CN111580643A - 一种基于稳态不对称视觉诱发电位的脑-机接口方法 - Google Patents

Abstract

本发明公开了一种基于稳态不对称视觉诱发电位的脑‑机接口方法，包括：构建具有N个指令集的SSaVEP编码范式，视野注视点在原点，视觉刺激信号在两个不同的时间段内在原点周围出现；使用Neuroscan Synamps2系统采集受试者的脑电信号数据，并进行预处理提取特征信号；构造空间滤波器，利用空间滤波器分别得到训练集模板和测试集模板实现SSaVEP的特征增强；使用CCA算法提取训练集模板和测试集模板的相关系数，使得潜在相关性最大；在模式匹配中，训练集模板和测试信号之间的关系用向量表示，进而获取最终相关系数决策值，基于决策值获取目标类别。该技术可以显著提升SSVEP的信噪比，适用于低、中和高三个频段；同时利用隐性视觉注视方式，可以减少视觉疲劳。

Description

一种基于稳态不对称视觉诱发电位的脑-机接口方法

技术领域

本发明涉及脑-机接口领域，尤其涉及一种基于稳态不对称视觉诱发电位(Steady-State asymmetrically Visual Evoked Potential，SSaVEP)的脑-机接口方法。

背景技术

脑-机接口(Brain-Computer Interface,BCI)指的是可以替代、修复、增强、补充或改善中枢神经系统的正常输出，从而改善内部与外部环境之间的相互作用的系统。根据采集生理信号的电极传感器的放置位置，可以分为侵入性BCI和非侵入性BCI。对于非侵入性 BCI，稳态视觉诱发电位(Steady-State Visual Evoked Potential，SSVEP)因为较好的鲁棒性，被广泛作为大脑的控制信号。目前，基于SSVEP的BCI系统具有极高的信息传输率。

SSVEP是指4Hz以上的外部视觉刺激闪烁，在大脑皮层(主要指枕区)引起的周期性头皮脑电图(Electroencephalography，EEG))信号。根据诱发脑电的刺激信号的频率，SSVEP可分为三个频段，即4至14Hz的低频频段，15至25Hz的中频频段以及25Hz以上的高频频段。以前的低中频段SSVEP研究主要是通过直接注视闪烁方块，因为这样可以产生稳定的、幅值高的EEG信号。然而直接注视刺激，容易引起受试者较为强烈的视觉疲劳，影响SSVEP的性能。同时在高频信号作为刺激的SSVEP研究中，直接注视刺激目标诱发的脑电信号幅值微弱、噪声强，难以有效提取并识别目标。

发明内容

本发明提供了一种基于稳态不对称视觉诱发电位的脑-机接口方法，本发明设计了可以采集SSaVEP的编码范式，以及可以对信号进行降噪、识别的解码算法；该技术可以显著提升SSVEP的信噪比，适用于低、中和高三个频段；同时利用隐性视觉注视方式，可以减少视觉疲劳，详见下文描述：

一种基于稳态不对称视觉诱发电位的脑-机接口方法，所述方法包括以下步骤：

构建具有N个指令集的SSaVEP编码范式，视野注视点在原点，视觉刺激信号在两个不同的时间段内在原点周围出现；

使用Neuroscan Synamps2系统采集受试者的脑电信号数据，并进行预处理提取特征信号；

构造空间滤波器，利用空间滤波器分别得到训练集模板和测试集模板实现SSaVEP的特征增强；

使用CCA算法提取训练集模板和测试集模板的相关系数，使得潜在相关性最大；在模式匹配中，训练集模板和测试信号之间的关系用向量表示，进而获取最终相关系数决策值，基于决策值获取目标类别。

其中，所述视觉刺激信号为：

S1(x₁,y₁,t1,f_i,α₁)

S2(x₂,y₂,t2,f_i,α₂)

其中，x₁和x₂以及y₁和y₂分别为刺激中心位置的横纵坐标，t1和t2是两个刺激开始的时间，f_i是第i个字符的刺激频率，α₁和α₂是两个刺激的初始相位，利用周期信号生成。

进一步地，所述视觉刺激信号的刺激位置不同，即：

(x₁,y₁)≠(x₂,y₂)

