专利名称：下肢想象动作电位空间滤波方法
技术领域：
本发明涉及一种下肢想象动作电位滤波方法，属于生物医学工程及计算机领域。
背景技术：
神经电生理技术的发展，为研究大脑认知活动过程提供了独特的方法和途径。其技术 关键在于需从所检测的脑神经电活动数据中识别出大脑认知思维的意图，提取能反映其 主观意识的特征参数。该领域的前驱Jonathan Wolpaw曾经指出"在理论上，脑的感 觉，运动及认知意识在自发脑电中应该是可辨识的"。所谓自发脑电
(electroencephalography, EEG)即是由电极记录所得大脑皮层神经细胞群的自发电活动 随时间和空间变化的序列波形。由于EEG信号非常微弱、自身也不稳定，极易受到眼电、 肌电等其它电生理信号的干扰，心理状态和思维意识的波动都可以引起EEG信号的变化。 所以要从EEG数据中获取大脑认知思维的特征参数遇到极大困难。经多年探索，人们将 研究视线聚焦于与大脑运动皮层(motor cortex)神经活动密切相关的事件相关电位
(event-related potentials, ERPs)。其概念于20世纪60年代由Sutton首先提出并通过叠 加平均技术从头颅表面记录的大脑诱发电位(Evoked Potentials, EPs)得到。诱发电位(EPs)， 也称诱发响应(Evoked Response),是指给予神经系统(从感受器到大脑皮层)特定刺激，或 使大脑对刺激信息进行加工，在该系统和脑皮层相应部位会产生与刺激有相对锁时关系 和特定相位的生物电反应。临床上将诱发电位分为两大类与感觉或运动功能有关的外 源性刺激相关电位和与认知功能有关的内源性事件相关电位(ERPs)。 ERPs是在注意的基 础上，与识别、比较、判断、记忆、决断等心理活动有关，反映了认知过程的不同方面， 是了解大脑认知功能活动的"窗口"。
研究表明人在想象但未实施肢体或其他身体部位动作时，与该动作相关的大脑运动 皮层区域也会发生与该动作实施时相似的电生理响应，如诱发电位(EP)或事件相关电位 (ERPs)，又特称之为想象动作电位(motor imaginary potentials)。临床上已通过功能性磁共 振成像(functional magnetic resonance image, fMRI)观察脑局部血液图的方法确认想象和 实施动作时所激发的大脑运动皮层区域相同。Jasper等人最早发现了想象动作电位现象， 注意到受试者打算或想象其肢体运动时能够引起脑皮层运动中枢神经元群电活动^^态变 化，从而导致头皮脑电中某些特征频率成分的同步减弱或同步增强，此即所谓事件相关 去同步 (event-related desynchronization, ERD ) 禾口事件相关同步 (event-related synchronization, ERS)现象。其中，ERD对应于特征频段功率谱密度的下降，ERS则对 应于特征频段功率谱密度的上升，而不同肢体部位动作引起ERD/ERS现象所发生的特
3征频段和皮层运动功能区域均不相同。Pfurtscheller和Aranibar也通过实验证实了上述 现象，指出ERD/ERS现象主要集中在ERPs中ct波段(8 13Hz)和P波段(14 26Hz)， 并提出了相应的量化理论。
ERD/ERS现象的发现为观察大脑认知功能活动找到了具体的ERPs "窗口"。此后， 针对上肢、手指、口舌等各类肢体动作所诱发想象动作电位的特征提取与模式识别研究 及其应用相继开展起来，成为国内外神经工程领域关注的热点，如奥地利Graz大学成功 地提取了受试者分别想象左、右手动作时的ERD/ERS信号特征并用来控制功能性电刺激 (functional electrical stimulation, FES)装置以帮助瘫痪患者的肢体康复，取得了令人振 奋的阶段性成果。上肢、手指部位想象动作电位的特征提取和模式识别甚至可精准到区 分左、右手某个手指的程度！