【技术实现步骤摘要】
本申请属于脑机接口，具体涉及一种ssvep脑电信号的解码方法。
技术介绍
1、脑机接口(brain computer interface，bci)使人们能够利用与感觉、知觉或高级认知活动相关的大脑信号来与外界进行交互。bci技术通常分为侵入性和非侵入性范例(或称为无创范例)。对于无创范例，基于稳态视觉诱发电位的bci(ssvep-bci)由于其信息传输率(itr)高、成本低、易于使用等优点而得到广泛采用。
2、目标识别方法在增强基于ssvep的bci性能方法发挥着重要作用。根据是否需要校准或训练数据的监督，目标识别方法可以分为无训练方法和有监督基于训练的方法。免训练方法识别刺激频率包括典型相关分析(cca)及其滤波器组扩展、最小能量组合(mec)、多源同步指数(msi)，但免训练方法的效果是以信息传输率(itr)和长刺激持续时间为代价的。
3、尽管免训练方法独立于被试的监督训练方法，但在很多ssvep应用场景中，免训练方法无法从个体的校准数据中提取特定被试和任务相关的信息。现有的任务相关成分分析(trca)方法可以最大限度地提高ssvep-bci试验间的重复性。因为在不同类别的刺激可以共用空间模式或空间滤波器，所以trca方法通过利用集成技术来连接每个刺激目标的空间滤波器，然而通过对空间滤波器的集成串联将会产生冗余，导致了计算复杂的累计，另外trca并没有充分利用到ssvep的时域信息，可能会导致性能提升不显著。
技术实现思路
1、本申请旨在解决目前免训练方
2、本申请采用以下技术方案。
3、第一方面，本申请提供了一种ssvep脑电信号的解码方法，包括：
4、获取待解码稳态视觉诱发电位信号，利用多个不同频带的子带带通滤波器，从所述待解码稳态视觉诱发电位信号中提取各子带信号；
5、利用预先基于相关成分构建的空间滤波器，对各所述子带信号进行空间滤波；
6、对空间滤波后的信号进行空间特征和时间特征的提取，获得特征图；
7、根据空间像素丰富程度，将所述特征图分为第一特征图和第二特征图；将所述第一特征图和所述第二特征图分别加权后进行交叉重构再进行拼接，获得空间重构特征；
8、按照预设的频带通道分割比，将所述空间重构特征进行频段通道分割，获得两个特征部分并分别进行转换，得到第一输出特征和第二输出特征；对所述第一输出特征和所述第二输出特征进行加权融合，获得通道重构特征；
9、基于所述通道重构特征进行分类，得到所述待解码稳态视觉诱发电位信号的分类结果。
10、第二方面，本申请提供了一种ssvep脑电信号的解码装置，所述解码装置包括：
11、ssvep脑电信号采集模块，被配置为获取待解码稳态视觉诱发电位信号，利用多个不同频带的子带带通滤波器，从所述待解码稳态视觉诱发电位信号中提取各子带信号；
12、空间滤波模块，被配置为利用预先基于相关成分构建的空间滤波器，对各所述子带信号进行空间滤波；
13、特征图提取模块，被配置为对空间滤波后的信号进行空间特征和时间特征的提取，获得特征图；
14、空间重构模块，被配置为根据空间像素丰富程度，将所述特征图分为第一特征图和第二特征图；将所述第一特征图和所述第二特征图分别加权后进行交叉重构再进行拼接，获得空间重构特征；
15、通道重构模块，被配置为按照预设的频带通道分割比，将所述空间重构特征进行频段通道分割，获得两个特征部分并分别进行转换，得到第一输出特征和第二输出特征；对所述第一输出特征和所述第二输出特征进行加权融合，获得通道重构特征；
16、分类模块，被配置为基于所述通道重构特征进行分类，得到所述待解码稳态视觉诱发电位信号的分类结果。
17、与现有技术相比，本申请提供的ssvep脑电信号的解码方法和解码装置取得了以下有益技术效果：
18、本申请实施例通过根据空间像素丰富程度，将特征图分为第一特征图和第二特征图，将第一特征图和第二特征图分别加权后进行交叉重构再进行拼接，实现在特征层面上进行了信息的整合和优化，这种交叉重构的方式有助于减少原始特征中的冗余信息，同时强调和突出对分类任务更为关键的特征；按照预设的频带通道分割比，对空间重构特征进行频段通道分割，并分别进行转换，得到第一输出特征和第二输出特征，实现在频域层面对特征进行了进一步的细化和筛选，有助于去除不必要的频段信息，进一步压缩特征冗余；通过对第一输出特征和第二输出特征进行加权融合，得到通道重构特征，并基于这一重构特征进行分类识别，能够融合不同频段特征的同时，也进一步压缩了特征冗余，使得最终用于分类识别的特征更加精炼和有效。
本文档来自技高网...【技术保护点】
1.一种SSVEP脑电信号的解码方法，其特征在于，包括：
2.根据权利要求1所述的SSVEP脑电信号的解码方法，其特征在于，所述解码方法还包括：
3.根据权利要求1所述的SSVEP脑电信号的解码方法，其特征在于，利用预先基于相关成分构建的空间滤波器，对各所述子带信号进行空间滤波之前，还包括：将所述待解码稳态视觉诱发电位信号通过巴特沃斯滤波器进行滤波。
4.根据权利要求1所述的SSVEP脑电信号的解码方法，其特征在于，对空间滤波后的信号进行空间特征和时间特征的提取，获得特征图，包括：
5.根据权利要求4所述的SSVEP脑电信号的解码方法，其特征在于，所述第一卷积层和所述第二卷积层之间、所述第二卷积层和所述第三卷积层之间以及所述第三卷积层之后均设置Dropout层。
6.根据权利要求1所述的SSVEP脑电信号的解码方法，其特征在于，获得所述空间重构特征，包括：
7.根据权利要求6所述的SSVEP脑电信号的解码方法，其特征在于，将所述特征图通过组归一化层，获得标准化输入特征图，表达式为：
8.根据权利要
9.根据权利要求1所述的SSVEP脑电信号的解码方法，其特征在于，基于所述通道重构特征进行分类，得到所述待解码稳态视觉诱发电位信号的分类结果，包括：将所述通道重构特征输入到一个全连接层，最终通过一个Softmax分类器进行分类，获得所述分类结果。
10.一种SSVEP脑电信号的解码装置，其特征在于，所述解码装置包括：
...【技术特征摘要】
1.一种ssvep脑电信号的解码方法，其特征在于，包括：
2.根据权利要求1所述的ssvep脑电信号的解码方法，其特征在于，所述解码方法还包括：
3.根据权利要求1所述的ssvep脑电信号的解码方法，其特征在于，利用预先基于相关成分构建的空间滤波器，对各所述子带信号进行空间滤波之前，还包括：将所述待解码稳态视觉诱发电位信号通过巴特沃斯滤波器进行滤波。
4.根据权利要求1所述的ssvep脑电信号的解码方法，其特征在于，对空间滤波后的信号进行空间特征和时间特征的提取，获得特征图，包括：
5.根据权利要求4所述的ssvep脑电信号的解码方法，其特征在于，所述第一卷积层和所述第二卷积层之间、所述第二卷积层和所述第三卷积层之间以及所述第三卷积层之后均设置drop...
【专利技术属性】
技术研发人员：罗小官，李迎新，金晶，王薇，
申请(专利权)人：上海术理智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。