率...

【专利技术属性】
技术研发人员：金晶，孙浩，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：