但与之相比，针对下肢部位想象动作电位(如站起、坐下、 左右迈腿等)的信号特征却极难区分。其原因可由大脑皮层功能反射区与肢体运动部位 关系找到。上肢左、右手(包括手指)、口舌部位对应的大脑皮层功能反射区分居在相 隔空间距离较远的左、右脑半球区域，即其源信号的空间分布有较好的区分度优势；而 下肢(包括大、小腿、脚趾)部位所映射的运动皮层功能区则仅局限于头顶部沟回内距 离极为狭小的区域，其源信号空间结构的区分度十分有限。这是造成下肢部位想象动作 电位信号特征提取与模式识别困难的最基本原因，加之头皮电极提取的ERPs信号存在很 大弥散性和混叠性，更增加了思维脑电源信号获取和识别的难度。目前尚鲜见有关成功' 提取与识别下肢部位想象动作(如站起、坐下、左右迈腿等)电位特征的研究报道。
有关研究表明，人脑感觉运动功能区的神经元群在想象动作过程中会产生一系列 具有不同时空拓扑结构的响应信号序列，其综合效果形成了神经传导的时空动态特 性，导致神经电信号从发生源传播到检测点的信号映射是个巻积混合过程。因此，为 提高想象动作电位的信噪比，必须建立适合该巻积混合模型(以取代传统的简单线性 和瞬时混合模型)的信号处理新方法，才能保证有效分割ERPs信号的时频特性。该 巻积混合模型的特征参数应当采用与想象动作任务密切相关的优选法，即要与所映 射的运动皮层功能区紧密联系(也即需赋予与其邻近特征导联所检测信号以更大权值)， 才能获得较高的空间分辨率。
发明内容
为克服现有技术中下肢想象动作电位特征识别时空间分辨率不足的问题，本发明提 出了一种下肢想象动作电位滤波方法。采用本发明提供的方法，能够加大对ERPs信号 空间滤波的力度，提高信号处理的空间分辨率，并能够结合想象动作所诱发ERD/ERS 现象的功率谱频带特性，从时空和时频等多个角度挖掘信号的动态特征，提高信噪比、 增强区分度，从而能有效地识别下肢想象动作电位。
本发明采用如下的技术方案
一种下肢想象动作电位空间滤波方法，其特征在于，包括下列步骤① 利用脑电导联电极采集反映下肢想象动作的脑电信号；
② 对所采集的脑电信号进行预处理；
③ 对预处理后的41导联脑电信号5,(/ = 1,2,—，41)进行带通滤波，获取2~34Hz并
且覆盖a波段及e波段的带通脑电信号S。,( l，2,…,41);对5°力=1,2,..,41)
进行小波包多分辨率分析，经过4个尺度的小波包分解后，最终获得满足频带分 割要求的11个特征子频带第4尺度下覆盖ci波段的3个特征子频带 《y (/ = 1,2,…,41;/= 1,2,3)以及覆盖e波段的8个特征子频带
S;y(/ = l,2，...,41;y = l,2,...,8);
④ 对11个小波包特征空间下的脑电信号《y(/ = l，2,...,41;y = l,2,3)以及
5^(/ = 1,2广.,41;/ = 1,2,...,8)分别进行独立分量分析，采用基于频带对数功率
谱定义的事件相关去同步化/同步化(ERD/ERS)系数作为主成份筛选的依据， 保留去同步化/同步化(ERD/ERS)系数绝对值大于设定阔值的分量，并将其余 分量置零；
⑤ 利用各个特征小波包子空间下的脑电信号，依次恢复构造出各导联脑电信号各 自对应的小波包频域空间，而后进行小波包逆变换，重构脑电源信号。
上述的下肢想象动作电位空间滤波方法，步骤l中的41导脑电采集电极，最好按照 下列描述安置其中19导联按国际10/20系统标准安置，其余22导联覆盖肢体动作相 关的感觉运动皮层功能映射区，即导联C3，Cz,C4周围；步骤2中对所采集的脑电数据可 以采用下述预处理方法(1)依据Hjorth提出的源定位计算方法，通过共平均参考去 除各导联信号共有的空间低频成份；(2)去除脑电数据中存在的肌电和眼电干扰。
本发明所提出的采用小波包独立分量分析结合频域ERD/ERS系数优选主分量进行 空间滤波的新方法，充分考虑了与想象动作任务密切相关的脑电信号的时频模式及 空间特性，从而能比传统方法捕捉到更为准确鲜明的想象动作特征，这为实现想象 动作电位信号的少次(甚至单次)提取提供了有利条件。另外，空间滤波新方法中 借助小波包ERD/ERS系数进行独立分量筛选的手段，避免了人工干预，实现了脑电信 号源的自动获取过程。
