基于局部线性嵌入算法的SSVEP脑机接口系统研究
发布时间：2021-03-18 10:02
提出一个多频率刺激源诱发的稳态视觉诱发电位（SSVEP）脑—机接口系统,针对时域脑电信号特征维数过多等问题,采用一种局部线性嵌入算法（LLE）对经过预处理的脑电数据进行降维。实验结果表明,随着分析时间窗的增大,经典功率谱密度分析（PSDA）与典型相关分析（CCA）等方法相比,基于LLE的非线性数据降维方法具有一定优势。当时间窗为1.65s时,其分类准确率达92.92%,信息传输率达59.62 bits/min,远远优于其它方法。
【文章来源】：软件导刊. 2020,19(05)
【文章页数】：5 页
【部分图文】：
-20国际标准导联位置1.2数据预处理因实验环境问题在实验过程中不可避免产生一些误
软件导刊2020年图3在15Hz视觉刺激频率下Oz电极采集的20次平均EEG及其功率谱1.3空间滤波数据预处理可有效解决系统误差对实验结果造成的影响，但是获取的脑电信号较为微弱、能量不集中［20］，其对噪音比的增强受到限制。因此，对预处理后的数据还需通过空间滤波增强噪音。关于空间滤波的研究较多，但这些方法应用在多频率的SSVEP滤波上存在很多不足。例如PCA是建立在完全无关基础上选择最大值作为空间滤波器，但SSVEP信号与其它脑电信号具有一定关联；共空间模式的原理是利用矩阵对角化，找到最优的空间滤波器进行投影，使两类信号差异最大化，从而增强信噪比，但是共空间模式需事先构造刺激和非刺激脑电片段，过程较为繁琐；ICA方法需事先知道频率才能选择滤波器。结合各种因素和情况，使用电极选择和简单加权融合方法虽没有达到预期最佳效果，但适用性非常广，没有必要根据个体差异分别选择空间滤波器。最常用的空间融合方法是拉普拉斯融合，其原理是使用式（3）的加权系数计算中间电极信号与周围同距电极信号的差，去除局部共同噪声达到增强SSVEP信噪比的目的。W=[-14?-14?1?-14?-14?]T（3）SSVEP在枕区的响应比其它区域更明显，因此将Oz作为中间电极，PO3、O1、O2和PO4电极为同距电极。则经过空间滤波的脑电信号x(t)可以由式（4）表示。x(t)=WTxˉi?i[PO3?O1?Oz?O2?PO4]（4）1.4局部线性嵌入算法2000年，Roweis&Sa［21］提出了一种局部线性嵌入算法（LocallyLinearEmbedding，LLE），该算法主要针对非线性信号的优化问题，
第5期420-2-4U/uv00.20.40.60.811.21.41.61.82t/s（b）预处理后的脑电信号图4预处理效果2.2时间窗长度对分类准确率的影响系统正确输入指令占所有输入指令的比例称为分类准确率，是脑机接口系统常用的评价指标。图5和表1是不同时间窗下PSDA、CCA和LLE三种方法的平均分类准确率。初始时间窗长度是0.25s，步长0.1，最大时间窗长度为1.6。结合图6和表1可以看出，随着时间窗长度的增加，3种方法的分类准确率都相应提升。当时间窗长度小于0.6s时，基于流形学习的非线性数据降维方法（LLE）的分类准确率最高，3种方法的平均分类准确率差异较大。当时间窗长度大于0.6s时，3种方法的平均分类准确率相差无几。在最大时间窗下平均分类准确率最高的是基于流形学习的非线性数据降维方法（LLE）。100908070605040Accu/%0.40.60.811.21.4t/sPSDACCALLE图5不同时间窗长度下3种算法平均分类准确率变化表1不同时间窗长度下3种算法平均分类准确率t/sLLE（%）PSDA（%）CCA（%）0.2573.3552.7359.140.4576.0457.4472.690.6580.4578.8279.920.8583.3382.2484.491.0587.5483.3886.031.2587.8985.4288.591.4591.9986.8889.701.6592.0589.6091.272.3时间窗长度对信息传输率的影响每分钟系统传输的信息量定义为信息传输速率（InformationTransferRate，ITR），是脑—机接口中的一个重要评价指标。ITR的定义如式（10）和式（11）所示。B(bits/symbol)=log2(N)+P·log2(P)
