一种快速近红外脑机接口方法

摘要

本发明公开一种快速近红外脑机接口方法。本发明的方法主要特征为：利用多通道近红外光学脑信号采集系统实时获取使用者在脑机接口任务执行过程中产生的多通道近红外光学脑信号，将该信号预处理后，进行特征空间变换提取特征向量，并进行模式识别，判断使用者执行的脑机接口任务类别。本发明的优点在于其脑机接口任务的识别率和识别速度比以幅值为特征向量进行识别的传统近红外脑机接口方法显著提高。

主权项

一种快速近红外脑机接口方法，其特征在于，包括如下步骤：步骤一：多通道近红外光学脑信号采集系统实时采集使用者在脑机接口校准阶段任务执行过程中的多通道近红外光学脑信号；在此校准阶段，被试根据提示完成左侧或右侧身体部位的运动想象任务；步骤二：对多通道近红外光学脑信号进行预处理；近红外光学脑信号预处理模块首先将采集到的多通道近红外光学脑信号进行降频，低通滤波去除噪声；然后根据修正的Beer‑Lambert定律，将其转换为含氧血红蛋白浓度变化值Δ[HbO₂]和去氧血红蛋白浓度变化值Δ[Hb]；步骤三：将步骤二所得多通道的Δ[HbO₂]或Δ[Hb]数据作为训练数据进行特征提取和分类器训练；用t秒长度的时间窗对训练数据分段，这里t的取值可以根据需要从1秒取到单个任务持续的总时间长度；具体如下：(1)在左侧和右侧身体部位想象条件下的单个训练数据片段分别用矩阵X_i(i＝1，2)来表示，X_i的行数为采样通道数，列数为采样点数；计算X_i空间协方差矩阵：其中X_i'表示X_i的转置矩阵，trance(X_iX_i')表示X_iX_i'的迹，即对角线元素的和；(2)计算上述两类条件下所有训练数据片段的平均空间协方差矩阵和以及混合空间协方差矩阵(3)C_C分解为C_C＝U_Cλ_CU_C'，其中U_C是C_C的特征向量矩阵，λ_C是由特征值组成的对角矩阵；(4)进行白化处理：即处理后，PC_CP'所有的特征值都为1；如果将和进行如下变换：则S₁和S₂有相同的特征向量；如果将S₁和S₂进行分解:S₁＝Bλ₁B'，S₂＝Bλ₂B'，则有λ₁+λ₂＝I，其中λ₁和λ₂分别是S₁和S₂的特征值组成的对角矩阵，B是S₁和S₂的特征向量矩阵；(5)计算空间滤波矩阵W＝(B'P)'；(6)对X_i进行变换，将其从时域空间变换到特征空间：Z_i＝WX_i；(7)分类器选用支持向量机；用Z_i(i＝1，2)的第一行分别作为左侧和右侧身体部位想象数据片段的特征向量来训练支持向量机；步骤四：多通道近红外光学脑信号采集系统实时采集使用者在脑机接口任务识别阶段的多通道近红外光学脑信号；在此识别阶段，被试根据提示完成左侧或右侧身体部位的运动想象任务；步骤五：按照步骤二对步骤四采集的多通道近红外光学脑信号进行预处理，得到待识别数据；步骤六：对待识别数据进行特征提取和模式识别；识别阶段的待识别数据用Y表示，也将其用与步骤三同样的t秒长度时间窗分段，用步骤三(5)所得到的空间滤波矩阵W，将Y从时域空间变换到特征空间：T＝WY；取T的第一行作为待识别数据片段的特征向量，用步骤三(7)训练好的支持向量机进行模式识别，区分出使用者进行的脑机接口任务的类别。