專利名稱：基于有效時(shí)間序列和電極重組的腦電信號(hào)分類系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種腦電信號(hào)的處理和分析方法，特別是涉及一種基于有效時(shí)間序列和電極重組的腦電信號(hào)分類系統(tǒng)和方法。
背景技術(shù)：
在當(dāng)今這個(gè)人際關(guān)系日益緊密的社會(huì)，正確地識(shí)別他人的表情有重要的生存意義。這不僅可以使人們及時(shí)調(diào)節(jié)自己的行為來(lái)適應(yīng)環(huán)境，而且還能有效地避免不必要的危險(xiǎn)，有利于社會(huì)交往和環(huán)境適應(yīng)。同時(shí)，對(duì)正常人的研究也可為臨床診斷和治療提供參考， 用于預(yù)防和治療工作。目前，人臉表情識(shí)別技術(shù)主要的應(yīng)用領(lǐng)域包括人機(jī)交互、安全、機(jī)器人制造、醫(yī)療、通信和汽車(chē)領(lǐng)域等。
在有關(guān)表情識(shí)別的文獻(xiàn)中，主要通過(guò)圖像表情識(shí)別和語(yǔ)音信號(hào)分析來(lái)判斷表情， 但這些表情評(píng)估的傳統(tǒng)方法具有主觀性，很容易被他人所否認(rèn)。然而另一種可用的表情識(shí)別辦法是生理腦電信號(hào)分析，它是一個(gè)更直觀、有效的表情識(shí)別手段，因?yàn)楸砬闋顟B(tài)本來(lái)就是由神經(jīng)系統(tǒng)的活動(dòng)來(lái)反映的。發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)表情刺激產(chǎn)生的腦電信號(hào)，提出一種基于有效時(shí)間序列和電極重組的腦電信號(hào)分類系統(tǒng)和方法。以避免特征的主觀性，通過(guò)采用并行計(jì)算策略提高執(zhí)行效率。
本發(fā)明是采用以下技術(shù)手段實(shí)現(xiàn)的
一種基于有效時(shí)間序列和電極重組的腦電信號(hào)分類系統(tǒng)，包括腦電信號(hào)采集模塊、腦電信號(hào)預(yù)處理模塊、腦電信號(hào)特征選擇模塊、腦電信號(hào)表情分類實(shí)施模塊。
腦電信號(hào)信息采集模塊，采集被試在高興、中性和悲傷的不同表情刺激下的原始腦電信號(hào)，并將采集到的腦電信號(hào)傳遞給腦電信號(hào)預(yù)處理模塊；腦電信號(hào)預(yù)處理模塊將采集到的原始腦電信號(hào)進(jìn)行去噪(噪聲包括水平眼電和垂直眼電)，之后將純凈的腦電信號(hào)轉(zhuǎn)換成全局場(chǎng)強(qiáng)送入腦電特征選擇模塊；腦電信號(hào)特征選擇模塊，通過(guò)全局場(chǎng)強(qiáng)腦電信號(hào)的峰值特征確定腦電信號(hào)的有效時(shí)間區(qū)域，在對(duì)有效時(shí)間區(qū)域上的腦電信號(hào)進(jìn)行電極重組，將重組后的腦電信號(hào)降維后視為腦電信號(hào)表情識(shí)別的最終特征，并將此特征傳送到腦電信號(hào)表情分類實(shí)施模塊；腦電信號(hào)表情分類實(shí)施模塊用經(jīng)典分類算法(Fisher分類器) 進(jìn)行腦電信號(hào)分類。
一種基于有效時(shí)間序列和電極重組的腦電信號(hào)分類方法，包括以下步驟
步驟1，受試者帶上電極帽，原始腦電信號(hào)是通過(guò)66導(dǎo)國(guó)際腦電圖學(xué)會(huì)標(biāo)定的 10/20法的EEG放大器進(jìn)行采集，并選取所有電極位置，采集不同表情刺激過(guò)程的受試者腦電信號(hào)；