图l本发明采集数据所采用的41导联分布示意图； 图2特征小波包空间频带分割示意图3典型受试者C3导联处站起想象动作脑电信号的时频功率谱密度图，(a):未经 ICA空间滤波，(b):传统ICA空间滤波后；
5图4小波包ICA空间滤波后C3导联处站起想象动作脑电信号的时频功率谱密度 (A)和功率谱密度随时间变化(B)，箭头所示为对应C3导联时频坐标系中4个标识点处 脑电地形图5 10例受试者在站起动作想象过程中ERD/ERS特征频率分布(a)和3种情况 下ERD/ERS特征系数值比较(b)。
具体实施例方式
本发明首先利用具有显著时频局部化优势的小波包(wavelet packet, WP)将 ERD/ERS现象集中的a和P波段ERPs信号按其时频特性分割为11个子频带的源信号； 再对这些源信号分别进行独立分量分析(Ind印endent Component Analysis, ICA)，并 依据基于小波包对数功率谱定义的ERD/ERS系数对这些独立分量进行与想象动作任 务密切相关的主成份筛选，保留时频特征显著、符合阈值条件的优势分量；最后按照 小波包树(wavelet packet tree, WPT)结构依次进行各导联ERPs信号的小波包逆变 换，重构出更具显著ERD/ERS时频特征与更高空间分辨率的ERPs源信号。本发明为 下肢想象动作电位(站起、坐下、左右迈腿等)信号特征提取与模式识别提供了有效的 方法，为研究大脑认知功能提供新的观察与分析工具。 下面结合实施例和附图对本发明作进一步详述。 一、脑电数据采集和预处理
本发明实验数据取自10名右利手的健康成人志愿者(均为本校大学生，6男4女，平 均年龄24. 3±3. l岁)，实验设备采用奥地利EMS Phoenix公司生产的128导数字脑电记录 仪，实验室的电磁屏蔽与隔音效果均良好(室内背景噪声约为31dB，背景光照为2cd/m2)。 实验过程中，受试者以感觉舒适但不影响数据采集的姿势坐在扶手椅中，面对正前方l 米左右距离显示屏上的实验任务提示符。
实验以站起想象动作为主。每个子实验(trail)持续20秒，分为3个时段。第一时段 为准备期，此时段屏幕正中央显示十字提示符(持续l秒钟)，提示受试者做好准备；第 二时段为想象动作期(从第二秒开始，持续8秒钟)，屏幕显示箭头向上的方位提示符， 要求受试者想象站起动作；第三时段为恢复期(从第十秒开始，持续10秒钟)，用于受 试者调整状态，准备下一组想象动作，该时段内显示器保持为黑屏状态。每个受试者在 进行站起想象动作实验前，需先按前述实验时程完成15次实际站起动作(其间脑电 信号不做记录)，以熟悉后续想象动作实验的屏幕提示符和积累实施动作的经验。在 整个想象动作实验期间，受试者必须以自我身份想象自身如何完成站起动作，而不能以 他人身份去想象别人的动作。实验过程中要求受试者保持放松状态，不允许有任何的实 际肢体动作。为避免受试者因视觉刺激引起脑电波动，显示器以黑屏灰字的方式显示提 示符。要求每个受试者完成3组实验，每一组(run)包含30次站起想象动作子实验(trail)， 全部实验累计持续时间为10分钟。在每两组实验之间，留有足够长的休息时间用于受试者恢复疲劳。
实验中41导脑电釆集电极位置如图1所示，其中19导联按国际10/20系统标准安置， 其余22导联则根据本发明目的放置，要求覆盖肢体动作相关的感觉运动皮层功能映射区 (导联C3，Cz，C4周围)，以便获取想象动作过程中更为精细的脑电特征。实验所用电极 均为Ag/AgCI电极(阻抗小于5000欧姆)；以左耳垂(A1)作为参考电平，右耳垂(A2)作为 参考地；脑电采样频率为256Hz，滤波通带为O. 5 70Hz，并采用50Hz陷波器去除工频干 扰。
