一种面向SSVEP脑机接口的多通道脑电信号建模方法技术

本申请公开了一种面向SSVEP脑机接口的多通道脑电信号建模方法，步骤包括：确定被测者的SSVEP信号频率范围和信号数；基于信号数，建立基本神经元群模型，用于产生频率范围的多种节律窄带信号；基于具有多种节律窄带信号的频率范围，确定多动态神经元群模型，用于调制出适合被测者的单通道SSVEP频率信号；基于多动态神经元群模型和单通道SSVEP频率信号构建多通道多动态神经元群模型，用于设定耦合系数矩阵，进而通过调整不同基本神经元群之间的耦合系数，来构建多通道脑电信号，并体现被测者之间的差异性。本申请从模型的角度生成应用在脑控智能器械中的面向SSVEP脑机接口的多通道脑电信号，解决现有技术成本高昂的问题。解决现有技术成本高昂的问题。解决现有技术成本高昂的问题。

【技术实现步骤摘要】
一种面向SSVEP脑机接口的多通道脑电信号建模方法


[0001]本申请涉及信号处理领域，具体涉及一种面向SSVEP脑机接口的多通道脑电信号建模方法。

技术介绍

[0002]脑机接口(Brain Computer Interface，BCI)为用户和外界物理设备提供了一条直接的实时信息交流和控制通道，可以将用户的大脑活动从神经生理信号直接解码为对外界设备的控制指令。BCI技术完成脑电信号的获取、数据的预处理、特征提取、分类和命令量化。针对于脑电信号的获取，脑电所采集的数据仅为部分神经元的活动，但是脑内的具体活动情况又是无穷多的，为了解决这个问题，研究人员主要通过侵入式和非侵入式两种手段进行脑电信号的采集。
[0003]侵入式方法有一定的创伤性，而对比于侵入式方法，非侵入式方法价格则较为低廉，在目前的研究中非侵入式方法使用比较广泛，易被大众接受。而在非侵入式方法中，最广泛应用的是脑电图(Electroencephalograph，EEG)。EEG是大脑组织中大量的神经元群突触后电流的综合表现，可以分解为特定的频率范围(δ:1
–
4Hz，θ:4
–
8Hz，α:8
–
12Hz，β:12
–
30Hz，γ:30
–
70Hz)。其监测方法具体为，电极沿着头皮放置，然后通过放置在头皮上的多个电极，记录大脑在一段时间内自发进行的电活动。虽然脑电图的空间分辨率有限，信号伪迹比较多，但它仍然是研究和诊断的宝贵工具。
[0004]稳态视觉刺激(Steady
‑
State Visual Evoked Potentials，SSVEP)是指大脑对于特定频率的视觉刺激会诱发的EEG脑电信号，当视网膜接收到3.5Hz至75Hz的视觉刺激，大脑会产生和视觉刺激相同频率或倍数频率的电活动。基于SSVEP
‑
EEG的BCI技术已经被广泛用于开发各种脑控智能器械，如脑控光标、脑控虚拟键盘、脑控浏览网页、脑控假肢、脑控轮椅、脑控车辆、脑控机器人等系统。目前上述脑控智能器械的研究中，仍然需要招募受试者，并需佩戴采集仪甚至涂抹导电膏，清洗毛发等操作，消耗了一定的人力物力，如何能用较低的成本，通过仿真建模，产生出正确的、类似的、适用的脑电信号是非常重要且有意义的。
[0005]目前已经提出了多种神经模型，通常可分为两类。一类是注重细节的模型，即对神经元的建模。显然信息传递是由许多神经元相互协作完成，仅从微观层次上研究单个神经元的放电，对于研究大脑的复杂行为远远不够。于是有研究者直接研究多个神经元构成的神经网络，研究神经网络的放电行为，但是神经元的种类繁多，很难确定每个神经元模型的参数，同时各种神经元之间的连接非常复杂，且运算量巨大，因此在神经元水平上模拟实际的神经网络相当困难。另一类神经模型为神经群模型，该模型不需要对网络结构中的单个细胞建模，而是对特定种类细胞组成的神经元群整体特性的建模。
[0006]神经群模型的主要思想是“平均区域近似”，即模型中采用集总的状态变量表示神经网络中整个细胞群的平均行为，模型既简单又具有生理学上的意义，是从神经系统“组织结构”的角度构建脑电信号的模型。耦合的神经群模型可以反映神经元群之间的相互联系，可以在宏观的水平上仿真大尺度相互作用的神经网络。
[0007]Jasen等研究者于1995年首次提出大脑皮层柱耦合数学模型中的脑电信号和视觉诱发电位生成。在此基础上，让BCI与生理学模型的联系成为可能，尤其是基于SSVEP范式的脑机接口。电信号模型的关键技术是如何让模型能正确的仿真出面向SSVEP脑机接口的多通道脑电信号。模型需要从信号频率，不同被试的区分几个角度进行考虑。