步驟2，將采集到的腦電信號(hào)輸入到預(yù)處理模塊，預(yù)處理模塊主要對(duì)采集到的腦電信號(hào)進(jìn)行去噪，并得到腦電信號(hào)的全場(chǎng)強(qiáng)，腦電信號(hào)的全場(chǎng)強(qiáng)即為所有電極信號(hào)的疊加平均值；
步驟3，通過(guò)特征提取模塊對(duì)腦電信號(hào)全場(chǎng)強(qiáng)的分析，確定腦電信號(hào)特征選擇的有效時(shí)間區(qū)域；
步驟4，由于不同電極產(chǎn)生的腦電信號(hào)具有不同的生理學(xué)意義，因此通過(guò)特征提取模塊對(duì)特征選擇的腦電信號(hào)進(jìn)行電極重組；
步驟5，為了降低腦電信號(hào)的冗余信息，對(duì)步驟4所得到的重組后的腦電信號(hào)通過(guò)主成分分析(PCA)方法進(jìn)行降維；
步驟6，對(duì)特征提取模塊提取后的腦電信號(hào)使用腦電信號(hào)表情分類實(shí)施模塊中的線性判別函數(shù)分類器(Fisher)進(jìn)行分類學(xué)習(xí)與測(cè)試；
測(cè)試表情識(shí)別時(shí)，通過(guò)腦電信號(hào)采集模塊，采集待測(cè)被試的腦電信號(hào)，將腦電信號(hào)送入腦電信號(hào)預(yù)處理模塊，去除噪聲后，再根據(jù)腦電信號(hào)特征提取模塊計(jì)算生成被試對(duì)應(yīng)的特征向量，然后將這一特征向量送入腦電信號(hào)表情分類實(shí)施模塊，最后得到表情刺激的腦電信號(hào)分類結(jié)果。
腦電信號(hào)的有效時(shí)間區(qū)域的選擇，根據(jù)全局場(chǎng)強(qiáng)的峰值和高能量值來(lái)確定的有效時(shí)間區(qū)域；電極重組的過(guò)程是在有效時(shí)間區(qū)域的基礎(chǔ)上，對(duì)不同電極進(jìn)行重新組合的過(guò)程； 腦電信號(hào)表情分類的過(guò)程是在并行的基礎(chǔ)上，對(duì)選擇的腦電信號(hào)特征進(jìn)行分類。
本發(fā)明一種基于有效時(shí)間序列和電極重組的腦電信號(hào)分類系統(tǒng)和方法，與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)
1、與傳統(tǒng)方法相比，本發(fā)明利用生理腦電信號(hào)，避免了特征的主觀性。
2、本發(fā)明在步驟(3)中根據(jù)腦電信號(hào)的全場(chǎng)強(qiáng)進(jìn)行特征選擇是一種合理且有效的新方法。
3、本發(fā)明在步驟(5)中所使用的主成分分析方法是統(tǒng)計(jì)學(xué)習(xí)中的經(jīng)典方法，在許多數(shù)值計(jì)算平臺(tái)中能夠找到比較成熟的實(shí)現(xiàn)算法。
4、本發(fā)明的主要計(jì)算量集中在步驟(6)，由于在步驟(4)會(huì)產(chǎn)生多種電極組合，因此步驟(6)要對(duì)每種組合下的腦電特征進(jìn)行分類器訓(xùn)練和評(píng)價(jià)，因此可以采用并行計(jì)算策略來(lái)提高執(zhí)行效率。


圖1是本發(fā)明所涉及方法全過(guò)程的流程圖與系統(tǒng)模塊劃分情況；
圖2是本發(fā)明所涉及采集腦電信號(hào)的實(shí)驗(yàn)設(shè)計(jì)流程圖3是本發(fā)明所涉及基于全場(chǎng)強(qiáng)的腦電信號(hào)圖4是本發(fā)明圖1中“腦電信號(hào)處理”部分的具體流程。
具體實(shí)施方式
下面結(jié)合具體實(shí)施方式
對(duì)本發(fā)明做進(jìn)一步的說(shuō)明。