为提高后期想象动作电位模式识别的准确性，对所得脑电数据采用了下述预处理方 法(1)依据Hjorth提出的源定位计算方法，通过共平均参考去除各导联信号共有的空 间低频成份，以突出具有时频局域化特征的脑电源活动；(2)去除数据中存在的肌电和 眼电干扰。
二、传统ICA空间滤波 独立分量分析(ICA)主要应用于未知基信号5"及其混叠特性^的情况下，仅从接 收到的混合信号I找到解混矩阵K使输出矩阵 〃逼近源信号5"，即
t/ = jn = ns (i)
式中解混逆矩阵『—1的第y列表示矩阵"中第j'行独立分量在各个测量位置处的分布强 度，即为独立分量的空间分布模式。
在脑电信号处理中，ica的目标是基于不同思维任务与大脑活动区域的映射关系， 找出对应皮层活跃区域附近导联占比重较大的脑电分量，然后重构数据以突出皮层活跃
区域脑电源信号特征。传统ICA模型认为，脑电信号源分量是局部皮层区域同步化方式
下产生的神经电活动，即认为脑电信号的传播是一个简单线性和瞬时混合过程，在数学
上可表示为单一混合矩阵乘积的作用结果。这个假设忽略了神经传导的瞬时动态性群 体神经元电活动传播过程的行波模式(traveling wave patterns)会引起不同脑功能区域 的同步化具有非零的相位滞后(synchronization between different brain areas with a nozero phase lag)。另一方面，传统ICA模型仅从时域角度寻找最优解，却忽视了 脑电信号尤为重要的频域特征。研究发现，脑电活动在不同频带下具有显著不同的特 征，这些特征与不同的生理或心理过程密切相关。由此可以认为，脑电信号在不同频 带下存在不同的功能性独立信号源，实验检测所得脑电信号是这些独立信号源通过 不同的瞬时动态过程混合而成的(其混合形式在时域为巻积)。为此需先对脑电信 号进行适当的特征频带分割，而后对各个特征子频带脑电信号分别进行独立分量分析 (或称ICA空间滤波)。如此将神经传导的瞬时动态建模问题转移并分解到各特征频 率域，以更有效地描述各特征子频带所对应脑电源信号传播过程的时空动态性。实 际上，仅在时域做简单线性混合运算的传统ica模型只能是整个特征频带域中的一 个子集。
要实现巻积混合模型下的ICA空间滤波，必须保证脑电信号时频特性的有效分割，这是实现分量筛选的前提和关键。对于脑电信号来说，任务相关ERD/ERS现象 发生的特征频带存在很大的个体差异性，如果仅对某个指定频带进行特征获取，往 往会丢失该频带外的重要特征信息，从而增加识别的难度，甚至产生错误结果。为 避之，Klimesch等建议将a和e波段的峰值频率(分别为10Hz和24Hz)作为锚点 (anchor point)，而后将锚点前后的频带以2Hz频率窗进行均匀分割，再对这些 子频段的脑电信号分别进行特征提取。该方法已得到神经科学研究领域的广泛认可， 也为本研究实现脑电信号时频特性的有效分割提供了依据。
小波分析(wavelet analysis, WA)具有显著的时频局部化优势，因此可用其 作为脑电信号特征频带分割工具。但为获得a和e波段内2Hz带宽的子频带信号， 单纯通过WA方法仍然无法满足要求，必须进一步提升频率分辨率。因此需要采用小 波包(WP)分析方法对脑电信号进行时频分割，称之为小波包ICA空间滤波。
三、小波包域ICA空间滤波
小波包ICA空间滤波方法的实现步骤如下
(1)特征小波包空间获取对原始数据c/。("进行逐层小波包分解时，任意尺度L (L〉0)有位于不同频段的21—1且序列，每组序列分别由概貌滤波器/ 滤波的结果《("，和 细节滤波器g滤波的结果。("组成(y>o)，则有下列递推公式
《("=HO) (2)
附G2
根据小波包分析的特性，以及目标子频带(以2Hz频带窗分割的a波段和P波段) 获取的需求，首先对预处理后的41导联脑电信号5,(/ = 1,2, ,41)进行带通滤波，获
