基于不同表情驱动的脑电信号辨识方法

文档序号:9304296阅读:389来源:国知局
基于不同表情驱动的脑电信号辨识方法
【技术领域】
[0001] 本发明涉及脑机接口技术,特别涉及一种基于面部表情驱动的脑电信号研究方 法。
【背景技术】
[0002] 脑-机接口技术最新的发展,已经从简单地大脑-计算机接口向大脑-机电设备 方向发展,即通过提取人脑皮层产生的脑电信号,来推测大脑的思维活动,并将之翻译成相 应的命令来控制外围的机电设备,如残疾轮椅、智能假手或外骨骼机器人等,以实现对这些 外围设备的意念控制。随着近年来生物机电一体化技术的发展,越来越多的特征脑电信号 被应用于脑机接口范式的研究中。根据控制源的不同,脑机接口系统主要分为自发式与诱 发式两种。自发式脑机接口系统主要包括了运动想象下的脑机接口系统、运动识别下的脑 机接口系统、而诱发式脑控范式常见的主要有稳态视觉诱发脑机接口系统、P300脑机接口 系统等。
[0003] 自发脑电信号不依赖于外界环境条件,但其具有分辨率低,随机性强,信噪比低的 不足。2011年,匹兹堡大学通过提取瘫痪病人的运动想象信号,实现了瘫痪病人的简单进 食。诱发脑电信号虽然具有高分辨率、抗干扰力强等特点,但其不足之处在于过分依赖诱发 源,同时长时间的诱发实验,容易产生疲劳,甚至诱发癫痫。Illinois大学的Farewell最早 将P300脑机接口系统用于虚拟打字中,实现了瘫痪患者通过单词拼写与外界进行交流。清 华大学通过稳态视觉诱发脑机接口系统实现了四自由度假肢的倒水过程,但是长时间的光 强刺激,会降低实验精度。
[0004] 目前国内学者还主要停留在对运动想象、运动识别、以及稳态视觉诱发脑机接口 系统的研究,然而基于面部表情驱动的脑电信号研究目前尚未见相关主题的成熟技术报 道。