【参考文献】：
期刊论文
[1]不同灰度值刺激产生的稳态视觉诱发电位比较[J]. 李东阁. 中国医学物理学杂志. 2019(03)
[2]基于脑机接口的康复训练系统[J]. 杨帮华,李博. 系统仿真学报. 2019(02)
[3]脑干听觉诱发电位在眩晕中的应用价值[J]. 师娟. 中外医疗. 2017(36)
[4]视觉通路下闪光刺激对SSVEP影响的仿真研究[J]. 郭湛超,覃玉荣,赵隆. 电子测量与仪器学报. 2016(04)
[5]频域技术应用于点云配准研究[J]. 朱凌,杨红粉. 地理信息世界. 2015(03)
[6]基于CCA的SSVEP性能研究[J]. 笪铖璐,陈志阳,黄丽亚. 计算机技术与发展. 2015(05)
[7]基于视觉双特征的并行联合脑-机接口范式的研究[J]. 丁佳,张娟,王索刚. 科学技术与工程. 2015(10)
[8]眼电伪迹自动去除方法的研究与分析[J]. 李明爱,梅意城,孙炎珺,杨金福. 仪器仪表学报. 2014(11)
[9]诱发电位在儿科临床的应用[J]. 杨健,王昕. 国际儿科学杂志. 2009 (06)
博士论文
[1]基于视觉诱发电位的脑—机接口分析算法优化及实时控制系统构建[D]. 张宇.华东理工大学 2013
硕士论文
[1]基于脑机接口的机械臂遥操作控制[D]. 邱诗元.华南理工大学 2017
[2]优化思维任务模式的MI-BCI技术研究[D]. 方振东.天津理工大学 2016
[3]多类运动想象脑电信号的识别及其在BCI中的应用[D]. 康莎莎.安徽大学 2016
[4]基于SSVEP的脑机接口系统研究与设计[D]. 杨俊宇.南京邮电大学 2015
[5]基于稳态视觉诱发电位的脑机接口的研究[D]. 王瑞敏.南京理工大学 2015
本文编号：3088149
【文章来源】：软件导刊. 2020,19(05)
【文章页数】：5 页
【部分图文】：
-20国际标准导联位置1.2数据预处理因实验环境问题在实验过程中不可避免产生一些误
软件导刊2020年图3在15Hz视觉刺激频率下Oz电极采集的20次平均EEG及其功率谱1.3空间滤波数据预处理可有效解决系统误差对实验结果造成的影响，但是获取的脑电信号较为微弱、能量不集中［20］，其对噪音比的增强受到限制。因此，对预处理后的数据还需通过空间滤波增强噪音。关于空间滤波的研究较多，但这些方法应用在多频率的SSVEP滤波上存在很多不足。例如PCA是建立在完全无关基础上选择最大值作为空间滤波器，但SSVEP信号与其它脑电信号具有一定关联；共空间模式的原理是利用矩阵对角化，找到最优的空间滤波器进行投影，使两类信号差异最大化，从而增强信噪比，但是共空间模式需事先构造刺激和非刺激脑电片段，过程较为繁琐；ICA方法需事先知道频率才能选择滤波器。结合各种因素和情况，使用电极选择和简单加权融合方法虽没有达到预期最佳效果，但适用性非常广，没有必要根据个体差异分别选择空间滤波器。最常用的空间融合方法是拉普拉斯融合，其原理是使用式（3）的加权系数计算中间电极信号与周围同距电极信号的差，去除局部共同噪声达到增强SSVEP信噪比的目的。W=[-14?-14?1?-14?-14?]T（3）SSVEP在枕区的响应比其它区域更明显，因此将Oz作为中间电极，PO3、O1、O2和PO4电极为同距电极。则经过空间滤波的脑电信号x(t)可以由式（4）表示。x(t)=WTxˉi?i[PO3?O1?Oz?O2?PO4]（4）1.4局部线性嵌入算法2000年，Roweis&Sa［21］提出了一种局部线性嵌入算法（LocallyLinearEmbedding，LLE），该算法主要针对非线性信号的优化问题，