保证刺激的位置不是在视野中心，即：

x₁≠0||y₁≠0

x₂≠0||y₂≠0。

其中，所述训练集模板和测试集模板分别为：

其中，

为训练样本，Y为测试样本，

为第一模式模板，

为第二模式模板，Y₁为第一测试样本，Y₂为第二测试样本，T为转置向量系数。

本发明提供的技术方案的有益效果是：

1、本发明利用了大脑对空间不对称性刺激指令反应的空间信息，视觉刺激出现在周围视野而不是中央视野，从而避免长时间使用时的视觉疲劳，且为用户在中央视野进行其他任务操作提供了窗口；

2、本发明利用滤波器对具有空间信息的信号进行滤波处理以及彼此相减等操作有效抑制背景共模噪声，提升信噪比；

3、本发明设计的编解码技术不仅可以应用于低中频带，也可以有效提高高频视觉刺激的识别性能；

4、本发明因为可以有效提高全频率段视觉刺激的SSVEP响应性能，因而更具有市场应用场景，可以应用在残疾人康复、生活、娱乐等领域，有望获得可观的社会效益和经济效益。

附图说明

图1为一种基于稳态不对称视觉诱发电位的脑-机接口的结构示意图；

主要由视觉刺激模块、脑电数据采集与预处理模块、识别算法分析模块等部分组成。

图2为指令分布示意图；

图3为A指令刺激的空间分布示意图；

图3(a)为视野坐标对照组；图3(b)为经典SSVEP拼写指令空间位置分布；图3(c)为不对称SSVEP拼写指令空间分布。其中，S1、S2和S3分别代表在坐标原点以及其他对称位置的刺激信号。

图4为单个指令刺激的时间分布示意图；

图5为识别算法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

实施例1

本发明根据大脑视觉刺激响应的空间不对称特性，同时结合SSVEP系统的稳定性、高解码性等优势，设计了一种新的不对称的基于SSVEP的编码范式，并开发了一种适用于解码SSaVEP的高效算法。

其技术流程是：设计新的SSaVEP编码范式，搭建完整的脑电信号采集装置，在实验系统指导下，采集受试者脑电信号数据，然后对经过脑电放大器的脑电数据存储，再进行一定的预处理、特征提取，最后进行识别。

实施例2

下面结合图1-图5对实施例1中的方案进行进一步地介绍，详见下文描述：

一、视觉刺激范式设计

本发明设计了具有N个指令集的SSaVEP编码范式，以4个指令的字符编码范式为例，A、B、C、D字符按2×2分布，星号提示需要凝视的目标字符，如图2所示。受试者的眼睛与屏幕中央保持水平(通常为70厘米的距离)，受试者凝视目标的中心，在不同的时刻，刺激信号在视野的周围出现，诱发具有空间信息的SSaVEP。

如图3所示，利用xoy坐标轴展示了单个指令空间分布示意图。为了更好的展示不对称指令的位置分布，本发明中以刺激的形状为方块，位置分别在左下角和右下角为例。图3(a) 为视野坐标对照组，视野注视点为原点o的位置。图3(b)为传统的SSVEP刺激指令示意图，人眼需要直接凝视以闪烁方块为背景的目标字符，因此很容易造成视觉疲劳。同时因为高频视觉刺激诱发信号幅值微弱、噪声强，导致传统的视觉刺激信号很难被解码、识别。

图3(b)为本发明设计的指令刺激的空间分布示意图，视野注视点还是在原点，与传统 SSVEP范式设计不同的是视觉刺激信号是在不同的两个时间段内，在原点周围出现。刺激信号可以表示为：

这里x₁和x₂以及y₁和y₂分别指的是刺激中心位置的横纵坐标，t1(t1>0)和t2(t2>0) 是两个刺激开始的时间，f_i(f_i>4Hz)是第i个字符的刺激频率，α₁(0≤α₁≤2π)和α₂(0≤α₂≤2π)是两个刺激的初始相位，通常情况下刺激是利用周期信号生成。

为了保证信号的不对称特性，首先需要保证两个刺激位置不同，即：

(x₁,y₁)≠(x₂,y₂) (2)

然后需要保证刺激的位置不是在视野中心，即：

图4为单个指令刺激的时间分布示意图，对于每个指令的拼写需要经历提示阶段(视线转移)、模块一拼写和模块二拼写三个阶段。t₀(t₀≥0)时刻开始提示需要观测的目标字符，Δt₀(Δt₀>0)为允许视线转移的时长，Δt₁(Δt₁>0)为刺激的时长，Δt₂为两个刺激的时间间隔(Δt₂≥0)，需要保证两个刺激分别出现，即：

t1+Δt₁≤t2 (4)

