[发明专利]一种基于FHN随机共振的SSVEP特征频率提取方法

说明书

一种基于FHN随机共振的SSVEP特征频率提取方法，先进行多通道数据采集，然后进行信号预处理，即采用共平均参考算法来降低多信道信号的维度，用巴特沃斯滤波器滤除低频噪声；然后进行FHN随机共振参数初始化及模型处理，将预处理后的信号和噪声送入到FHN随机共振模型进行随机共振处理，再通过快速傅里叶变换计算噪声增强的SSVEP的频谱图以识别目标频率；然后进行峰值频率识别，最后进行频率匹配检测；本发明实现特征频率的高精度识别。

技术领域

本发明涉及脑-机接口技术领域，具体涉及一种基于FHN随机共振的SSVEP特征频率提取方法。

背景技术

脑-机接口技术通过对脑电信号中包含的运动意图进行解码，并转化为不同的驱动命令来实现人脑对外部设备的直接控制。作为一种新型的人机交互手段，脑-机接口给部分神经坏死、脑中风、高位截肢、重度瘫痪等患者带来了自主生活的新希望。稳态视觉诱发电位是人眼在接受视觉刺激后在大脑枕叶区产生的一组特定的脑电信号，与P300、运动想象信号及自发脑电相比，具有周期稳定、特征明显且无需训练的特点，已成为脑-机接口最常用的控制信号之一。

目前，绝大多数SSVEP提取方法均建立在线性框架下，将噪声视为有害信息，通过对抑制噪声来突出信噪比，提高微弱信号的检测能力。虽然，这些方法均能在低信噪比状况下不同程度的提取出原始EEG中包含的信息，体现出一定的SSVEP检测能力，却都不能避免以下问题：(1)为了消除EEG中包含的多尺度噪声，需要选择合适的带通滤波器，而带通滤波器的边缘效应会减少有效数据长度，并增加检测时间，此外，还需要考虑带通滤波器的通带范围与信号特征频率的自适应匹配。(2)使用线性方法来提取具有明显非线性和非平稳特征的SSVEP，有用信号在噪声被抑制的同时也会衰减或丢失。当诱发信号的稳定性不足时，对有用信号的抑制程度甚至会远远超过抑制噪声。因此，原始EEG中包含的信息无法被完全利用，影响检测灵敏度和识别精度。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于FHN随机共振的SSVEP特征频率提取方法，利用多通道EEG中包含的噪声增强SSVEP的频谱图，并结合FHN输出频率响应相当于一组非线性带通滤波器且通带范围可调的特性，将原始EEG信号送入FHN非周期随机共振模型进行噪声增强，来保留SSVEP的全部信息，从而实现特征频率的高精度识别。

为了达到上述目的，本发明采取的技术方案是：

一种基于FHN随机共振的SSVEP特征频率提取方法，包括以下步骤：

1)多通道数据采集：对被试者进行多通道EEG信号采集；多通道EEG信号经过放大、滤波与数模转化处理；

2)信号预处理：

2.1)多通道信号降维：采用共平均参考算法来降低多信道信号的维度；

2.2)低通滤波处理：用巴特沃斯滤波器滤除低频噪声；

3)FHN随机共振参数初始化及模型处理：设置计算参数，包括模型参数ε以及需要识别的最大峰值阶次N；

将预处理后带有噪声干扰的SSVEP信号送入到相应的模型以进行FHN随机共振处理，再通过快速傅里叶变换计算噪声增强的SSVEP的频谱图以识别目标频率；

4)峰值频率识别：从步骤3)中获得的输出信号的频谱图中，分别提取第N阶主峰对应的特征频率；

5)频率匹配检测：将识别频率与所有刺激频率进行匹配，如果匹配成功，则目标频率被有效识别；如果匹配失败，则检测当前识别的阶次是否大于设定的最大阶次；如果终止条件满足，则检测结束，表明目标频率标识失败；否则，计算返回到步骤4)。