(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202011482549.0
(22)申请日 2020.12.15
(71)申请人 华南师范大学
地址 510631 广东省广州市天河区中山大
道西55号
(72)发明人 王斐 侯雪莹 夏逸 李曼
(74)专利代理机构 北京中济纬天专利代理有限
公司 11429
代理人 谢建华
(51)Int.Cl.
G06K 9/62(2006.01)
G06F 3/01(2006.01)
(54)发明名称基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑-机接口系统(57)摘要本发明公开了基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口系统，包括信号采集模块、数据处理模块、训练模块和测试模块。所述信号采集模块通过SynAmps2放大器对四位受试者的脑电信号进行样本 采集，样本集数据经过处理，然后进行迁移学习，经过分类器分类结果，得到判别的输出字符，并最终在P300字符输入范式界面上输出。本发明数据处理部分主要采用XDAWN空间滤波器——用于增强原始信号中的P300分量和降低其维数；训练模块基于黎曼几何将数据直接映射到具有适当度量的几何空间，进行迁移学习实验，得到迁移学习实验的结果。本系统所提算法与两个经典算法进行比较验证，证明了基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑
机接口系统的可靠性。权利要求书2页 说明书5页 附图2页CN 112651432 A 2021.04.13
C N 112651432
A
1.基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口系统，包括信号采集模块、数据处理模块、训练模块和测试模块；
所述信号采集模块通过SynAmps2放大器对四位受试者的脑电信号进行样本采集，并将采集的样本传输到数据处理模块进行处理；
所述数据处理模块用于对采集的样本保留原始数据中特定通道，并对其进行下采样处理，降低计算复杂度；
所述训练模块使用变换后的对称正定矩阵对黎曼几何分类器进行训练，并且输出黎曼距离最小的类。 2.根据权利要求1所述的，其特征在于：所述数据采集模块采集方法包括如下步骤：
步骤一：本发明采用P300‑speller，界面使用26个英文字母和1‑9个数字以及下划线排列成6x6的虚拟键盘矩阵，是基于oddball实验范式完成的，随机高亮字符矩阵中的某一行或某一列，一次实验中6行6列均被高亮一次，一共12次高亮刺激，在一轮12次的闪烁序列试验中，目标单元格只会闪烁两次，与其他行和列的10次闪烁相比，形成少数事件，从而引发P300，我们共采集了4位受试者的脑电信号，受试者被要求集中精力，注视由字母、数字以及下划线组成的6x6矩阵，并选择性注意系统提供的一个目标字符；
步骤二：然后随机加亮字符矩阵中所有的行和列，每次持续时间为100ms，闪烁间隔为75ms，12个行列分别闪烁一次视为完成一次实验，周期为2.4s；
步骤三：当目标字符所在的行和列被加亮时，受试者需要在心中默记加亮的次数，其他行或列被加亮时，受试者不需要做出任何反应。
3.根据权利要求1所述的，其特征在于：所述数据处理模块的处理方法包括如下步骤：
步骤四：对已经采集到的实验样本保留原始数据中特定通道，并对其进行下采样处理；
步骤五：记录系统把实验从开始到结束所有的脑电数据全部记录下来，原始数据中包含了多组实验样本，根据实验需求选取合适的时间窗对原始数据进行截取；
步骤六：使用包含P300分量的EEG信号Xn和标签Yn作为滤波器XDAWN的输入，通过假设一个真实的P300信号以及通过最大化广义瑞利熵给出的信噪比(SNR)来到最佳滤波器来获取经XDAWN滤波后的信号Xn*；
步骤七：计算滤波后的信号Xn*的对称正定矩阵，将所有K型对称正定矩阵映射到黎曼流形上，并计算K型的黎曼几何均值。
