一种基于WRCE_CSP的运动想象电位识别方法.doc

DOI: 10． 3969 / j． issn． 1001-3824． 2012． 03． 010 一种基于 的运动想象电位识别方法 WRCE- CSP 磊，刘 龚 蓉 ( 大连理工大学 电子信息与电气工程学部，辽宁 大连 116024) 摘 要: 针对脑-机接口系统中运动想象脑电信号( Electroencephalography，EEG) 的模式识别问题，提出了加权节律 成分提取( Weighted Rhythmic Component Extraction，WRCE) 与共空间模式( Common Space Pattern，CSP) 相结合的特 征提取方法，并使用 Fisher 线性判别分析进行分类。采用 2003 年的 BCI 竞赛数据 Data set Ⅲ对该方法进行评估， 测试数据的分类正确率达到 86. 13% ，比使用传统 CSP 方法进行特征提取时的分类正确率提高了 5. 71% ，表明该 方法可有效地应用于运动想象 EEG 的模式识别中。 关键词: 脑-机接口; BCI; EEG; 共空间模式; 加权节律成分提取 中图分类号: R318 文献标识码: A 文章编号: 1005-3824( 2012) 03-0039-05 取［8］，随后 H． Ramoser 等人提取多导联 EEG 信号 的空间模式作为特 征，并取得了较好的分类结 果［9］，最终，提取空间模式作为特征的方法被命名 为 CSP 并广泛应用于 EEG 的特征提取中。CSP 的 原理是通过矩阵的同时对角化，得到一组空间滤波 器，信号在经过滤波器滤波之后，一类信号的方差 最大化的同时另一类信号的方差最小化，从而使两 类别差异放大，实现准确分类的目的［10］。采用 CSP 方法进行特征提取之前一般会对原始 EEG 信号进 引 言 0 脑-机接口( Brain-Computer Interface，BCI) 是近 年来生物医学工程领域较热的一个研究方向。作 为一种全新的人脑与外界的交互方式，BCI 通过对 脑电信号( Electroencephalography，EEG) 的采集和分 析处理，将人脑的意识转化为外部设备可识别的指 令，从而实现对外部设备的控制，避免了传统交互 方式对外周神经和肌肉组织的依赖，为思维正常的 肢体残障人士提供一种与外界交流的全新途 径［1，2］。本文研究所采用的运动想象 EEG 属于事件 相关电位( ERP) ，而 ERP 最显著的特点是事件相关 同步 / 去同步( ERS / ERD) 现象，即人在进行意识活 动时大脑皮层对应区域的某些频段成分出现规律 性变化( 增强或减弱) 的现象［3，4］。 针对不同特性的 EEG，如何有效提取信号的特 征是 EEG 模式识别中的一个关键问题。常用的特 征提取方法有: 功率谱分析、小波变换、共空间模式 行滤波，提取特征区分度较为明显的频率成分［11］， 如 FBCSP( Filter Bank CSP) 、SBCSP( Sub Band CSP) 等方法都是基于该目的提出的［12，13］。但是，在噪声 比较严重的情况下，滤波会导致观测信号信息的丢 失，从而对分类正确率造成影响［14］。由 T． Tanaka 等人提出的加权节律成分提取法( Weighted Rhyth- mic Component Extraction，WRCE ) 是解决该问题的 一个很好的办法。WRCE 通过对所有通道数据的线 性加权使关心的频率成分得以增强，并没有滤除信 号中的任何频率成分，从而克服了滤波方法丢失信 等［5-7］。 其 中，基 于 ( Common Space Pattern，CSP ) ［14，15］ 息的缺点 。本文针对运动想象 EEG 的识别问 题，尝试将 WRCE 与 CSP 相结合进行特征提取，并 采用 Fisher 线性判别分析( Fisher-LDA ) 对 WRCE- CSP 方法得到的特征进行分类，取得了较好的分类 效果。 CSP 的 EEG 特征提取方法在最近几年受到越来越 多 BCI 领域研究人员的关注。1991 年，Z． J． Koles 等人首先将空间 模 式 用 于 EEG 非正常成分的提 收稿日期: 2012-01-20 算法介绍 1 阵，则总体协方差矩阵 C 为 c T T WRCE 算法介绍 令 X ∈ RM × N 表示 M 通道观测信号，每通道信号 的采样点数为 N 。WRCE 算法通过求取加权系数 Cc = Cl + Cr = ∑Xi Xi + ∑Xi Xi ( 7) 1. 1 i∈L 对 Cc 进行特征值分解可得 i∈R UT C = U C 。根 c C λC 据主成分分析法，构造白化矩阵 P，并用白化