本發(fā)明在訓(xùn)練表情識(shí)別分類器時(shí)的步驟有如下6個(gè)步驟
首先在步驟1中根據(jù)設(shè)計(jì)好的實(shí)驗(yàn)進(jìn)行腦電信號(hào)的采集，在試驗(yàn)采集的過(guò)程中， 選用三類人臉表情作為刺激圖片，包括高興表情、中性表情和悲傷表情，每個(gè)表情有18種臉型，每個(gè)被試者執(zhí)行408次試驗(yàn)，三類任務(wù)各占136次。每次試驗(yàn)過(guò)程如下首先給被試者顯示提示語(yǔ)，待被試者按下空格鍵后，顯示一個(gè)正向或倒向的，表情為高興、中性、悲傷三種表情之一的圖片，待被試者對(duì)表情進(jìn)行清楚辨別并按下相應(yīng)的按鍵后，表示一次試驗(yàn)結(jié)束，具體過(guò)程如圖2所示。被試數(shù)據(jù)采集自12名年齡在20-30歲的健康人。
接下來(lái)對(duì)步驟1采集到的原始腦電信號(hào)進(jìn)行預(yù)處理，預(yù)處理模塊包括2個(gè)步驟
步驟2. 1由于腦電信號(hào)微弱，極易受到眼電信號(hào)的影響。因此，去除腦電信號(hào)中的噪聲就顯得尤為重要，本發(fā)明方法中利用Neurc^can軟件對(duì)采集到的腦電信號(hào)進(jìn)行去噪。
步驟2. 2在步驟2. 1獲得清潔的腦電信號(hào)EEG的基礎(chǔ)上，通過(guò)Neurc^can軟件獲得66導(dǎo)電極原始腦電信號(hào)對(duì)應(yīng)的全場(chǎng)強(qiáng)，即GFP，它是通過(guò)對(duì)各個(gè)電極的信號(hào)進(jìn)行疊加平均得到的。
接下來(lái)步驟3根據(jù)特征提取模塊對(duì)三類原始腦電信號(hào)的全場(chǎng)強(qiáng)(GFP)進(jìn)行對(duì)比分析，如圖3所示，結(jié)果發(fā)現(xiàn)全場(chǎng)強(qiáng)的峰值分布在88ms、15%is、232ms處，而350ms-650ms 處為慢電位反映。因此，我們根據(jù)全場(chǎng)強(qiáng)(GFP)能量的時(shí)間分布(70-110mS，125mS-185mS， 200ms-250ms,350ms-650ms)來(lái)確定原始腦電信號(hào)(EEG)特征選擇的有效時(shí)間段(即有效時(shí)間區(qū)域)。
步驟4中，特征提取模塊中我們采用啟發(fā)式研究方法，啟發(fā)函數(shù)是線性判別函數(shù)分類器的性能，即我們以性能優(yōu)劣來(lái)分析重組的有效性。首先通過(guò)電極重組對(duì)腦電信號(hào)特征選擇做進(jìn)一步提取，即在步驟3所確定的有效特征區(qū)域進(jìn)行重組，重組的過(guò)程是采用窮舉的方式按照不同時(shí)間區(qū)域和不同電極進(jìn)行排列組合。公式如下
X =(1)‘ J
i e {1，-,64}, j e {1，-,5},r1第i個(gè)電極的腦電信號(hào) 「I第_/+段時(shí)間序列的腦電信號(hào)、0其它
其中，i是電極個(gè)數(shù)，j是時(shí)間序列段個(gè)數(shù)，Eij指的是第i個(gè)電極第j個(gè)時(shí)間段的腦電信號(hào)，當(dāng)Cii = I時(shí)，表示第i個(gè)單電極的腦電信號(hào)被作為特征，當(dāng)= I時(shí)，表示第 j個(gè)時(shí)間區(qū)域的腦電信號(hào)被作為特征。
接下來(lái)步驟5對(duì)步驟4中各種的電極組合進(jìn)行主成分分析方法降維。因?yàn)楫?dāng)腦電信號(hào)特征選擇進(jìn)行電極重組后，都會(huì)產(chǎn)生高維的腦電信號(hào)，從而影響了腦電信號(hào)的分類效率和結(jié)果，所以腦電信號(hào)的降維過(guò)程顯得尤為重要。本專利把腦電信號(hào)特征降到400維。