步骤八：使用黎曼几何均值分别计算每个受试者的参考矩阵，以黎曼几何均值来完成仿射变换的参考矩阵的选择，对对称正定矩阵进行仿射变换。
4.根据权利要求1所述的，其特征在于：所述训练模块和测试模块的处理测试方法包括如下步骤：
步骤九：最后使用变换后的对称正定矩阵来训练黎曼几何分类器，输出黎曼距离最小的类；
步骤十：当新的测试集Xp出现时，先前训练的XDAWN用于执行空间滤波以获得Xp*；
步骤十一：分别根据Xp*和其自身的黎曼几何均值获得对称正定矩阵并进行仿射变换；
步骤十二：使用黎曼最小均值距离对其进行分类。
5.根据权利要求4所述的基于XDAWN空间滤波器和黎曼几何迁移学习的脑‑机接口系统，其特征在于：所述测试模块用于分别根据Xp*和其自身的黎曼几何均值获得对称正定矩
阵并进行仿射变换，并且使用黎曼最小均值距离对其进行分类。
6.根据权利要求1所述的基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口系统，其特征在于：所述信号采集模块由P300信号数据是使用64导联的电极帽采集的，采集采用八个通道，且八个所述的通道分别为Fz、Cz、Pz、Oz、P3、P4、PO7、PO8。
7.根据权利要求1所述的基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口系统，其特征在于：所述信号采集模块所采集共有有30个字符，每个字符需要进行15次重复实验，然后才能测试下一个字符。
8.根据权利要求3所述的基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口系统，其特征在于：所述数据处理模块流形上不同对象的协方差矩阵的分布不一致，存在一定的参考状态，到此参考状态并以矩阵形式表示。
基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口
系统
技术领域
[0001]本发明属于机器学习技术领域，具体涉及基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口系统。
背景技术
[0002]脑‑机接口(Brain‑Computer Interface，BCI)是在人或动物脑(或者脑细胞的培养物)与计算机或其他电子设备之间建立的不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的一种全新通讯和控制技术。
[0003]BCI系统根据脑电信号划分，主要有P300、视觉诱发电位、事件相关同步/事件相关去同步电位、皮层慢电位等脑电信号。其中P300脑电信号是大脑对特定外部刺激的自然响应，是刺激出现约300ms时，EEG信号出现的正峰值。然而由于脑电信号存在很大的可变性，从不同受试者或不同时期收集的EEG信号的特征空间分布是不一致的。此外，BCI系统每次使用前都需要很长的校准阶段。因此想要获得良好的性能，每个受试者的BCI系统都需要先通过自己的EEG信号进行训练，而不能使用其他人的EEG信号。
[0004]目前脑‑机接口中减少校准的一个重要的方法是迁移学习，在机器学习领域中，迁移学习主要思想是通过相似或相关的其它用户、设备或任务的数据来帮助当前用户、设备或任务进行校准。当前BCI领域的迁移学习算法研究受到了广泛关注，例如，Xing的团队利用源领域中的样本数据对分类器模型进行训练，细化初始类别标签，获得最终目标样本数据标签，提出了结合标签细化与迁移学习算法；Wu团队采用主动学习的方法对数据样本进筛选，选择信息量最丰富的数据样本，然后使用迁移学习方法把其他受试者的脑电数据作为辅助数据训练了分类模型，实现迁移学习在不同受试者之间的应用，其他一些迁移学习方法是半监督学习，并使用统一的本地二进制模式或人工数据生成。但是，最有潜力的方法之一是黎曼几何方法，黎曼几何的主要思想是将数据直接映射到具有适当度量的几何空间，从而确定对称正定(SPD)矩阵，然后直接将SPD矩阵映射到黎曼流形上，而不是估计空间过滤器和/或选择特征。黎曼流形上的数据可以直接处理，其特殊的性质使黎曼分类器具备很好的泛化能力且分类精确度高，可用于研究BCI中的会话迁移和受试者迁移问题。尽管黎曼几何方法在BCI领域取得了许多良好的结果，它仍然有缺点：噪声会随着维度的增加而增加，如果数据维度太大，则黎曼几何方法将执行许多计算，这很耗时并且会导致统计偏差的问题，为此我们提出基于XDAWN空间滤波器和黎曼几何迁移学习的脑‑机接口系统。