取2 34Hz并且覆盖a波段及e波段的带通脑电信号W,(/",2,…,41);对 5°,(/ = 1，2,...,41)进行小波包多分辨率分析(这里S。,("即为公式(2)和公式(3)的小波 包分析的原始数据"。(")。经过4个尺度的小波包分解后，最终获得满足频带分割要求 的11个特征子频带第4尺度下覆盖a波段的3个特征子频带 《y(/ = l,2,..，41J = l,2,3)以及覆盖e波段的8 个特征子频带
《"/ = 1,2,...,41;7 = 1,2,...，8)。这里，为了保证子频带脑电信号中零极点特性不变， 必须采用具有二阶导数特性的小波包母函数。本发明选择高斯函数的二阶导数一墨 西哥草帽(Mexico Hat)小波作为母函数用于小波包多分辨率分析。特征小波包空 间的频带分割如图4所示。图中方框所示为通常4尺度小波包分析树结构；最下层标 示为第4尺度下覆盖a与e波段的11个特征子频带名称及其频带。
(2)小波包ICA空间滤波对11个小波包特征空间下的脑电信号
8《y(/ = l，2,.",41;/ = l，2，3)以及《^ = 1,2,..,41;/ = 1,2广.,8)分别进行独立分量分析 (ICA)。
归纳小波包ICA空间滤波操作如下依次获取a和e波段子空间下的解混矩阵 《;(_/ = 1,2,3)和^4y(/ = l,2,..,8)， 以及与之相对应的独立分量
C:y(Z = l,2，-.-,41;_/ = l,2，3)，[]C-y(/ = l,2，.",41;/ = l,2，...,8);对11组独立分量进行任
务相关主成份优选，保留特征信息显著程度符合域值条件的分量，其余分量置零；利 用经过筛选的各组独立分量及其对应的解混矩阵依次重构a波段子空间下的脑电信 号《y(/ = l,2,...,41;y = 1,2,3)以及e波段子空间下的脑电信号
《y(/ = l，2,..,41;/ = l,2,..,8)。
上述操作中，独立分量组的主成份筛选非常关键。按前述思路，为获得尽可能高 的空间滤波分辨率，应采用与想象动作所诱发ERD/ERS效应密切相关的优选方法。本 发明参考Pfurtsehelle给出的ERD/ERS特征量化原则，并结合小波包域ICA空间滤 波的特点，提出了基于小波包对数功率谱定义的ERD/ERS系数作为ICA空间滤波中 主成份筛选指标。该ERD/ERS系数定义如下
=[log )-log)]/log (W五《) (4) 这里7^尸为特征小波包子空间内发生ERD/ERS现象在特征时段^内的归一化小波包功 率谱均值；i^F为执行想象动作前静息时段^内的归一化小波包功率谱均值。由于各 导联脑电在特征频段内表现出的ERD/ERS特征是所有与任务相关独立分量的综合效 果，而不具备ERD/ERS特征的独立分量对此没有贡献。因此，可以依据a和P波段 子空间下各独立分量的ERD/ERS系数值(该值反映了对应独立分量所贡献ERD/ERS 特征的权重)，对ll个小波包特征子空间分别进行独立分量筛选保留满足判别阈 值条件的主分量，而将其余非主分量置为零向量。如此完成ICA空间滤波。
(3)脑电源信号重构依据上一步ICA空间滤波筛选所得各导联脑电信号的a和 e波段子空间，按照小波包树的结构(见图2)，利用概貌重构滤波器《和细节重构 滤波器g依次在各尺度下进行小波包逆变换，可重构各导联与想象动作电位密切相 关的脑电源信号。各尺度重构公式如下
<formula>formula see original document page 9</formula> (5)
最终得到重构后的脑电源信号《("=《("。