第5期420-2-4U/uv00.20.40.60.811.21.41.61.82t/s（b）预处理后的脑电信号图4预处理效果2.2时间窗长度对分类准确率的影响系统正确输入指令占所有输入指令的比例称为分类准确率，是脑机接口系统常用的评价指标。图5和表1是不同时间窗下PSDA、CCA和LLE三种方法的平均分类准确率。初始时间窗长度是0.25s，步长0.1，最大时间窗长度为1.6。结合图6和表1可以看出，随着时间窗长度的增加，3种方法的分类准确率都相应提升。当时间窗长度小于0.6s时，基于流形学习的非线性数据降维方法（LLE）的分类准确率最高，3种方法的平均分类准确率差异较大。当时间窗长度大于0.6s时，3种方法的平均分类准确率相差无几。在最大时间窗下平均分类准确率最高的是基于流形学习的非线性数据降维方法（LLE）。100908070605040Accu/%0.40.60.811.21.4t/sPSDACCALLE图5不同时间窗长度下3种算法平均分类准确率变化表1不同时间窗长度下3种算法平均分类准确率t/sLLE（%）PSDA（%）CCA（%）0.2573.3552.7359.140.4576.0457.4472.690.6580.4578.8279.920.8583.3382.2484.491.0587.5483.3886.031.2587.8985.4288.591.4591.9986.8889.701.6592.0589.6091.272.3时间窗长度对信息传输率的影响每分钟系统传输的信息量定义为信息传输速率（InformationTransferRate，ITR），是脑—机接口中的一个重要评价指标。ITR的定义如式（10）和式（11）所示。B(bits/symbol)=log2(N)+P·log2(P)
【参考文献】：
期刊论文
[1]不同灰度值刺激产生的稳态视觉诱发电位比较[J]. 李东阁. 中国医学物理学杂志. 2019(03)
[2]基于脑机接口的康复训练系统[J]. 杨帮华,李博. 系统仿真学报. 2019(02)
[3]脑干听觉诱发电位在眩晕中的应用价值[J]. 师娟. 中外医疗. 2017(36)
[4]视觉通路下闪光刺激对SSVEP影响的仿真研究[J]. 郭湛超,覃玉荣,赵隆. 电子测量与仪器学报. 2016(04)
[5]频域技术应用于点云配准研究[J]. 朱凌,杨红粉. 地理信息世界. 2015(03)
[6]基于CCA的SSVEP性能研究[J]. 笪铖璐,陈志阳,黄丽亚. 计算机技术与发展. 2015(05)
[7]基于视觉双特征的并行联合脑-机接口范式的研究[J]. 丁佳,张娟,王索刚. 科学技术与工程. 2015(10)
[8]眼电伪迹自动去除方法的研究与分析[J]. 李明爱,梅意城,孙炎珺,杨金福. 仪器仪表学报. 2014(11)
[9]诱发电位在儿科临床的应用[J]. 杨健,王昕. 国际儿科学杂志. 2009 (06)
博士论文
[1]基于视觉诱发电位的脑—机接口分析算法优化及实时控制系统构建[D]. 张宇.华东理工大学 2013
硕士论文
[1]基于脑机接口的机械臂遥操作控制[D]. 邱诗元.华南理工大学 2017
[2]优化思维任务模式的MI-BCI技术研究[D]. 方振东.天津理工大学 2016
[3]多类运动想象脑电信号的识别及其在BCI中的应用[D]. 康莎莎.安徽大学 2016
[4]基于SSVEP的脑机接口系统研究与设计[D]. 杨俊宇.南京邮电大学 2015
[5]基于稳态视觉诱发电位的脑机接口的研究[D]. 王瑞敏.南京理工大学 2015
本文编号：3088149
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3088149.html
