[发明专利]一种基于位点等效增强的脑机接口解码方法及装置

说明书

本发明公开了一种基于位点等效增强的脑机接口解码方法及装置，该方法通过对采样点进行跨周期的位点等效变换实现训练数据的数据增强并生成等效排列集合，利用训练数据构建解码模板，对增强数据进行任务相关成分分析求解空间滤波器，根据等效排列集合定向重排测试信号或验证信号，计算空间滤波后重排信号与解码模板的皮尔森相关系数，利用朴素贝叶斯对相关系数分类并进行投票，最终完成稳态视觉诱发电位的解码。本发明的基于位点等效增强的脑机接口解码方法，可实现在小样本和短刺激条件下的稳态视觉诱发电位解码，降低了使用脑机接口的时间成本，提高了脑机接口系统的可用性和友好性，有利于成果向应用转化。

技术领域

本发明涉及脑机接口技术领域，特别涉及一种基于位点等效增强的脑机接口解码方法及装置。

背景技术

脑机接口(Brain-Computer Interface, BCI)是将中枢神经系统活动直接转化为人工输出的系统，它能够替代、修复、增强、补充或改善中枢神经系统的正常输出，从而改善神经系统与内外环境的交互作用。BCI绕过了正常的神经肌肉输出通路，可以帮助患有神经肌肉疾病但仍保有认知功能的患者提与外界进行信息交流或控制外部设备，也可以用来进行人机思维互动、脑疾病防治、类脑计算等多个方向的研究探索。根据采集传感器的位置，可以将BCI分为侵入式BCI和非侵入式BCI。脑电图（Electroencephalography，EEG）是通过放置在头皮上的传感器记录到的脑神经细胞电位活动的总体信号，是一种常用的非侵入式技术。当人眼观察到大于6 Hz的重复视觉闪烁刺激时，大脑的枕区会诱发出与目标频率相同（或几倍于目标频率）的脑电信号，这种EEG也称稳态视觉诱发电位（Steady-StateVisual Evoked Potential, SSVEP）。经典的SSVEP-BCI将具有不同频率的闪烁视觉刺激与特定的命令关联起来，用户可以通过注视不同的刺激来选择输出命令。基于SSVEP的BCI 具有较高的信息传输速率，因此在BCI领域中被广泛应用。

近年来，各种研究陆续开发了针对SSVEP的解码算法，如功率谱密度分析（Powerspectral density analysis ，PSDA）、典型相关分析（Canonical correlation analysis,CCA）、最小绝对收缩算子（Least absolute shrinkage and selection operator, LASSO）以及任务相关成分分析（Task-related component analysis, TRCA）。但是，多数解码方法都需要用户在使用前进行较长时间的训练才能达到较好的使用效果。而长时间的闪烁刺激容易造成用户视觉不适和疲劳，不利于用户继续操作，降低了系统的可用性。因此，开发更高效的短刺激和小样本解码算法是SSVEP-BCI系统亟待解决的问题。SSVEP包含刺激的基频及谐波成分，理想情况下SSVEP是周期循环信号，不同周期内具有相同位序的采样点具有相同的物理意义，目前的解码方法还没有涉及这个研究方向。

发明内容

本发明的目的在于提供一种基于位点等效增强的脑机接口解码方法，以克服现有技术中的不足。

为实现上述目的，本发明提供如下技术方案：

本申请公开了一种基于位点等效增强的脑机接口解码方法，包括如下步骤：

S1、获取刺激界面中所有目标的稳态视觉诱发电位作为原始训练集，对原始训练集进行数据预处理，并根据预处理后的训练集求解所有目标的解码模板；

S2、对原始训练集进行位点等效增强获得增强训练集和等效排列集合；

S3、对增强训练集进行任务相关成分析，构建集成空间滤波器；

S4、根据等效排列集合对验证集中的每个单试次验证信号进行全频率定向重排，获得每个单试次验证信号对应的重排数据集；使用S3中的集成空间滤波器进行空间滤波后计算验证信号对应的重排数据和其对应的解码模板之间的皮尔森相关系数；对比单试次验证信号的已知目标标签，将皮尔森相关系数分为预测错误和预测正确；