图3(a)所示为典型受试者在C3导联处站起想象动作脑电信号(经预处理，但未经 ICA空间滤波)的功率谱密度(采用多次实验功率谱叠加平均获得)随时间(横轴)和频 率(纵轴)的变化(时频功率谱密度分布图)。参照图右侧色标指示，可以大致辨认 ERD/ERS现象(红色为ERS、蓝色为ERD)发生的时段与频段及显著程度。从复杂背景中可以较容易分辨出a波段(12Hz附近)存在着与想象动作任务同步的长时ERD现象 (计算该时频段的ERD/ERS系数为-2.3)，而在P波段(14 26Hz)较大频带范围内， ERD现象呈弥散性分布，很难识别出与想象动作任务相关ERD现象所在时频带。为此 需采用ICA空间滤波以提高时频分辨率。图3(b)为对图3(a)的原始脑电信号采用传 统ICA空间滤波(再经多次实验功率谱叠加平均)后获得的时频功率谱密度分布图。可 以看出，经ICA空间滤波后，噪声干扰得到了一定程度的抑制，a波段(12Hz附近)的 ERD现象更为突出(空间滤波后，该时频段的ERD/ERS系数改善为-6.9)。但P波段 的时频分辨率仍不尽人意在背景噪声得到抑制的同时，e波段的ERD现象也受到 削弱，仍然无法有效识别该波段的ERD/ERS时频特征信息。其原因主要由于传统ICA 模型缺乏频域特性的有效控制，即无法对不同特征频带的独立分量实现分别筛选。
为克服传统ICA模型的局限性，需采用前述小波包ICA空间滤波方法重构各导联与 想象动作电位密切相关的脑电源信号。图4-a给出了采用小波包域ICA空间滤波方法 后，C3导联位置的脑电信号经过多次实验功率谱叠加平均后获得的时频功率谱密度分 布图。由图4-a可以看出，采用小波包ICA空间滤波后，弥散分布的背景噪声得到了 显著的抑制；a波段中12Hz附近的ERD现象明显增强(ERD/ERS系数改善为-9.7);而 e波段下，24Hz附近的ERD现象也被凸显出来(ERD/ERS系数改善为-6. 5)。图4-a同 时给出了想象动作实施前后，在C3导联时频坐标系标识位置处P波段(24Hz附近)以及 a波段(12Hz附近)频带41导联脑电信号ERD/ERS分布的脑地形图在站起想象动作实 施前(见图4-A中动作实施前500ms左右a波段及e波段下的标识点)，运动感觉功 能区(C3、 C4、 Cz导联附近)没有出现特征频带的ERD或ERS现象；而在站起动作想象 过程中，在e波段的24Hz附近(见图4-a)中动作实施后8000ms左右24Hz附近标识点)， C3和Cz导联附近存在明显的ERD现象，C4导联位置没有发生ERD或ERS现象，而在位于 感觉功能区的导联C1A处，则存在较为明显的ERS现象；在a波段的12Hz附近(见图 4-a)中动作实施后8000ms左右24Hz附近标识点)，C3、 C4、 Cz导联位置均存在显著 的ERD现象，而在其他区域无显著ERD或ERS现象。图4-b给出了小波包ICA算法后，C3 导联脑电信号的功率谱密度随时间变化曲线。从图4-b可以看出，C3导联位置发生了 明显的ERD现象，并且与受试者想象站起动作的起始和终结时刻基本同步。其时间进 程与图4-A的时频功率谱密度图是相互对应的。
为克服下肢想象动作电位特征识别时空间分辨率不足的困难，本发明提出了基于小 波包独立分量分析结合频域事件相关去同步/事件相关同步(ERD/ERS)系数优选并满足 巻积混合模型的空间滤波新方法。通过上述站起想象动作实验结果表明，与传统独立分 量分析方法相比，新方法能同时增强a与e波段事件相关电位的时频特征并显著提高C3、 C4、 Cz、 C1A等关键导联的ERD/ERS系数值。但有研究表明，与想象动作事件相关的 ERD/ERS特征存在较大的个体差异性，其不仅表现在ERD/ERS的特征频带，而且体 现于ERD/ERS系数值的显著差别。为验证本发明空间滤波和特征识别方法及实验方案的有效性与普适性，考查了 IO例受试者在站起动作想象实验中ERD/ERS现象的特征 频带分布和特征系数值变化(如图5所示)，以期挖掘出有价值的共性特征。
