[发明专利]基于持续同调的脑电信号特征提取与准确度判别的方法

说明书

本发明公开了一种基于持续同调的脑电信号特征提取与准确度判别的方法，采集时域EGG脑电信号，采用零相移滤波器划分波段,分别构造相关系数矩阵或相关距离矩阵，通过Vietoris–Rips滤值构造单纯复形，进行持续同调分析，得到持久性条码图，提取拓扑空间特征，来判别时域EGG脑电信号特征提取的准确度。本发明采用代数拓扑中的持续同调分析方法对人脑认知信号中的高级认知过程进行数字化分析，能有有效得提取被测对象对清晰轮廓图像的识别和对混乱轮廓图像的识别下的不同特征，实现两者图像的有效可分性，能够判定提取的脑电信号特征的准确性，是目前对生物神经信号的有效数字化方法。

技术领域

本发明属于脑机接口领域，具体涉及一种基于持续同调的脑电信号特征提取与准确度判别的方法。

背景技术

6G通信技术的发展带来大带宽、超高速、超低延迟的通信性能革新是可以预见的。信息通信技术和神经科学的融合发展预示了脑与脑无线通信(B2BC)的可能性与巨大潜力。但是神经信号的常用载体是多路电极的时域信号，同时脑部神经信号是微弱且精密的，因而这类时域信号不是良好的传输载体。目前结合脑机接口的各类算法更多的是对知觉和直观刺激产生的脑电信号进行分析，还没有涉及到意识层面的信号的分析。现有的EEG信号的最常见的典型分析方法就是对原始的时域EEG信号进行滤波、去除伪迹、ERP(event-relatedpotentials事件相关电位)分析以及观察2D或3D脑域活动热图等方式去观察其表现出来的特征。这些表征都是抽象侯的展示，更多的是通过对比、观察、阈值比较等来侧面分析神经信号对应的信息。要实现脑对脑通信，这就需要对神经信号进行可靠的特征提取，将复杂多路时域信号转化为简洁直观的数字特征，从而实现神经信号数字化，提高B2BC中信息传输的鲁棒性。

发明内容

本发明针对现有技术不足，提出了一种基于持续同源性的脑电信号特征提取方法。

为实现上述技术目的，本发明采用了以下技术方案：一种基于持续同调的脑电信号特征提取与准确度判别的方法，包括以下步骤：

(1)采集时域EGG脑电信号，采用零相移滤波器划分时域EGG脑电信号的波段；

(2)对步骤(1)划分的时域EGG脑电信号的每个波段，分别构造相关系数矩阵或相关距离矩阵，来表示该波段内的不同电极之间的关联性强度。

(3)通过Vietoris–Rips滤值对步骤(2)得到的相关系数矩阵或相关距离矩阵构造单纯复形；

(4)对步骤(3)构建的单纯复形进行持续同调分析，得到持久性条码图；

(5)持续同调熵分析：利用步骤(4)得到的持久条码图提取拓扑空间特征，判别时域EGG脑电信号特征提取的准确度。

进一步地，所述步骤(1)包括以下子步骤：

(1.1)用清晰轮廓图像和混乱轮廓图像对被测对象进行识别轮廓图片的视觉刺激实验，利用脑电帽收集提取时域EGG脑电信号，其中实采样频率为1000Hz，滤波窗口频率为0.3～100Hz；

(1.2)对采集的时域EGG脑电信号，进行基线校准、试次分割、叠加平均操作，得出清晰轮廓图像和混乱轮廓图像分别对应的两个的时域EGG脑电信号试次，随后采用零相移滤波器对不同波段进行划分，将时域EGG脑电信号滤波分为θ波段(4～7hz)、α波段(8～13hz)、β波段(14～30hz)和全波段(1～45hz)。

进一步地，所述步骤(2)中的构造相关系数矩阵具体包括以下子步骤：

(2.1.1)将获取的时域EGG脑电信号导入到matlab软件中的eeglab工具包的数据分析平台，对时域EGG脑电信号进行伪迹去除、整体滤波、试次分割以及叠加平均，得到经过预处理后的每个试次时段的信号F_EEG，即得每个试次时段的信号F_EEG如式(1)所示：