基于多参数公共空间频率模式算法的脑电特征提取*
苏少军，方慧娟，王 根
【摘 要】针对目前脑机接口中提取明显的脑电信号特征较难以及特征维数较多的缺陷，提出了一种多参数的公共空间频率模式CSSP(Common Spatio-Spectral Pattern)算法对脑电信号进行特征提取。该算法对不同通道的脑电信号采取不同的延时因子，增强了CSSP算法在频域上的滤波效果。在对2003年国际脑机接口BCI(Brain Computer Interface)竞赛的运动想象脑电识别中，利用多参数CSSP特征提取方法结合支持向量机SVM(Support Vector Machine)分类方法，在只提取两维特征的情况下，较公共空间模式CSP(Common Spatial Pattern)与CSSP算法，分类的正确率有了明显提高。同时，多参数的引入使该方法在特征提取上较CSP与CSSP算法具有更强的适用性。
【期刊名称】微型机与应用 【年(卷),期】2011(030)018 【总页数】4
【关键词】脑机接口；脑电图；CSSP算法；特征提取；支持向量机 【文献来源】
https://www.zhangqiaokeyan.com/academic-journal-cn_microcomputer-
application_thesis/0201251537491.html
多年来，人们一直希望直接利用大脑中的电生理信号建立一种向外界传递信息和发送命令的通道，即所谓的脑机接口系统[1]。脑机接口BCI(Brain Computer Interface)是一种不依赖于大脑的外周神经与肌肉正常输出通路的通讯和控制系统[1]。由于非植入式BCI所获取的脑电信号EEG(Electro
Encephalo Gram)较微弱，同时受到心电、肌电等信号的干扰，使得提取脑电信号的特征存在较大的困难，所以寻求一种有效且适用性强的信号特征提取方法决定着BCI系统能否迅速发展及广泛应用。
目前，脑电信号的特征提取通常有时域、频域和空域方式，提取方法主要有以下几种:(1)AR(Autoregressive)模型谱估计。该方法获取了频域上的谱信息但损失了时域上的信息，在对时间敏感的信号应用上，得不到好的效果[2]。(2)时域分析法。时域分析法的一个优点是它能够获取时域和频域上的特征，但是算法比较复杂，计算量比较大，不符合BCI系统的实时性要求。(3)公共空间模式CSP(Common Spatial Pattern)。CSP算法是基于两个协方差矩阵的同时对角化来获取空间滤波器。该空间滤波器对两种类型的信号进行空间滤波时起到相反的效果，当其中一类经过滤波后的方差越大时，另一类反而越小，这使得两类的特征存在比较大的差异，对它们进行分类就较容易[3]。但是CSP算法的不足之处就是无法操作频域上的信息。(4)公共空间频率模式CSSP(Common Spatio-Spectral Pattern)。CSSP算法原理上与 CSP算法类似，但是CSSP算法优于CSP算法之处是它不仅可以获取空域上的信息，同时还可以对频域上的信息进行操作，使得提取的特征更加明显。
1 多参数的CSSP算法
1.1 CSSP算法
CSSP是一种有监督的空间频率滤波方法，其算法与CSP类似。CSP算法是在有标识的训练集上训练的，目的是要找到合适的映射使得投影后的信号其中一类方差最大，而另一类方差最小[4]。这一映射函数W称为固定空间滤波器，当输入信号为X时，经过该空间滤波器后，输出信号Z可表示为：
CSSP算法在CSP算法的基础上进行了扩展，由式(1)得到： 这里，符号 δ(τ)表示延时操作，即：
从式(2)可以看出，此时输入信号较CSP有不同之处，它的输入信号变为： 而映射函数由 CSP中的 W 分解为 W(0)和 W(τ)，也就是要找到 W(0)和W(τ)两个投影方向使得输入信号方差能够最好地区分给定类别，使最大化一类方差的同时最小化相反一类。CSSP算法的最优方程解的解法原理与CSP算法相同。利用每一类的输入信号l∈{1，2}得到各自的协方差矩阵Rl(l∈{1，2})，使用最优化问题的解决方法，计算出分解矩阵W[3]。 1.2 多参数的CSSP算法
本文研究的数据集的每一个序列是从3个电极(C3、Cz、C4)中采集得到的，所以输入信号是一个三维的矩阵，而不是一维的向量。在使用CSSP算法对脑电信号进行特征提取时，所引入的延时因子τ，只是一个单一的变量值[5-6]，对所有从不同电极所采集的信号进行相同时间的延时。考虑到从不同电极所采集到的信号反映不同类别的特征所在的频段会存在一定的偏差，所以用单一的延时因子τ对所有序列进行延时，并不能将两类别差别最大的特征提取出来。因此，本文提出将单一的延时因子τ替换为多维变量[τ]，即对不同电极采集的信号采用不同的延时因子。按此方法，多参数的CSSP算法的公式演变为： 根据以上算法，进一步对该公式进行展开，令w表示分解矩阵W的第n行，C为输入信号维数，[τ]中的元素为 τ1，τ2，…，τc，则投影信号 zn=w可以表示为：
其中xc为X的行向量。FIR滤波器的滤波原理就是通过用有限长的时间信号与输入信号进行卷积。因此，可将式(6)中这两个参数看成rc)这 一 时 间 序 列 与
基于多参数公共空间频率模式算法的脑电特征提取