图5-(a)给出了 IO例受试者在站起动作想象过程中C3、 Cz、 C4及C1A导联(对 应于ERD/ERS现象显著的感觉运动功能区位置)的ERD/ERS特征频带分布。从图5-(a) 可以看出，ERD/ERS现象集中分布于a和e波段范围。其中a波段ERD现象主要发生 在运动功能区的C3、 Cz、 C4导联；e波段ERD现象则分布于的C3、 Cz导联附近， 同时在靠近感觉功能区的C1A导联位置发生ERS现象。另外，从盒状图的四分位距 分布可以看出，a波段ERD现象的特征频带集中于10 14Hz的窄带内，而P波段 ERD/ERS现象则仅集中于21 25Hz的窄带内。利用这个共性特征，可以适当减少用 于ICA空间滤波和特征提取的小波包域特征子空间选取范围，从而可进一步提高空 间滤波和特征识别方法的运行效率。这也说明了本发明实验方案的有效性。
为考查小波包ICA空间滤波方法在站起想象动作脑电特征分析中的有效性，比较 了10例受试者在3种处理方式(无ICA空间滤波、传统ICA空间滤波和小波包ICA空间滤 波)后的ERD/ERS特征系数值差异，并进行了统计学t检验处理。图5(b)给出了C3、 C4、 Cz、 C1A等关键导联ERD/ERS特征系数值的统计结果。从图中可以看出，采用传统ICA 空间滤波方法，虽然在a波段下能够获得相对于不采取空间滤波更显著的ERD/ERS特
征，但无法同时兼顾e波段下的脑电特征增强(表现为图中e波段经传统KA空间滤
波后ERD/ERS特征系数值反而低于无空间滤波处理的特征系数值)；而经过小波包ICA 空间滤波后的ERD/ERS系数幅值皆显著高于传统ICA空间滤波和未采用空间滤波的特 征系数值(P<0.01)。这表明了采用小波包ICA空间滤波结合功率谱密度分析的方法 能够有效地提取与识别站起想象动作脑电的ERD/ERS特征信息，并具有一定的普适性。
权利要求
1. 一种下肢想象动作电位空间滤波方法，其特征在于，包括下列步骤①利用脑电导联电极采集反映下肢想象动作的脑电信号；②对所采集的脑电信号进行预处理；③对预处理后的41导联脑电信号Si(i＝1，2，…，41)进行带通滤波，获取2~34Hz并且覆盖α波段及β波段的带通脑电信号S0i(i＝1，2，…，41)；对S0i(i＝1，2，…，41)进行小波包多分辨率分析，经过4个尺度的小波包分解后，最终获得满足频带分割要求的11个特征子频带第4尺度下覆盖α波段的3个特征子频带以及覆盖β波段的8个特征子频带④对11个小波包特征空间下的脑电信号以及分别进行独立分量分析，采用基于频带对数功率谱定义的事件相关去同步化/同步化(ERD/ERS)系数作为主成份筛选的依据，保留去同步化/同步化(ERD/ERS)系数绝对值大于设定阈值的分量，并将其余分量置零；⑤利用各个特征小波包子空间下的脑电信号，依次恢复构造出各导联脑电信号各自对应的小波包频域空间，而后进行小波包逆变换，重构脑电源信号。
2. 根据权利要求1所述的下肢想象动作电位空间滤波方法，其特征在于，步骤1中 的41导脑电采集电极，其中19导联按国际10/20系统标准安置，其余22导联覆 盖肢体动作相关的感觉运动皮层功能映射区，即导联C3， Cz, C4周围。
3. 根据权利要求1所述的下肢想象动作电位空间滤波方法，其特征在于，步骤2中 对所采集的脑电数据按下述预处理方法(1)依据Hjorth提出的源定位计算方 法，通过共平均参考去除各导联信号共有的空间低频成份；(2)去除脑电数据中 存在的肌电和眼电干扰。
全文摘要
本发明属于生物医学工程及计算机领域，涉及一种下肢想象动作电位空间滤波方法，该方法主要包括下列步骤，①站起想象动作脑电信号采集和预处理；②特征小波包空间获取；③小波包域独立分量分析；④脑电源信号重构。采用本发明提供的方法，能够加大对ERPs信号空间滤波的力度，提高信号处理的空间分辨率，并能够结合想象动作所诱发ERD/ERS现象的功率谱频带特性，从时空和时频等多个角度挖掘信号的动态特征，提高信噪比、增强区分度，从而能有效地识别下肢想象动作电位。
文档编号A61B5/0476GK101433460SQ20081005395
公开日2009年5月20日 申请日期2008年7月25日 优先权日2008年7月25日
发明者万柏坤, 刘双迟, 周仲兴, 东 明, 朱誉环 申请人:天津大学