[发明专利]基于fNIRS的想象物体位移方向的解码方法

权利要求书

1.一种基于fNIRS的想象物体位移方向的解码方法，其特征在于：包括以下步骤：

S1)采集受试者进行物体位移想象试验时大脑中的血红蛋白信息；

S2)对采集到的血红蛋白信息进行预处理；

S3)根据预处理后的血红蛋白信息计算出识别特征；

所述识别特征包括脑区血氧相关性、正则化后的血氧数据、正则化后血氧数据的Teager-Kaiser能量算子和坡度特征；

S4)利用信息价值排序法和自适应遗传算法对所述识别特征进行筛选；

S5)利用机器学习的方法对筛选后的识别特征进行识别处理而识别出物体的位移方向，从而实现了物体位移的想象状态的连续解码。

2.根据权利要求1所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：所述步骤S2)中，对采集到的血红蛋白信息进行预处理的方法包括带通滤波处理，所述带通滤波处理是对采集到的血红蛋白信息的相应频段进行带通滤波的处理。

3.根据权利要求2所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：所述带通滤波处理运用切比雪夫带通滤波方法对采集到的血红蛋白信息的相应频段进行多频段带通滤波的处理。

4.根据权利要求2所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：在对采集到的血红蛋白信息进行带通滤波处理之前，还对采集到的血红蛋白信息进行以下处理：剔除在物体位移想象试验时受试者在干扰状态下获得的血红蛋白信息。

5.根据权利要求4所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：所述干扰状态包括外界干扰状态和生理干扰状态，所述生理干扰状态是指受试者自身发生体动、情绪紧张、呼吸加快、走神或体力下降时的状态；所述外界干扰状态是指存在外界噪声或试验设备接头松动时的状态。

6.根据权利要求1所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：所述步骤S3)中脑区血氧相关性的计算方法包括：运用熵权法对同一脑区内不同的信号采集通道重新分配权重，并根据重新分配的权重计算出脑区的血氧值，然后根据不同脑区的血氧值，计算出不同脑区之间的血氧值的皮尔森相关系数。

7.根据权利要求6所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：每个脑区包括多个信号采集通道，每个信号采集通道内设置有多个采样点，运用熵权法对同一脑区内不同的信号采集通道重新分配权重的方法包括以下步骤：

A1)采用最大最小归一化公式逐个地对每个信号采集通道的每个采样点进行归一化；

A2)归一化完成后，计算出每个脑区内的每个采样点的概率值；

A3)根据采样点的概率值以及信息熵公式计算出每个信号采集通道的信息熵；

A4)根据每个信号采集通道的信息熵，计算出每个信号采集通道的权重。

8.根据权利要求7所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：每个信号采集通道的权重由以下公式得到：

其中，w_j表示第j个信号采集通道的权重，e_j表示第j个信号采集通道的信息熵。

9.根据权利要求1所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：所述机器学习的方法对筛选后的识别特征进行识别处理时会进行两种处理，第一种处理用于利用机器学习的方法将筛选后的识别特征按照位移方向区分为向上和向下两类；第二种处理用于利用机器学习的方法将筛选后的识别特征按照位移方向区分为向左和向右两类。

10.根据权利要求1所述的基于fNIRS的想象物体位移方向的解码方法，其特征在于：所述信息价值排序法是利用卡方分箱方式对所述识别特征进行筛选。