之后步驟6對(duì)降維后的腦電信號(hào)使用腦電信號(hào)表情分類實(shí)施模塊中的線性判別函數(shù)分類器進(jìn)行分類，由于步驟4中腦電信號(hào)重組的過(guò)程選用窮舉方式，經(jīng)驗(yàn)可知，窮舉方法帶來(lái)了計(jì)算空間大，復(fù)雜度高的問(wèn)題，因此，在這里我們?yōu)榻鉀Q這個(gè)問(wèn)題引入并行計(jì)算， 并行主要針對(duì)分類過(guò)程，通過(guò)并行運(yùn)算從而大大提高了分類時(shí)間和速率。如圖4，詳細(xì)顯示步驟2-6的具體流程。
本發(fā)明在測(cè)試表情識(shí)別時(shí)的步驟如下
通過(guò)腦電信號(hào)采集模塊，采集待測(cè)被試的腦電信號(hào)(方法與上述對(duì)應(yīng)步驟一致)， 將腦電信號(hào)送入腦電信號(hào)預(yù)處理模塊，去除噪聲后，再根據(jù)腦電信號(hào)特征提取模塊計(jì)算生成被試對(duì)應(yīng)的特征向量(方法與上述對(duì)應(yīng)步驟一致)，然后將這一特征向量送入腦電信號(hào)表情分類實(shí)施模塊，最后生成基于表情刺激的分類結(jié)果。結(jié)果表明，最高識(shí)別率超過(guò)了
彳 其它，代90 %，平均識(shí)別率在85 %左右，能夠?qū)崿F(xiàn)對(duì)表情刺激的腦電信號(hào)識(shí)別。
權(quán)利要求
1.一種基于有效時(shí)間序列和電極重組的腦電信號(hào)分類系統(tǒng)，包括腦電信號(hào)采集模塊、腦電信號(hào)預(yù)處理模塊、腦電信號(hào)特征選擇模塊、腦電信號(hào)表情分類實(shí)施模塊；其特征在于所述的生理腦電信號(hào)信息采集模塊，在高興、中性和悲傷的不同表情刺激下采集的原始腦電信號(hào)，并將采集到的腦電信息傳遞給腦電信號(hào)預(yù)處理模塊；所述的腦電信號(hào)預(yù)處理模塊將采集到的原始腦電信號(hào)進(jìn)行去噪，之后將純凈的腦電信號(hào)轉(zhuǎn)換成全局場(chǎng)強(qiáng)送入特征選擇模塊；所述的腦電信號(hào)特征選擇模塊，通過(guò)全局場(chǎng)強(qiáng)腦電信號(hào)的峰值特征確定腦電信號(hào)的有效時(shí)間區(qū)域，在對(duì)有效時(shí)間區(qū)域上的腦電信號(hào)進(jìn)行電極重組，將重組后的腦電信號(hào)視為腦電信號(hào)表情識(shí)別的特征，并將特征傳送到腦電信號(hào)表情分類實(shí)施模塊； 所述的腦電信號(hào)表情分類實(shí)施模塊用經(jīng)典分類算法進(jìn)行腦電信號(hào)分類。
2.根據(jù)權(quán)利要求1所述的基于有效時(shí)間序列和電極重組的腦電信號(hào)分類系統(tǒng)，其特征在于所述的經(jīng)典分類算法采用Fisher分類器。
3.一種基于有效時(shí)間序列和電極重組的腦電信號(hào)分類方法，其特征在于包括以下步驟步驟1，受試者帶上電極帽，原始腦電信號(hào)是通過(guò)放大器進(jìn)行采集，并選取所有電極位置，采集不同表情刺激過(guò)程的受試者腦電信號(hào)；步驟2，將采集到的腦電信號(hào)進(jìn)行預(yù)處理模塊后輸入特征提取模塊系統(tǒng)，預(yù)處理模塊包括對(duì)采集到的腦電信號(hào)進(jìn)行去噪，并得到腦電信號(hào)的全場(chǎng)強(qiáng)，腦電信號(hào)的全場(chǎng)強(qiáng)即為所有電極信號(hào)的疊加平均值；步驟3，根據(jù)特征提取模塊對(duì)腦電信號(hào)全場(chǎng)強(qiáng)的分析，確定腦電信號(hào)特征選擇的有效時(shí)間區(qū)域；步驟4，根據(jù)特征提取模塊對(duì)特征選擇的腦電信號(hào)進(jìn)行電極重組； 