发明内容
[0005]本发明的目的在于提供基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口系统，以解
决上述背景技术中提出的问题。
[0006]为实现上述目的，本发明提供如下技术方案：基于XDAWN空间滤波器和黎曼几何迁移学习的P300脑‑机接口系统，包括信号采集模块、数据处理模块、训练模块和测试模块；
[0007]所述信号采集模块通过SynAmps2放大器对四位受试者的脑电信号进行样本采集，并将采集的样本传输到数据处理模块进行处理；
[0008]所述数据处理模块用于对采集的样本保留原始数据中特定通道，并对其进行下采样处理，降低计算复杂度；
[0009]所述训练单元使用变换后的对称正定矩阵对黎曼几何分类器进行训练，并且输出黎曼距离最小的类。
[0010]优选的，所述数据采集模块采集方法包括如下步骤：
[0011]步骤一：本发明采用P300‑speller，界面使用26个英文字母和1‑9个数字以及下划线排列成6x6的虚拟键盘矩阵，是基于oddball实验范式完成的，随机高亮字符矩阵中的某一行或某一列，一次实验中6行6列均被高亮一次，一共12次高亮刺激，在一轮12次的闪烁序列试验中，目标单元格只会闪烁两次，与其他行和列的10次闪烁相比，形成少数事件，从而引发P300，我们共采集了4位受试者的脑电信号，
受试者被要求集中精力，注视由字母、数字以及下划线组成的6x6矩阵，并选择性注意系统提供的一个目标字符；
[0012]步骤二：然后随机加亮字符矩阵中所有的行和列，每次持续时间为100ms，闪烁间隔为75ms，12个行列分别闪烁一次视为完成一次实验，周期为2.4s；
[0013]步骤三：当目标字符所在的行和列被加亮时，受试者需要在心中默记加亮的次数，其他行或列被加亮时，受试者不需要做出任何反应。
[0014]优选的，所述数据处理模块的处理方法包括如下步骤：
[0015]步骤四：对已经采集到的实验样本保留原始数据中特定通道，并对其进行下采样处理；
[0016]步骤五：记录系统把实验从开始到结束所有的脑电数据全部记录下来，原始数据中包含了多组实验样本，根据实验需求选取合适的时间窗对原始数据进行截取；
[0017]步骤六：使用包含P300分量的EEG信号Xn和标签Yn作为滤波器XDAWN的输入，通过假设一个真实的P300信号以及通过最大化广义瑞利熵给出的信噪比来到最佳滤波器来获取经XDAWN滤波后的信号Xn*；
[0018]步骤七：计算滤波后的信号Xn*的对称正定协方差矩阵，将所有K型对称正定矩阵映射到黎曼流形上，并计算K型的黎曼几何均值。
[0019]步骤八：使用黎曼几何均值分别计算每个受试者的参考矩阵，以黎曼几何均值来完成仿射变换的参考矩阵的选择，对对称正定矩阵进行仿射变换。
[0020]优选的，所述训练模块和测试模块的方法包括如下步骤：
[0021]步骤九：最后使用变换后的对称正定矩阵来训练黎曼几何分类器，输出黎曼距离最小的类；
[0022]步骤十：当新的测试集Xp出现时，先前训练的XDAWN用于执行空间滤波以获得Xp*；[0023]步骤十一：分别根据Xp*和其自身的黎曼几何均值获得对称正定矩阵并进行仿射变换；
[0024]步骤十二：使用黎曼最小均值距离对其进行分类。
[0025]优选的，所述测试单元用于分别根据Xp*和其自身的黎曼几何均值获得对称正定矩阵并进行仿射变换，并且使用黎曼最小均值距离对其进行分类。
[0026]优选的，所述信号采集模块由P300信号数据是使用64导联的电极帽采集的，采集
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议