應用于SSVEP腦電信號識別的CCA算法

• 1、SSVEP信號
• 2、應用于SSVEP信號的CCA算法

1、SSVEP信號

SSVEP是指當受到一個固定頻率的視覺刺激的時候，人的大腦視覺皮層會產生一個連續的與刺激頻率有關（刺激頻率的基頻或倍頻處）的響應。

研究者認為大腦里分布的各種神經網絡都有其固有的諧振頻率，在正常狀態下，這些神經網絡都是互不同步的，也是雜亂無章，沒有規律的，此時的腦電信號是自發腦電。當施加一個恒定頻率的外界視覺刺激時，與刺激頻率或諧波頻率相一致的神經網絡就會產生諧振，導致大腦的電位活動在刺激頻率或諧波頻率處出現明顯變化，由此產生了SSVEP 信號。

大腦皮層可粗略地看作由額葉(Frontal lobe)、頂葉(Parietal lobe)、枕葉(Occipital lobe)、顳葉(Temporal lobe)四個組成部分構成。其中額葉部分負責運動和理解、頂葉部分負責觸覺與空間的空間感知、而枕葉部分負責視覺、顳葉部分負責聽力與語言。因此,基于SSVEP的BCI系統就是通過檢測枕葉視覺區的的EEG信號來判斷大腦的思維活動的。

SSVEP信號可以可靠地應用于腦-機接口系統（BCIs）。相對于給予其他信號（例如P300、運動想象）的BCIs而言，基于SSVEP信號的BCIs通常具有更高的信息傳輸率，系統和實驗設計更加簡便，而且需要的訓練次數也比較少。

2、應用于SSVEP信號的CCA算法

目前已經有不少科研小組設計出了具有高傳輸速率(ITR)的SSVEPBCIs，而其中用于對SSVEP信號處理分析的方法之一,即為本文所要介紹的典型相關性分析(Canonical Correlation Anaylsis,CCA)算法。

CCA主要通過計算兩組信號的典型相關系數來分析SSVEP信號。其中一組信號是記錄的EEG信號$X=[x_1,x_2,\dots ,x_n]$,其中采集腦電信號的通道數。另一組信號是視覺刺激頻率相對應的參考信號$Y_i$

其中,$i$是刺激目標數,$f_i$表示刺激頻率,$k$表示參考信號中的諧波數, $N_s$表示采樣點數量。考慮到人的大腦是一個低通濾波器,高頻信號基本上被過濾掉了,這里取$k=3$,由此

$X$和$Y_i$的線性組合可以表示為$x=X^T{W}_X$和$y=Y^T{W}_Y$,其中$W_X$ 和$W_Y$是權重矩陣。由此$x$對應于第$i$種刺激對應參考信號的相關系數為:

若$K$表示刺激頻率數目從而最終識別的目標頻率為:

實現代碼: https://github.com/YuDongPan/Canonical_Classifier

參考資料與文獻:

SSVEP——百度百科

CSDN博客穩態視覺誘發電位SSVEP介紹——CSDN博客

Z. Lin, C. Zhang, W. Wu and X. Gao, “Frequency Recognition Based on Canonical Correlation Analysis for SSVEP-Based BCIs,” in IEEE Transactions on Biomedical Engineering, vol. 53, no. 12, pp. 2610-2614, Dec. 2006, doi: 10.1109/TBME.2006.886577.

總結

以上是生活随笔為你收集整理的应用于SSVEP脑电信号识别的CCA算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。