二、脑电数据采集和预处理

本发明信号采集示例使用Neuroscan Synamps2系统收集脑电数据。设备参数通常设置为1000Hz的采样率；0.1～100Hz带通和50Hz陷波滤波器滤波。脑电放大器采集64通道EEG信号，头部顶部的通道Cz用作参考电极，接地电极置于前额的中央，同时左右乳突电极信号备用。预处理过程首先将EEG数据降采样，然后做相应的滤波处理。

三、识别算法分析

本发明以空间匹配为基本原理，以典型相关分析和空间滤波器为基本手段，设计适用于SSaVEP的解码策略。它包括四个主要步骤：(1)构造空间滤波器W(式5-10)；(2)SSaVEP特征增强(式11,12)；(3)典型相关分析(Canonical Correlation Analysis,CCA)(式 13,14,15)；(4)目标识别(式16)。

以判别空间模式(Discriminative Spatial Patterns，DSP)滤波器为例，识别算法流程图如图5所示。假设训练样本为

以及测试样本

这里，j(j＝1,…,N)是类别的索引，k(k＝1,2)是位置的索引，N_c是导联数，N_t是时间点数，N_s是训练样本的数目。模式k的模板可以表示为

它是训练样本的平均值，R为多维数组。

的协方差矩阵写为：

和

的方差为：

DSP方法是通过找到矩阵W_j来使两种模式更具有区分性：

S_B＝∑₁₁+∑₂₂-∑₁₂-∑₂₁ (9)

其中，λ_n是W_j的第n列的特征值，S_w为类内散度矩阵，S_B为类间散度矩阵，W_j为DSP 滤波器。

为了更好地识别SSaVEP特征，提升信噪比，利用滤波器分别得到训练集模板和测试集模板：

其中，

为训练样本，Y为测试样本，

为模式1模板，

为模式2模板，Y₁为测试样本1，Y₂为测试样本2，T为转置向量系数。

然后，使用CCA算法提取相关系数。该方法找到两个矩阵向量U₁,V₁，使得

和

的潜在相关性最大，可以利用下面公式计算：

其中，ε为期望，U₁和V₁为典型相关矩阵。

同理可得两个矩阵向量U₂,V₂，使得Yf和

的潜在相关性最大。

在模式匹配中，训练集模板和测试信号之间的关系可以用向量表示：

其中，ρ_j为相关系数矩阵，corr(*)是皮尔逊的相关系数，Yf是周期参考信号模板。最终相关系数决策值为：

其中，E_q是待优化的权重系数，不在这里给出优化方法。符号函数用于确定是否存在负相关，ρ_jq为式(14)的相关系数。

目标类别可以通过以下方程式确定：

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于稳态不对称视觉诱发电位的脑-机接口方法，其特征在于，所述方法包括以下步骤：

构建具有N个指令集的SSaVEP编码范式，视野注视点在原点，视觉刺激信号在两个不同的时间段内在原点周围出现；

使用Neuroscan Synamps2系统采集受试者的脑电信号数据，并进行预处理提取特征信号；

构造空间滤波器，利用空间滤波器分别得到训练集模板和测试集模板实现SSaVEP的特征增强；

使用CCA算法提取训练集模板和测试集模板的相关系数，使得潜在相关性最大；在模式匹配中，训练集模板和测试信号之间的关系用向量表示，进而获取最终相关系数决策值，基于决策值获取目标类别。

2.根据权利要求1所述的一种基于稳态不对称视觉诱发电位的脑-机接口方法，其特征在于，所述视觉刺激信号为：

51(x₁，y₁，t1，f_i，α₁)

S2(x₂，y₂，t2，f_i，α₂)

其中，x₁和x₂以及y₁和y₂分别为刺激中心位置的横纵坐标，t1和t2是两个刺激开始的时间，f_i是第i个字符的刺激频率，α₁和α₂是两个刺激的初始相位，利用周期信号生成。

3.根据权利要求2所述的一种基于稳态不对称视觉诱发电位的脑-机接口方法，其特征在于，所述视觉刺激信号的刺激位置不同，即：

(x₁，y₁)≠(x₂，y₂)

保证刺激的位置不是在视野中心，即：

x₁≠0||y₁≠0

x₂≠0||y₂≠0。

4.根据权利要求1所述的一种基于稳态不对称视觉诱发电位的脑-机接口方法，其特征在于，所述训练集模板和测试集模板分别为：

其中，

为训练样本，Y为测试样本，

为第一模式模板，

为第二模式模板，Y₁为第一测试样本，Y₂为第二测试样本，T为转置向量系数。

Images