專利名稱：基于hht高頻組合編碼穩(wěn)態(tài)視覺誘發(fā)電位腦機接口方法
技術領域：
本發(fā)明涉及腦-機接口(Brain-Computer hterface，BCI)技術領域，具體涉及基 于HHT高頻組合編碼穩(wěn)態(tài)視覺誘發(fā)電位腦機接口方法。
背景技術：
腦-機接口是基于腦電信號實現大腦和計算機或其他電子設備直接交流通訊和 控制的系統。腦-機接口(BCI)作為人-機接口(Human-computer interface，簡稱HCI)中 的一種，由于不依賴常規(guī)的大腦輸出通路，為人的大腦開辟了一條全新的與外界進行信息 交流和控制的途徑，使得利用人腦信號直接控制外部設備的想法成為可能。近年來，腦-機 接口(BCI)技術發(fā)展非常迅速，已經在生物醫(yī)學、虛擬現實、游戲娛樂、康復工程以及航天、 軍事等領域體現出重要的價值。穩(wěn)態(tài)視覺誘發(fā)電(SteadyState Visually Evoked Potential, SSVEP)是大腦視 覺系統對外部持續(xù)周期性視覺刺激的響應，是腦-機接口 BCI系統中常用的輸入信號，相比 P300、事件相關同步、自發(fā)腦電等信號，穩(wěn)態(tài)視覺誘發(fā)電位(SSVEP)由于具有操作簡單、記 錄電極少、訓練時間短、信息傳輸率高及抗干擾能力強等優(yōu)點，是BCI系統中具有廣泛應用 前景和應用價值的重要研究范式。但目前一般的SSVEP-BCI系統常規(guī)采用6 25Hz的低頻段，基本都采用一個任務 用一個頻率表示的簡單范式；而由于頻率分辨率及屏幕刷新率的限制，在有限的頻帶范圍 內使得可呈現的任務目標數有限；另外，在實際應用中，低頻段SSVEP的低頻閃爍刺激容易 使受試者產生視覺疲勞，甚至存在誘發(fā)受試者癲癇發(fā)作的可能，因此無法保證系統長時間 使用的舒適性。高頻SSVEP已經接近人眼的光驅動臨界頻率，一般頻率范圍可達30 60Hz或更 高，與低頻不同的是高頻刺激會產生閃爍熔合(flicker fusion)效應，使用者主觀上已經 感覺不到閃爍，但在腦電中仍可檢測到SSVEP的高頻響應，這樣就大大降低了視覺疲勞和 誘發(fā)癲癇的可能性，實現了無損；同時，雖然高頻SSVEP幅度較低，該頻段內背景腦電的幅 度也很低，因此高頻SSVEP仍然具有一定的信噪比，保障了刺激響應信號的基本辨識準確 率。希爾伯特-黃變換(Hilbert-Huang Transform,HHT)是一種自適應的信號處理方 法，非常適合處理非線性、非平穩(wěn)信號。這種方法包括兩個過程經驗模式分解(empirical mode decomposition, EMD)和 Hilbert 變換(Hilbert Transform，HT)，其中最關鍵的部分 是EMD方法，EMD方法基于信號的局部特征時間尺度，能把復雜信號分解為本征模式函數 (Intrinsic Mode Functions, IMF)之和，每一個IMF所包含的頻率成分不僅與分析頻率有 關，而且最重要的是隨信號本身變化而變化，因此，HHT方法非常適合處理非平穩(wěn)、非線性的 腦電信號。

發(fā)明內容
為了克服上述現有技術的缺點，本發(fā)明提供了基于HHT高頻組合編碼穩(wěn)態(tài)視覺誘 發(fā)電位腦機接口方法，在傳統SSVEP簡單刺激模式基礎上提出了基于高頻時序組合編碼 SSVEP范式，并針對變頻組合編碼信號的時序特征提出基于HHT特征提取方法，具有操作簡 單、電極數目少和目標數多的優(yōu)點。