技术实现思路

[0008]本申请通过构建出基本神经元群模型，令兴奋性或抑制性的子群由若干个不同的动力学特性的线性转换函数并行加权控制，从而产生频率更加丰富、频带更宽的信号，适用于SSVEP范式所需要的信号频率，之后通过调整多通道多动态神经元群模型耦合系数对不同的被试进行区分。
[0009]为实现上述目的，本申请公开了一种面向SSVEP脑机接口的多通道脑电信号建模方法，步骤包括：
[0010]确定被测者的SSVEP信号频率范围和信号数；
[0011]基于所述频率范围和所述信号数，建立基本神经元群模型，用于产生所述频率范围的多种节律窄带信号；
[0012]基于具有多种所述节律窄带信号的所述频率范围，确定多动态神经元群模型，用于调制出适合被测者的单通道SSVEP频率信号；
[0013]基于所述多动态神经元群模型和所述单通道SSVEP频率信号构建多通道多动态神经元群模型，用于设定耦合系数矩阵，进而通过调整不同所述基本神经元群之间的耦合系数，来体现被测者之间的差异性。
[0014]优选的，所述多动态神经元群模型可通过权重系数的设定对所需要的脑电信号频率进行限定。
[0015]优选的，获得所述SSVEP信号频率范围及信号数的方法包括：通过SSVEP刺激诱发来获得受测者的脑电信号；根据所述脑电信号来选择受试者所需要的SSVEP频率；调制所述SSVEP刺激对应的频率，确定适用于控制脑控智能器械的所述SSVEP信号频率范围及信号数。
[0016]优选的，产生所述节律窄带信号的方法包括：利用所述基本神经元群模型来调整兴奋性和抑制性线性变换函数的参数，并产生不同频率的所述窄带信号。
[0017]优选的，调制所述单通道SSVEP频率信号的方法包括：根据受试者在所述频率范围中所选择的频率，确定所需的所述多动态神经元群模型及其线性转换函数的兴奋和抑制性参数组合，并且通过对权重进行调整，调制出适合的所述单通道SSVEP频率信号。
[0018]优选的，调制所述单通道SSVEP频率信号的方法包括：通过所述多动态神经元群模型调整权重并设定若干个不同的线性转换函数的兴奋和抑制性参数，调整具有不同动力学特性的皮层区域信号的相对比例，从而产生频率更加丰富、频带更宽的所述单通道SSVEP频率信号。
[0019]优选的，区别所述差异性的方法包括：所述多通道多动态神经元群模型通过设定耦合系数矩阵，实现不同频率的脑电信号之间不同强度的耦合，选择出面向SSVEP脑机接口的通道，所述通道选择完成后，通过所述多通道多动态神经元群模型对通道间的耦合系数进行调整，进而调制出不同的受试者的脑电信号，所述差异性通过调整耦合系数进行区分。
[0020]优选的，所述多通道多动态神经元群模型的参数包括：平均兴奋突触增益、平均抑制突触增益、兴奋性膜平均时间常数和树突平均时间延迟、抑制性膜平均时间常数、树突平均时间延迟、兴奋回馈环上平均突触连接数、抑制回馈环上平均突触连接数、非线性S
‑
函数参数、若干对权重系数和结合到其它通道的耦合系数。
[0021]与现有技术相比，本申请的有益效果如下：
[0022]本申请通过调整转换函数中的兴奋性和抑制性参数，基本神经元群模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向SSVEP脑机接口的多通道脑电信号建模方法，其特征在于，步骤包括：确定被测者的SSVEP信号频率范围和信号数；基于所述信号数，建立基本神经元群模型，用于产生所述频率范围的多种节律窄带信号；基于具有多种所述节律窄带信号的所述频率范围，确定多动态神经元群模型，用于调制出适合被测者的单通道SSVEP频率信号；基于所述多动态神经元群模型和所述单通道SSVEP频率信号构建多通道多动态神经元群模型，用于设定耦合系数矩阵，进而通过调整不同所述基本神经元群之间的耦合系数，来构建多通道脑电信号，并来体现被测者之间的差异性。2.根据权利要求1所述的面向SSVEP脑机接口的多通道脑电信号建模方法，其特征在于，所述多动态神经元群模型可通过权重系数的设定对所需要的脑电信号频率进行限定。3.根据权利要求1所述的面向SSVEP脑机接口的多通道脑电信号建模方法，其特征在于，获得所述SSVEP信号频率范围及信号数的方法包括：通过SSVEP刺激诱发来获得受测者的脑电信号；根据所述脑电信号来选择受试者所需要的SSVEP频率；调制所述SSVEP刺激对应的频率，确定适用于控制脑控智能器械的所述SSVEP信号频率范围及信号数。4.根据权利要求1所述的面向SSVEP脑机接口的多通道脑电信号建模方法，其特征在于，产生所述节律窄带信号的方法包括：利用所述基本神经元群模型来调整兴奋性和抑制性线性变换函数的参数，并产生不同频率的所述窄带信号。5.根据权利要求1所述的面向SSVEP脑机接口的多通道脑电信号建模方法，其特征在于，调制所述单通道...

【专利技术属性】
技术研发人员：李鸿岐，付沛荣，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：