一种视觉p300脑-机接口系统数据优化方法.docx

一种视觉p300脑-机接口系统数据优化方法专利名称：一种视觉p300脑-机接口系统数据优化方法技术领域：本发明涉及计算机数据处理领域，特别是一种视觉P300脑-机接口系统数据优化方法背景技术：脑机接口(BCI:Brain-Computer-1nterface)是一种新型的人机交互装置，它通过把从人脑采集的脑电信号转化成控制命令实现人类不依赖声音或者肢体等对电脑设备的直接控制，从而建立了一个独立于人脑和电脑设备进行交流控制的通道，脑-机接口可以有效的帮助残疾人尤其是那些丧失了肢体运动功能但是能够正常思维的残障人士与外界交流脑机接口的研究涉及神经科学、信号检测、信号处理、模式识别和控制实现等多个领域，是一个交叉学科目前，脑机接口的应用已由医疗康复领域迅速扩展到社会生活的诸多方面，在身份验证、加密、军事、娱乐、机器控制领域均有应用，因而受到了越来越多研究者和机构的重视，成为近几年的研究热点之一P300波是一种常见的用于脑机接口的脑电信号P300波是时间相关电位ERP(EventRelatedPotential)的一种，其峰值一般出现在事件发生后的300ms左右，故被称为P300波研究表明，相关事件出现概率越小，所引起的P300电位越显著。

在BCI系统中，一般用P300Speller实验范式产生P300波P300Speller实验范式最早由Farwell和Donchin在1988年提出，是一种常用的传统BCI范式P300Speller实验的任务刺激模式如图1所示，在计算机屏幕上显示6X6的虚拟字符闪烁矩阵，受试者被要求注视想要选择的目标字符，字符矩阵的行或列随机的闪烁(高亮显示)，每个行或列的闪烁对应一次视觉刺激，只有目标字符对应的行或列闪烁时 对应了一次靶刺激，该靶刺激会在头皮的脑电中诱发出P300成分因此在12个行列各随机闪烁一次后，可以根据P300 —般出现在目标刺激产生后的300ms的特性检测出目标刺激所在的行列，目标行列在虚拟字符闪烁矩阵中的交点即为目标字符所在的位置P300Speller实验范式中的刺激产生原理基于Oddball实验范式在P300Speller实验范式中，为了满足Oddball范式的要求，每个行列刺激闪烁的持续时间以及相邻两次闪烁间隔时间都是小于300ms的，而一般的BCI系统在分析每个刺激后的脑波信号时都会截取该刺激产生后大于600ms的脑电以保证覆盖刺激发生后300ms左右的信号，这就导致了相邻的刺激截取的脑电信号之间会有部分重叠，信号重叠可能会使特征向量变成冗余数据和噪声数据，对BCI系统的性能产生重大的影响，这是一直没有被研究者解决的问题之O发明内容发明目的:本发明所要解决的技术问题是针对现有技术的不足，提供一种视觉P300脑-机接口系统数据优化方法。

为了解决上述技术问题，本发明公开了一种视觉P300脑-机接口系统数据优化方法，所述方法包括以下步骤:步骤一:使用传统视觉P300-Speller BCI系统进行数据采集获得训练集，对训练集中的数据进行预处理和特征提取步骤二:计算向量夹角阈值Cltoestold:分别计算训练集中所有正类数据均值Hi1和所有负类数据均值Hi2Jfm1和叫带入向量夹角计算公式获得正负数据均值的夹角，作为夹角阈值Ct hreshold °步骤三:从训练集中选取可能为噪声数据或冗余数据的数据，并计算相应的向量夹角:从训练集中选取每一次字符拼写中与目标行列刺激相邻的行列刺激对应的数据，根据夹角计算公式计算该数据和与其相邻的目标行列刺激对应的数据之间的夹角C ；步骤四:剔除冗余数据和噪声数据:对于步骤三中选取的数据集中的每一个数据，设为Xi，如果数据Xi相应的向量夹角C小于步骤二中计算的向量夹角阈值CThr_ld，则判定数据Xi为噪声数据或冗余数据，从训练数据集中剔除该数据Xi数据采集之后对其进行降采样、滤波、数据截取等预处理操作所述的数据预处理操作包括信号分割、带通滤波和降采样信号分割截取每次刺激产生后667ms内的信号，带通滤波的滤波区间是0.1Hz 20Hz，降采样信号至20Hz。

所述的特征提取把每个数据中使用的导联对应的特征向量连接成一个向量，作为数据的特征向量步骤二所述的正负数据集的均值向量Hi1和m2分别为:权利要求1.种视觉P300脑-机接口系统数据优化方法，其特征在于，包括以下步骤: 步骤一:使用视觉P300-Speller脑-机系统进行数据采集获得训练集，对训练集中的数据进行预处理和特征提取； 步骤二:计算向量夹角阈值CThrestold:分别计算训练集中所有正类数据均值Hl1和所有负类数据均值m2，将Hl1和m2带入向量夹角计算公式获得正负数据均值的夹角，作为夹角阈值^Threshold步骤三:从训练集中选取数据，并计算其中每个数据对应的向量夹角C:从训练集中选取每一次字符拼写中与目标行列刺激相邻的行列刺激对应的数据，设选取数据为Xi，根据夹角计算公式计算数据Xi和与数据Xi相邻的目标行列刺激对应的数据\之间的向量夹角c； 步骤四:剔除冗余数据和噪声数据:对于步骤三中选取的数据集中的每一个数据，设为Xi，如果数据Xi相应的向量夹角c小于步骤二中计算的向量夹角阈值Cltostold，则判定该数据为噪声数据或冗余数据，从训练数据集中剔除该数据Xi。

2.据权利要求1所述的一种视觉P300脑-机接口系统数据优化方法，其特征在于，所述的数据预处理包括信号分割、带通滤波和降采样；信号分割截取每次刺激产生后667ms内的信号，带通滤波的滤波区间是0.1Hz 20Hz，降采样信号至20Hz3.据权利要求2所述的一种视觉P300脑-机接口系统数据优化方法，其特征在于，所述特征提取为把每个数据中使用的导联对应的特征点连接成一个向量，作为数据的特征向量4.据权利要求3所述的一种视觉P300脑-机接口系统数据优化方法，其特征在于，步骤二所述的正类数据均值Hl1和所有负类数据均值m2分别采用如下公式计算:5.据权利要求4所述的一种视觉Ρ300脑-机接口系统数据优化方法，其特征在于，所述向量夹角计算公式是对向量之间的余弦值求反余弦，夹角阈值Cltestold为:6.据权利要求5所述的一种视觉P300脑-机接口系统数据优化方法，其特征在于，步骤三所述目标行列刺激对应的数据Xi和与该目标刺激相邻的行列刺激对应的数据Xj之间的向量夹角C采用如下公式计算:全文摘要本发明公开了一种视觉P300脑-机接口系统数据优化方法，包括以下步骤步骤一数据的采集与预处理；步骤二计算向量夹角阈值CThreshold分别计算训练集中正负数据集的均值向量m1和m2，将m1和m2带入夹角计算公式获得正负数据均值向量间的夹角，作为向量夹角阈值CThreshold；步骤三从训练集中选取可能为噪声数据和冗余数据的数据，并计算相应的向量夹角；步骤四剔除冗余数据和噪声数据。

本发明优点是实现了对视觉P300脑-机接口训练集中大量冗余数据和噪声数据的有效剔除。