[发明专利]基于小波多分辨率复杂网络的脑电极优化方法及其应用

说明书

一种基于小波多分辨率复杂网络的脑电极优化方法及其应用，通过便携式EEG脑电采集设备获取刺激图片诱发的SSVEP脑电信号，使用小波多分辨率复杂网络优化关键电极，并用实验脑电信号构建SVM支持向量机，用此支持向量机进行分类识别。本发明能够基于小波多分辨率复杂网络分析理论，找到起关键作用的电极，提高脑电数据的传输、处理效率；能够实现16自由度的控制，使得用户的控制更加精细、多样化；采用高频SSVEP，会产生闪烁融合效应使得使用者主观上感觉不到闪烁，但在脑电信号中仍可检测到SSVEP高频响应，大大降低了视觉疲劳。实现智能轮椅控制。

技术领域

本发明涉及一种脑电极优化方法，特别是涉及一种基于小波多分辨率复杂网络的脑电极优化方法及其应用。

背景技术

脑机接口技术是21世纪的一种新型人机交互系统，是在人或动物的脑与外部设备间建立的直接连接通路，通过外部设备读取脑中的信号，然后经过计算处理，让这种信号转化为相关的控制指令，并代替人的肢体或语言器官实现人与外界的交流以及对外部环境的控制。脑机接口技术涉及神经科学、信号检测、信号处理、模式识别等多学科，在残疾人康复训练、生物医学、游戏娱乐、航天及军工等领域发挥着重要的作用。

稳态视觉诱发电位(SSVEP)，是指依托于一定频率的刺激在EEG脑电信号中产生相应的倍频响应，其中刺激主要是固定频率的闪烁，同时可以加入相位延迟，它可以可靠地应用于脑机接口系统。相对于其他信号而言，SSVEP具有更高的分类准确率、更快的信息传输率，系统和实验设计更加简便，而且需要的训练次数也比较少。

复杂性科学兴起于20世纪80年代，作为当代科学发展的前沿领域之一，其发展广泛应用于社会学、物理统计学、经济学、控制学、工程学、生物医学等多个跨学科研究领域，引发了从自然科学到人文社会科学领域的变革。复杂网络理论为非线性时间序列分析提供了全新的视角，把每个通道当作一个节点，把节点间的某种联系当作连边，这样该系统就被抽象成了复杂网络。复杂网络能够探寻在脑机接口系统中起关键作用的电极，从而可以有效的优化数据通道，提高数据传输、处理效率，提高脑机接口反应速度。

发明内容

本发明所要解决的技术问题是，提供一种能够实现多自由度意念控制的基于小波多分辨率复杂网络的脑电极优化方法及其应用。

本发明所采用的技术方案是：一种基于小波多分辨率复杂网络的脑电极优化方法，包括如下步骤：

1)对单个被试者的p个电极的脑电信号分别进行小波多分辨率分解，分解层数为N层，得到一系列不同分辨率下的小波近似系数子带和小波细节系数子带

其中，L为每一个电极获取的信号长度，x_k,i表示p个电极中第k个电极的脑电信号中的第i个元素；表示第k个电极的脑电信号第q层分解后得到的小波近似系数子带，表示第k个电极的脑电信号第q层分解后得到的小波细节系数子带；

2)对所有系数子带进行特征提取，包括提取小波近似系数子带的6种特征：以及小波细节系数子带的6种特征：所述的6种特征分别对应最大值、最小值、平均值、标准偏差、陡度函数值和峭度函数值，由6种特征组成特征向量为：

其中，

表示小波近似系数子带的第l个特征，表示特征在所有p个电极中的最小值，表示特征在所有p个电极中的最大值，表示归一化后的特征表示小波细节系数子带的第l个特征，表示特征在所有p个电极中的最小值，表示特征在所有p个电极中的最大值，表示归一化后的特征

3)对分解后的每一层，分别以每个电极作为网络节点，即网络节点数为p，以所有网络节点和其他所有网络节点之间的连边构成网络，网络中任意两个节点m与n之间的距离为即