[发明专利]一种基于阈值判别方法的多模态脑电信号检测方法

权利要求书

1.一种基于阈值判别方法的多模态脑电信号检测方法，其特征在于，包括如下步骤，

步骤S1、受试者根据提示做出运动想象或注视SSVEP刺激界面，从而产生相应脑电信号；

步骤S2、脑电信号被实时采集，经过去噪和信号放大，通过计算机I/O口传给计算机脑电处理模块；

步骤S3、脑电信号预处理，计算脑电信号与参考信号相关关系，得到脑电信号与参考信号的最大相关系数；

步骤S4、阈值决策，是将最大相关系数与设定的阈值进行比较，最大相关系数大于等于设定阈值，进行SSVEP分类，反之进行MI分类；

步骤S5、输出分类结果。

2.如权利要求1所述的基于阈值判别方法的多模态脑电信号检测方法，其特征在于，所述参考信号Y_f依据SSVEP刺激频率的正、余弦信号而设定：

f是刺激频率，N_h是谐波数。

3.如权利要求1所述的基于阈值判别方法的多模态脑电信号检测方法，其特征在于，所述步骤S3脑电信号与参考信号相关关系，

X是脑电信号，Y是参考信号，W_X和W_Y是权向量，x＝X^TW_X.和y＝Y^TW_Y。

4.如权利要求1所述的基于阈值判别方法的多模态脑电信号检测方法，其特征在于，所述步骤S4中最大相关系数小于阈值，则判定当前在进行运动想象，然后进行运动想象分类：

选取合适的FIR滤波器系数，将原始频带分为多个子频带：

h′(n)＝h(n)·c_M(n)

求得各个子频带的功率：

计算每个频带下Fisher Ratio，并选出4个FR得分最高的频带：

原始数据分别通过4个频带下的滤波器，然后求其空间滤波器特征，步骤如下：

设X₁和X₂分别为两分类想象运动任务下的多通道诱发响应时-空信号矩阵，

S₁和S₂分别代表两种类型任务。S_M代表两种类型任务下所共同拥有的源信号，

将X₁和X₂归一化后的协方差矩阵R₁和R₂分别为：

X^T表示X矩阵的转置，trace(X)表示矩阵对角线上元素的和，然后求混合空间协方差矩阵R:

R_i分别为任务实验的平均协方差矩阵，对混合空间协方差矩阵R按式进行特征值分解：

R＝UλU^T

U是矩阵λ的特征向量矩阵，λ是对应的特征值构成的对角阵，将特征值进行降序排列，白化值矩阵为：

对R₁和R₂进行如下变换：

S₁＝PR₁P^T,S₂＝PR₂P^T

通过上面的式子可以证明矩阵S₁的特征向量和矩阵S₂的特征向量矩阵是相等的，即：

B₁＝B₂＝V

与此同时，两个特征值的对角阵λ₁和λ₂之和为单位矩阵，即：

λ₁+λ₂＝I

由于两类矩阵的特征值相加总是为1，则S₁的最大特征值所对应的特征向量使S₂有最小的特征值，反之亦然；把λ₁中的特征值按照降序排列，则λ₂中对应的特征值按升序排列，根据这点可以推断出λ₁和λ₂具有下面的形式：

λ₁＝diag(I₁σ_M0),λ₂＝diag(0σ_MI₂)

白化EEG到与λ₁和λ₂中的最大特征值对应的特征向量的变换对于分离两个信号矩阵中的方差是最佳的，投影矩阵W是所对应的空间滤波器为：

W＝B^TP

并用混合核函数SVM得到分类结果。