基于运动想象的皮层脑电图频域模式滤波.pdf

华南理工大学学报(自然科学版) JournalofSouthChina of Vo】，36No．5 第36卷第5期 University Technology 2008年5月 Science Mav2008 (Natural Edition) 基于运动想象的皮层脑电图频域模式滤波术 吕俊 谢胜利 (华南理工大学电子与信息学院，广东广州510640) 摘要：为了提高皮层脑电图(ECoG)脑一机接1：2(BCI)的分类精度，提出了基于运动想象 的ECoG频域模式滤波法．该方法通过联合对角化寻找最具判别力的投影方向作为频域滤 波器，抽取滤波后ECoG的均值和标准差作为特征，然后采用核Fisher判别式进行分类． BCl2005数据集I的实验结果表明：采用该方法仅用单个电极即可获得92％的测试精度． 关键词：皮层脑电图；脑一机接口；特征提取；频域模式滤波 中图分类号：TPl81；R318文献标识码：A 脑一机接口(BCI)是使人只需利用大脑发出的性．由于在BCI实验中受试者在提示下作运动想象 信息，而不依赖周围神经系统和肌肉，即可与外部设 的反应时间不稳定，所以文中着重提取ECoG的频 备通信或进行控制的系统．BCI技术涉及到多个学 域信息．已有学者依据ECoG各条频带的功率谱提 科，应用前景广泛，已经成为机器学习、生物医学工 取特征，获得了较好的效果”J．为了更加充分地利 程和计算机通信等领域新的研究热点…． 用ECoG的频域分布特性挖掘特征，提高分类精度， Trans． 文中首先利用希尔伯特黄变换(Hilbert．Huang 头皮脑电图(EEG)信号和皮层脑电图(ECoG) 信号都可以作为BCI的输入信息．相对于EEG， ECoG避开了颅骨和头皮，噪声小，时间空间分辨率频带的幅模均值和振荡程度的差异变化；然后提出了 高，能更直接地反映大脑局部的电活动口j．但是 一种频域模式滤波法，该方法通过联合对角化调整各 ECoG节律容易受意识形态、外界刺激和精神活动频带幅模一时间序列的权重，以捕捉最大的判别信息 变化的影响，非平稳，随机性强，而且ECoG信号的并提取特征；最后采用辨识和推广能力较强的核 J． 采集具有侵入性，所以在植入少数电极的前提下，如 Fisher判别式对这些特征进行了分类。6 何提取ECoG中分类性能良好的脑电特征，提高分 1 实验数据及生理背景 类精度是富有挑战性的难题．ECoG和EEG的信号 源和噪声源均有明显的空间分布特性．在采用多导 1．1 实验数据 电极数据的情况下，基于事件相关去同步／同步现象 文中实验数据来自BCl2005实验I．在实验过 (ERD／ERS)的共同空间模式滤波法(CSP)和基于 程中，一名被试者在图像的提示下想象左手小指或 运动相关电位(MRP)的判别空间模式滤波法 舌部的运动，通过放置在右侧大脑运动皮层区域上 (DSP)都可以有效地提高信噪比134J．鉴于ECoG采的8X8共64个铂电极阵列记录ECoG，如图1所 集的侵入性，文中利用单个电极的数据区分不同的 运动想象，以期最大限