【发明内容】

[0005] 为能准确表述基于表情驱动脑电信号产生的机理,同时为了提高脑电信号的识别 率与实用性,本发明提供一种基于面部表情驱动产生脑电信号的研究方法。
[0006] 为达到以上目的,本发明是采取如下技术方案予以实现的:
[0007] -种基于不同表情驱动的脑电信号辨识方法,其特征在于,包括下述步骤:
[0008] 第一步,建立基于不同面部表情驱动脑电信号产生机理的模型,具体方法如下:
[0009] (1)建立大脑皮层两个独立皮质区域:前额叶皮质区S1与边缘系统皮质区S2,每 个独立皮质区均进行两类电位的转换后输出脑电信号,其中,一类将输入的触突前膜动作 电位脉冲密度转换为平均触突后膜电位;另一类将平均触突后膜电位转换为大脑皮层输出 的脑电信号;各皮质区分别由多个兴奋性细胞单元与抑制性细胞单元构成,每个细胞单元 将触突动作电位的平均脉冲密度转换为平均触突后膜电位,单个兴奋性细胞单元与抑制性 细胞单元的冲击响应函数表达达式为:
[0012] 式中,u(t)为Heaviside函数,He为兴奋性神经元突触增益,H;为抑制性神经元突 触增益,、为兴奋性神经单元延时常数,t 抑制性神经单元延时常数;
[0013] (2)静态非线性函数S(v)将兴奋性细胞单元与抑制性细胞单元产生的触突平均 后膜电位转换为经表情驱动控制下产生的动作电位的平均脉冲密度,其数学式为:
[0014] 外)=2%/(1+#(%-吩),』 13)
[0015] 式中,2e。为动作电位最大发放率,v。为相对于发放率e。的突触后电位,r为s(v) 函数的弯曲程度,v为突触前膜电压;
[0016] (3)S(v)得到的动作电位的平均脉冲密度分别接受各自皮质区内部兴奋性、抑制 性细胞神经单元的反馈,并根据不同细胞单元所包含的触突个数以及相互之间的关联常数 的反馈作用,最终得到独立皮质区域Sl、S2的输出的脑电信号,单皮质区的数学模型的微 分方程表不如下:
[0017]
[0018] 式中,Cl,C2,为兴奋性细胞单元平均突触连接数;C3,C4为抑制性细胞单元平均 突触连接数,求解方程组,得到独立皮质区域输出脑电信号y(t)为:
[0019] y(t) =y!(t)-y2(t) (5)
[0020] 式中,yl(t)为经由兴奋性细胞单元转换后得到的平均触突后膜电位,y2(t)为经 由抑制性的细胞单元反馈得到的平均触突后膜电位,通过设定不同的参数^,私,Ti, 分别建立前额叶皮质区域与边缘系统皮质区域的脑电信号产生模型;
[0021] (4)设定S1区,S2区的兴奋性、抑制性细胞子群均由N个兴奋性细胞单元与N个 抑制性细胞单元构成,分别代表脑电信号的多个频段脑电信号,其相互之间关系由权重系 数《决定,权重系数《的取值表示为:
[0022]
[0023] 基于面部表情控制下S1区、S2区之间的相互作用由耦合强度q、区域均值脑电信 号RM(y)以及其他大脑皮层区域脑电信号相互作用P(t)构成,由此得到非耦合作用下前额 叶皮质区S1,边缘系统区S2产生的脑电信号,其表达式为:
[0024]
(f)
[0025](5)依据式(4)、式(5)、式(6),建立面部表情控制下前额叶皮质区SI与边缘系统 区S2耦合作用下产生的脑电信号,设定区域间的相互作用由耦合强度q,区域输出均值脑 电信号RM(X)决定,其计算式为:
[0026]
(7)
[0027] 式中,y(t)为步骤(3)建模得到脑电信号,yn(t)为不同时刻所对应的脑电信号瞬 态值则,根据式(7)得到S1区、S2区相互作用传递函数数学表达式为:
[0028]
(8)
[0029] 式中,j= 1,2代表两个不同皮质区域,其它大脑皮层区域脑电信号相互作用p(t) 以输入形式参与,由此得到相互耦合作用下的皮质区表脑电信号达式:
[0030]
[0031] 式中,i= 1,2, 3分别代表皮质区域脑电信号的高频段、低频段、中频段,j= 1,2 代表不同的皮质区;每个区的兴奋和抑制性增益系数Hq和延时常数t^相同,通过调整 权重系数矩阵Wy与耦合强度q,模拟得到不同表情驱动下的脑电信号;
[0032] (6)对建模得到的脑电信号进行快速傅里叶变换,求其对数频带能量Ei,其数学表 达式为:
[0033]
no)
[0034] 式中^代表经傅里叶变换后各频段的能量值,并计算每个频带能量在总能量中的 比值:
£11)
[0035]
[0036] 最后,参照真实脑电信号的频谱特性,确定基于不同面部表情控制下脑电信号的 特征值位于Alpha波段与theta波段;
[0037] 第二步,用第一步建立的模型输出脑电信号特征对基于不同面部表情驱动的实时 脑电信号进行分类。
[0038] 上述方案中,所述用第一步建立的模型输出脑电信号特征对基于不同面部表情驱 动的实时脑电信号进行分类包括下述步骤:
[0039] (1)为受试者佩戴便携化多通道脑电检测单元与信号处理单元,脑电检测单元中 所有电极均处于国际10-20系统的标准位置,并采集前额皮质区FC5、FC6通道与边缘系统 皮质区F7、F8通道的脑电信号;
[0040] (2)信号检测单元同步采集到位于前额叶皮层的FC5、FC6和位于边缘系统的F7、 F8位置脑电信号后,进行2~40Hz的带通滤波,然后通过无线通信模块传给信号处理单元, 该单元将采集到的不同面部表情驱动下的脑电信号进行离线分析,得到与各种不同面部表 情驱动下脑电信号相对应的样本信号;
[0041] (3)利用第一步(6)的结果采用小波变换模均值法提取样本信号特征值,受试者 随机动作一种面部表情,信号处理单元首先提取四通道的Alpha波段与theta波段的相应 该表情的脑电信号;并对Alpha波与theta波进行小波变换模均值计算,得到多维特征向 量,进行归一化处理后,得到样本特征矩阵Tk;
[0042] (4)将不同样本的1;同时输入BP神经网络分类器进行训练;
[0043] (5)样本训练完成后,返回步骤(2),进行在线目标识别,信号处理单元提取Alpha 波段与theta波段脑电信号,并对Alpha波段与theta波段进行小波变换模均值计算
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1