為了達到上述目的，本發(fā)明采取的技術方案為基于HHT高頻組合編碼穩(wěn)態(tài)視覺誘發(fā)電位腦機接口方法，包括以下步驟步驟1，在受試者頭部D的枕區(qū)Oz位置安放測量電極A，在受試者頭部D的單側耳 垂位置安放參考電極B，在受試者頭部D的前額部Fpz位置安放地電極C，測量電極A的輸 出端接入腦電放大器E的第一輸入端E1，參考電極B的輸出端接入腦電放大器E的第二輸 入端E2，地電極C的輸出端接入腦電放大器E的第三輸入端E3，腦電放大器E的輸出端和 計算機F的輸入端相連，計算機F的輸出端和計算機屏幕G連接；步驟2，在SSVEP響應高頻段，即閃爍頻率高于25Hz，選擇η個刺激頻率，η為大于 1的整數，將η個刺激頻率經時序排列組合形成的ηη個刺激序列通過計算機屏幕G呈現在 受試者面前，并對刺激序列編碼形成編碼庫；步驟3，受試者注視步驟2的高頻時序組合編碼刺激序列時，通過步驟1連接的腦 電信號采集系統獲得腦電信號，并采用基于希爾伯特-黃變換(HHT)的變頻腦電信號特征 提取方法實現腦電信號的特征提取，具體步驟如下 對采集到的腦電數據進行疊加平均，提高信噪比，得到預處理的腦電數據； 利用帶通濾波對預處理的腦電數據進行帶通濾波，得到濾波后的腦電數據； 采用EMD方法對濾波后的腦電數據進行分解；在使用EMD方法時，針對端點問題，采用邊界預測法，邊界預測法確定的極值計算 公式如下極值=MAX {I端點值I，I 一階近似點I}針對停止準則問題，采用固定篩選次數，EMD算法是一個篩選的過程，篩選的數學 公式如下
權利要求
1.基于HHT高頻組合編碼穩(wěn)態(tài)視覺誘發(fā)電位腦機接口方法，其特征在于包括以下步驟步驟1，在受試者頭部(D)的枕區(qū)(Oz)位置安放測量電極(A)，在受試者頭部(D)的單 側耳垂位置安放參考電極(B)，在受試者頭部(D)的前額部Fpz位置安放地電極(C)，測量 電極(A)的輸出端接入腦電放大器(E)的第一輸入端(El)，參考電極(B)的輸出端接入腦 電放大器(E)的第二輸入端(E2)，地電極(C)的輸出端接入腦電放大器(E)的第三輸入端 (E3)，腦電放大器(E)的輸出端和計算機(F)的輸入端相連，計算機(F)的輸出端和計算機 屏幕(G)連接；步驟2，在SSVEP響應高頻段，即閃爍頻率高于25Hz，選擇η個刺激頻率，η為大于1的 整數，將η個刺激頻率經時序排列組合形成的ηη個刺激序列通過計算機屏幕(G)呈現在受 試者面前，并對刺激序列編碼形成編碼庫；步驟3，受試者注視步驟2的高頻時序組合編碼刺激序列時，通過步驟1連接的腦電信 號采集系統獲得腦電信號，并采用基于希爾伯特-黃變換(HHT)的變頻腦電信號特征提取 方法實現腦電信號的特征提取，具體步驟如下 對采集到的腦電數據進行疊加平均，提高信噪比，得到預處理的腦電數據； 利用帶通濾波對預處理的腦電數據進行帶通濾波，得到濾波后的腦電數據； 采用EMD方法對濾波后的腦電數據進行分解；在使用EMD方法應用時，針對端點問題，采用邊界預測法；邊界預測法確定的極值計算 公式如下極值=MAX {I端點值I，I 一階近似點|}；針對停止準則問題，采用固定篩選次數，EMD算法是一個篩選的過程，篩選的數學公式 如下
全文摘要
基于HHT高頻組合編碼穩(wěn)態(tài)視覺誘發(fā)電位腦機接口方法，先進行硬件連接，再通過n個高頻刺激頻率經時序排列組合形成的nn個刺激序列表示不同目標，并對刺激序列編碼形成編碼庫，然后采用基于希爾伯特-黃變換(Hilbert-Huang Transform，HHT)的變頻腦電信號特征提取方法提取腦電數據特征，并得到腦電數據的Hilbert時-頻圖，最后使用局部頻譜極值目標辨識方法，通過提取的腦電數據特征與編碼庫比較來實現量化目標識別正確率。本發(fā)明具有操作簡單、電極數目少、目標數目多、減少受試者疲勞和降低了誘發(fā)受試者癲癇可能的優(yōu)點。
文檔編號A61B5/048GK102063180SQ20101052826
公開日2011年5月18日 申請日期2010年10月29日 優(yōu)先權日2010年10月29日
發(fā)明者張鋒, 徐光華, 游啟邦, 王晶, 程曉文, 謝俊 申請人:西安交通大學