步驟5，對(duì)步驟4所得到的重組后的腦電信號(hào)通過(guò)主成分分析方法進(jìn)行降維； 步驟6，對(duì)特征提取模塊提取后的腦電信號(hào)使用腦電信號(hào)表情分類實(shí)施模塊中線性判別函數(shù)分類器進(jìn)行分類學(xué)習(xí)與測(cè)試；測(cè)試表情識(shí)別時(shí)，通過(guò)腦電信號(hào)采集模塊，采集待測(cè)被試的腦電信號(hào)，將腦電信號(hào)送入腦電信號(hào)預(yù)處理模塊，去除噪聲后，再根據(jù)腦電信號(hào)特征提取模塊計(jì)算生成被試對(duì)應(yīng)的特征向量，然后將這一特征向量送入腦電信號(hào)表情分類實(shí)施模塊，最后得到分類結(jié)果。
4.根據(jù)權(quán)利要求3所述的基于有效時(shí)間序列和電極重組的腦電信號(hào)分類方法，所述的放大器為66導(dǎo)國(guó)際腦電圖學(xué)會(huì)標(biāo)定的10/20法的EEG放大器。
5.根據(jù)權(quán)利要求3所述的基于有效時(shí)間序列和電極重組的腦電信號(hào)分類方法，其特征在于所述腦電信號(hào)的有效時(shí)間區(qū)域的選擇，根據(jù)全局場(chǎng)強(qiáng)的峰值和高能量值來(lái)確定的有效時(shí)間區(qū)域；所述電極重組的過(guò)程是在有效時(shí)間區(qū)域的基礎(chǔ)上，對(duì)不同電極進(jìn)行重新組合的過(guò)程； 所述腦電信號(hào)表情分類的過(guò)程是在并行的基礎(chǔ)上，對(duì)選擇的腦電信號(hào)特征進(jìn)行分類。
全文摘要
本發(fā)明公開(kāi)了一種基于有效時(shí)間序列和電極重組的腦電信號(hào)分類系統(tǒng)和方法，實(shí)現(xiàn)了通過(guò)采集分析人腦的腦電信號(hào)來(lái)實(shí)現(xiàn)對(duì)三類人物表情(高興、中性和悲傷)的識(shí)別。主要包括腦電信號(hào)的采集過(guò)程和腦電信號(hào)的分析處理過(guò)程。通過(guò)對(duì)被試者進(jìn)行不同表情刺激，采集不同的腦電信號(hào)；首先根據(jù)腦電信號(hào)全場(chǎng)強(qiáng)的能量分布來(lái)確定有效的腦電信號(hào)的特征空間，之后將對(duì)應(yīng)特征空間的原始腦電信號(hào)進(jìn)行PCA降維，并對(duì)具有分類優(yōu)勢(shì)的腦電信號(hào)進(jìn)行重組，最后選擇線性判別函數(shù)分類器進(jìn)行分類。表情識(shí)別時(shí)，只需將采集的腦電信號(hào)提取出目標(biāo)特征，進(jìn)行分類，即可確定識(shí)別結(jié)果。能夠?qū)崿F(xiàn)基于人物表情刺激的腦電信號(hào)的識(shí)別。本發(fā)明引入人的認(rèn)知，具有客觀、高效的優(yōu)點(diǎn)。
文檔編號(hào)A61B5/0476GK102499676SQ20111034431
公開(kāi)日2012年6月20日 申請(qǐng)日期2011年11月3日 優(yōu)先權(quán)日2011年11月3日
發(fā)明者吳春鵬, 張祺, 楊震, 段立娟, 王學(xué)彬, 苗軍 申請(qǐng)人:北京工業(yè)大學(xué)